FlowMoP: Stokastik Çok Kişili Hareket Tahmini Laboratuvarı

⚡ Canlı Kod Deneyi Aktif!
İnteraktif Simülasyon & Mühendislik Rehberi

FlowMoP: Stokastik Çok Kişili Hareket Tahmini Laboratuvarı

FlowMoP Stokastik Çok Kişili Hareket ve İskelet Tahmini Laboratuvarı, kalabalık ortamlarda yürüyen insanların gelecekteki çok modlu (multi-modal) yörüngelerini Koşullu Akış Eşleştirme (Conditional Flow Matching), Sosyal Kuvvetler Modeli ve 13 eklemli 3B kinematik yürüyüş iskeletleriyle gerçek zamanlı simüle eden sıfır-bağımlılıklı bir yörünge tahmini stüdyosudur.

🧪

Dokun & Boz: Canlı Kod Deneyleri

Okumaya başlamadan önce sol sahnedeki canlı kodu tek tıkla değiştirin veya kasıtlı hata enjekte edip farkı anında görün.

5 İnteraktif Deney
⚡ Canlı Parametre Deneyi #1 JS · 1.html Bağlamı

Deney 1: Yüksek Dallanmalı Best-of-10 Çok Modlu Hipotez Yelpazesi

Varsayılan hipotez sayısını 5'ten 10'a çıkardığınızda her yaya için gelecekte 10 paralel olasılık dalı ve hayalet iskelet örneklenir. Uzay kapsama alanı genişlediği için minADE ve minFDE metriklerinin düştüğünü, buna karşılık Çok Modlu Entropi (H) değerinin yükseldiğini sağ panelden gözlemleyebilirsiniz.

Orijinal (1.html): const DEFAULT_HYPOTHESIS_COUNT = 5;
Denenecek Kod: const DEFAULT_HYPOTHESIS_COUNT = 10;
⚡ Canlı Parametre Deneyi #2 JS · 1.html Bağlamı

Deney 2: Geniş Kişisel Alan ve Sert Sosyal Kaçınma Kalkanı

Sosyal itme katsayısını 1.40 yerine 3.20 yaptığınızda yayalar birbirlerinin kişisel alanına girmemek için çok daha erken ve geniş kavislerle manevra yapar. Kavşak merkezindeki kafa kafaya geçişlerde yörünge yaylarının belirgin biçimde dışa açıldığını görebilirsiniz.

Orijinal (1.html): const DEFAULT_SOCIAL_REPULSION = 1.40;
Denenecek Kod: const DEFAULT_SOCIAL_REPULSION = 3.20;
⚡ Canlı Parametre Deneyi #3 JS · 1.html Bağlamı

Deney 3: Erken Akış Eşleştirme Adımında (τ = 0.25) Stokastik Gürültü Bulutu

Akış integrasyon zamanını 1.00 (yakınsamış manifold) yerine 0.25 yaptığınızda model henüz Gauss öncül dağılımından hedef sosyal yörüngeye yeni taşınmaya başlamış halde açılır. Gelecek yörüngeler dağınık stokastik gürültü demetleri olarak görünür.

Orijinal (1.html): const FLOW_MATCHING_DEFAULT_TAU = 1.00;
Denenecek Kod: const FLOW_MATCHING_DEFAULT_TAU = 0.25;
🐞 Hata / Bug Deneyi #4 JS · 1.html Bağlamı

Deney 4 (Boz ve Hatayı Gör): Sosyal İtme Yerine Kütleçekimsel Çarpışma Hatası

Sosyal kuvvet büyüklüğünün başındaki işareti negatif (-socialStrength) yaptığınızda itme kuvveti çekim kuvvetine dönüşür. Yayalar kavşakta birbirinden kaçmak yerine mıknatıs gibi birbirlerine yapışır ve sağ paneldeki Çarpışma Oranı (Collision Rate) hızla fırlar.

