【発表のポイント】
・実際の液体全体の流れを、限られた観測データからリアルタイムに、深層強化学習（注1,2,3）を用いてバーチャル世界に再現する手法を開発しました。
・目前の水の流れをそのまま遠隔地に伝送して再現し、遠隔地の人と共有することが可能です。
・水を用いたバーチャルリアリティ（VR）体験の新たな可能性を拓き、水を感じながらバーチャル環境でコンテンツを利用することができます。

【概要】
　従来の流体シミュレーションは、様々な物理特性を仮定して流体の動きを全て計算していましたが、実際の一部の液体の動きを観測できたとしても、それを利用して液体全体の動きを計算して再現する手法はありませんでした。

　東北大学 電気通信研究所と流体科学研究所のグループは、実観測データを利用できる新しい流体シミュレーションの方法を開発しました。深層強化学習で、少数の限られた観測データをもとに液体全体の動きをリアルタイムで計算して再現することができます。これにより、目前の実際の水の動きを、たとえそれに人がランダムにかき混ぜる等の外乱を与えた場合でも、バーチャル空間内で正確にリアルタイムに再現し、防災（治水）や建設工事などのために離れた場所での直感的なデータ共有できたりするようになります。

　なお、液体の動きのリアルタイム計測には、電気通信研究所で2020年に開発した「磁気式3次元モーションキャプチャの新方式」（注4）を利用しました。

　本研究成果は、9月17日に米国計算機学会（ACM：Association for Computing Machinery）の科学誌ACM Transactions on Graphicsのオンライン速報版に掲載され、コンピュータグラフィックスとインタラクティブ技術のトップコンファレンスSIGGRAPH Asia 2023（12月12日～15日，オーストラリア・シドニー）で口頭発表されます。

図1. 計測データから全体の水の動きを再現する手順 : ランダムな未知の外乱がある場合でも、一部の観測データから全体の水の動きをシミュレーションによって再現できる。


【用語説明】
注1. 深層強化学習 (Deep reinforcement learning): 強化学習（注2）と深層学習（注3）を組み合わせた学習手法です。

注2. 強化学習 (Reinforcement learning): 人工知能（AI）で利用される機械学習の一種。コンピュータ上のエージェントに繰り返しデータを与え、試行錯誤のやりとりを重ねることによって、タスクを実行できるようになる手法です。エージェントは、タスクの報酬を最大化するように学習します。

注3. 深層学習 (Deep learning) : 人工知能（AI）で利用される機械学習の一種。人の脳の神経回路を模した人工のニューラルネットワークを使用して、データからパターンや特長を学習することで、認識等のタスクを自動化します。ニューラルネットワークを多層で使用することで、データの複雑な特徴やパターンを階層的に学習することができます。

注4. 「3次元モーションキャプチャの新方式を開発 人やモノの動きを連続して滑らかに、しかも正確に計ることが可能に」東北大学プレスリリース（2020年11月6日）

＜関連リンク＞
東北大学プレスリリース
高奈研究室ウェブサイト


＜問い合わせ先＞
（研究に関すること）
東北大学 電気通信研究所
教授　北村 喜文
TEL: 022-217-5540
Email: kitamura*riec.tohoku.ac.jp

東北大学流体科学研究所　
教授　高奈 秀匡
TEL: 022-217-5223
E-mail: takana*tohoku.ac.jp

（報道に関すること）
東北大学流体科学研究所　
広報戦略室
Tel: 022-217-5873
E-mail: ifs-koho*grp.tohoku.ac.jp

 

（メールアドレスは*を@に置き換えてください）