Orijinal (1.html): const repMag = socialStrength * 2.15 * Math.exp(-d / 0.85);
Denenecek Kod: const repMag = -socialStrength * 2.15 * Math.exp(-d / 0.85);
🐞 Hata / Bug Deneyi #5 JS · 1.html Bağlamı

Deney 5 (Boz ve Hatayı Gör): Bozuk Konveks İnterpolasyon (1 + τ) Uzay Kayması Hatası

Koşullu Akış Eşleştirme denklemindeki (1 - tau) katsayısını yanlışlıkla (1 + tau) yazdığınızda ağırlıkların toplamı 1 yerine 1 + 2τ olur. tau = 1'e ulaştığında bile başlangıç gürültüsü nx sıfırlanmak yerine iki katına çıkar ve tahmin edilen tüm iskeletler sahne dışına savrulur.

Orijinal (1.html): const ix = (1 - tau) * nx + tau * sa.x + perpX * flowArc * progress;
Denenecek Kod: const ix = (1 + tau) * nx + tau * sa.x + perpX * flowArc * progress;
🧠

Sahne Arkası: Mimari & Matematiksel Sırlar

Altı çizili kavram etiketlerinin üzerine gelerek veya tıklayarak tanımlarını anında inceleyebilirsiniz.

3 Çekirdek Katman
01

Koşullu Akış Eşleştirme (Flow Matching ODE) ve Box-Muller Gauss Örneklemesi

Deterministik modeller bir yayanın gelecekte yalnızca tek bir ortalama çizgide yürüyeceğini varsayarken (ve engelin içinden geçen hatalı ortalamalar üretirken), recomputeAllTrajectories() motoru her ajan için K adet ayrık niyet hipotezi (Mod 0: sağdan geçiş, Mod 1: soldan sollama, Mod 2: yavaşlayıp yol verme) üretir. Başlangıçtaki stokastik belirsizlik uzayı, seededGaussian(seed) fonksiyonundaki Box-Muller Dönüşümü (Math.sqrt(-2.0 * Math.log(u1)) * Math.cos(2.0 * Math.PI * u2)) ile örneklenir. Akış zamanı parametresi tau 0.00'dan 1.00'a ilerledikçe yörünge noktaları saf Gauss gürültüsü (nx, nz) ile sosyal etkileşimli hedef yörünge (sa.x, sa.z) arasında ix = (1 - tau) * nx + tau * sa.x + perpX * flowArc * progress jeodezik ODE yolu boyunca taşınır.

02

Helbing Sosyal Kuvvetler, Teğetsel Kaçınma ve Boids Grup Uyumu

Tahmin ufkundaki (FUTURE_STEPS = 36 adım, 3.5 sn) her zaman diliminde ajanların birbirleriyle ve sütun/duvar engelleriyle çarpışmaması için fiziksel etkileşim kuvvetleri hesaplanır. İki ajan birbirine 2.8 m'den fazla yaklaştığında üstel azalan bir sosyal itme kuvveti (repMag = socialStrength * 2.15 * Math.exp(-d / 0.85)) devreye girer; kafa kafaya yaklaşma (closing > 0) algılandığında ise hipotez moduna göre sağa veya sola teğetsel girdap kuvveti (swirlMag) eklenir. Aynı groupId değerini paylaşan arkadaşlar arasında ise Boids Sürü Uyumu ((other.vx - sa.vx) * 0.45) uygulanarak grup içi hız eşleştirme korunur.

03

13-Eklemli 3B Kinematik İskelet, Newton-Raphson Ters İzdüşüm ve Best-of-K Metrikleri

Sahne üzerindeki her yaya, adım fazına (gaitPhase) bağlı kol ve bacak salınımı yapan 13 eklemli 3B yürüyüş iskeletiyle (drawArticulatedSkeleton) çizilir. Kullanıcı bir ajanı veya hedef bayrağını fareyle sürüklediğinde, screenToGround(sx, sy) fonksiyonu 8 iterasyonlu 2B Jakobiyen Newton-Raphson Çözücüsü çalıştırarak 2B ekran pikselini perspektif kameranın wy = 0 zemin düzlemine milimetrik doğrulukla geri izdüşürür. Sağ paneldeki updateMetricsAndUI() ise otonom sürüş ve robotik literatürünün standart ölçütleri olan minADE / minFDE yer değiştirme hatalarını, ikili çarpışma oranını (d < 0.58 m) ve Çok Modlu Entropi (Nats) dağılımını canlı hesaplar.

🌍

Gerçek Dünya Senaryoları & Uyarlamalar

Bu laboratuvardaki motor ve algoritmaları kendi projelerinizde nerelerde kullanabilirsiniz?

🚀

Otonom Araç Planlama ve Yaya Güvenlik Sistemleri

Kavşak veya yaya geçidine yaklaşan otonom araçların, kaldırımdaki yayaların aniden yola inme, duraksama veya yön değiştirme olasılıklarını tek bir çizgi yerine olasılıksal hipotez yelpazesiyle (Best-of-K) öngörerek güvenli frenleme yapması.
🎨

İnsansı ve Mobil Hizmet Robotları (Sosyal Navigasyon)

Hastane koridorlarında, havalimanlarında ve lojistik depolarda çalışan mobil robotların insan gruplarının arasına dalmadan sosyal normlara uygun teğetsel kavislerle (Helbing sosyal kuvvetleri) yol planlaması.
🕸️

Mimari Tahliye ve Kalabalık Akış Simülasyonları

Stadyum çıkışları, metro istasyonları ve dar koridor darboğazlarında sütun yerleşimlerinin insan akış hızına ve çarpışma yoğunluğuna etkisinin inşaat öncesinde test edilmesi.
🎯

Meydan Okuma: Görevler & Mülakat Quizi

Öğrendiklerinizi sol sahnede veya Float Studio'da uygulayıp görevleri işaretleyin.

🛠️ Kademeli Kodlama Görevleri (Float Studio'da Dene!) 0 / 3 Tamamlandı
🟢 Başlangıç Hıza Duyarlı Yörünge Renk Gradyanı
Gelecek tahmin eğrilerini çizerken her adımın anlık süratini Math.hypot(pt.vx, pt.vz) ile hesaplayıp düşük hızlarda mavi, yüksek koşu/kaçınma hızlarında kehribar tonuna geçiş yapan dinamik bir çizgi rengi ekleyin.
🟡 Orta Seviye Fare İle Yeni Sütun Engeli Yerleştirme
Kullanıcının Shift + Tıklama ile zemin üzerinde screenToGround koordinatına yeni bir silindirik engel (state.obstacles.push({ type: 'pillar', x, z, r: 0.55 })) ekleyebilmesini ve tüm akış yörüngelerinin anında engelin iki yanından çatallanmasını sağlayın.
⚡ Geliştirici Görevi İleri Seviye — Olasılık Ağırlıklı Beklenen Çarpışma Riski Haritası
Zemin ızgarasını 0.5 m × 0.5 m hücrelere bölerek her hücreden geçen hipotez dallarının prob ağırlıklarını toplayan bir 2B olasılıksal doluluk (Occupancy Grid) ısı katmanı çizin.
💡 Kendini Test Et: Teknik Mülakat Soruları Önce kendiniz yanıtlayın, ardından çözümü açın
SORU 1
Çok modlu hareket tahmininde standart Ortalama Kare Hata (MSE / L2 kaybı) ile eğitilen tek çıktılı bir model bir sütunun önünde neden başarısız olur ve Flow Matching bunu nasıl çözer?
✅ Mühendislik Çözümü:
Bir yaya sütunun %50 olasılıkla sağından, %50 olasılıkla solundan geçebiliyorsa, MSE kaybını minimize eden tekil deterministik tahmin her iki yörüngenin aritmetik ortalamasıdır; bu ortalama doğrudan sütunun tam ortasından geçer (mod ortalaması / mode averaging hatası). Flow Matching ise sürekli bir hız alanı (ODE) öğrenerek başlangıçtaki Gauss dağılımını çok modlu hedef dağılıma taşır ve hem sağ hem sol dalı ayrı hipotezler olarak korur.
SORU 2
Difüzyon (DDPM) modelleriyle karşılaştırıldığında Koşullu Akış Eşleştirme (Conditional Flow Matching) neden gerçek zamanlı robotikte tercih edilir?
✅ Mühendislik Çözümü:
Klasik stokastik difüzyon modelleri çıkarım (inference) sırasında gürültüyü temizlemek için onlarla ifade edilen eğrisel ters SDE adımlarına ihtiyaç duyarken, Optimal Taşıma (Optimal Transport) tabanlı Flow Matching gürültü ile veri arasında doğrusal/jeodezik düz akış yolları ((1 - τ)x₀ + τx₁) kurar; bu sayede çok daha az ODE integrasyon adımıyla milisaniyeler içinde pürüzsüz yörüngeler üretilebilir.
🪄

Kopyala & Üret: AI Master Prompt Kasası

Bu mimariyi sıfırdan kendi temanızla üretmek için hazır mühendislik promptları.

2 Hazır Şablon
Master Prompt 1: Stokastik Çok Kişili Yörünge Tahmini ve Sosyal Kuvvetler Simülatörü
Tek bir HTML dosyasında çalışan (HTML, CSS ve saf JS bir arada, sıfır harici CDN içeren) Türkçe bir "3B Kalabalık Yörünge Tahmini ve Helbing Sosyal Kuvvetler Laboratuvarı" (1.html) oluştur.

MÜHENDİSLİK VE DB_CORE ALTYAPI KURALLARI:
1. <head> içinde anlamlı Türkçe <title> ve tam cümle <meta name="description"> bulunsun. Tüm renkleri :root { --bg; --surface; --accent; --text; --border; } CSS değişkenleriyle tanımla.
2. <script> başında tüm fizik ve tahmin sabitlerini const CONFIG = { hypothesisCount: 5, temperature: 0.65, socialRepulsion: 1.4, predHorizonSec: 3.5, collisionDist: 0.58 }; nesnesinde topla.
3. Perspektif 3B zemin üzerinde 4 farklı kalabalık senaryosu (Dörtlü Kavşak, Dar Koridor Darboğazı, Sütun Engeli Çatallanması, Sosyal Grup Yürüyüşü) kur; yayaları 3B eklemli yürüyüş iskeletleriyle çiz.
4. Her ajan için Box-Muller Gauss örneklemesi ve Koşullu Akış Eşleştirme (tau: 0 -> 1) ile K adet çok modlu gelecek yörüngesi üret; sağ panelde minADE, minFDE, Çarpışma Oranı ve Çok Modlu Entropi metriklerini canlı güncelle.
5. Kullanıcı fareyle ajanları, hedefleri ve kamera açısını sürükleyebilsin; alert/confirm/prompt kesinlikle kullanma.
Master Prompt 2: İnteraktif Otonom Sürüş Doluluk Izgarası (Occupancy Grid) ve Yaya Niyet Tahmincisi
Tek bir HTML dosyasında (1.html), harici hiçbir kütüphane kullanmadan saf HTML5 Canvas ile çalışan Türkçe bir "Otonom Araç Yaya Niyet Tahmini ve Olasılıksal Güvenlik Koridoru Simülatörü" oluştur.

MÜHENDİSLİK VE DB_CORE ALTYAPI KURALLARI:
1. Renkleri :root CSS değişkenleriyle, simülasyon katsayılarını <script> başındaki const CONFIG = { egoMaxSpeed: 8.5, safeTimeToCollision: 2.2, numModes: 4, gridCellSize: 0.5 }; nesnesiyle yönet.
2. Yaya geçidine yaklaşan bir otonom araç (ego-vehicle) ve kaldırımda farklı hız/niyet modlarına sahip yayalar modelle; her yaya için olasılık ağırlıklı gelecek konileri ve 2B olasılıksal doluluk ısı haritası (Occupancy Grid) hesapla.
3. Çarpışmaya Kalan Süre (TTC) eşik değerin altına düştüğünde otonom aracın yumuşak hız profili planlayıcısını devreye sok ve telemetri grafiğinde hız/ivme eğrilerini canlı çiz.
📖

İnteraktif Kavram Küpü

Bir kavrama dokunun veya üzerine gelin; mühendislik tanımı anında aşağıda açılsın.

📖 Koşullu Akış Eşleştirme 1 / 7
Basit bir öncül gürültü dağılımını, geçmiş gözlem verisine koşullandırılmış sürekli bir vektör alanı (ODE) boyunca entegre ederek karmaşık çok modlu hedef yörünge dağılımına taşıyan üretken modelleme yöntemidir.

Topluluk & Geliştirici Tartışması

Proje hakkında sorularınızı sorun, fikirlerinizi ve geri bildirimlerinizi paylaşın.

Henüz yorum yapılmamış. Düşüncelerinizi ve geri bildirimlerinizi ilk siz paylaşın!

Yorumlar

Yorum Gönder

Opromt · Ücretsiz yayınlarımız sizler için , Kopyala, yapıştır, kullan. ← Ana Sayfa