Controllo e coordinamento di un sistema multi-robot: colmare il divario tra teoria e scenari reali

Multi-robot systems (MRS) are rapidly improving and thanks to technological innovations they will become part of our everyday life. Multi-Robot Systems have emerged as a suitable alternative to single robots, since they can be more efficient, flexible and fault tolerant. However, the complexity of these systems poses some challenges at the time of their deployment, control and recovery. The near future needs robust control strategies and approaches to allow exploiting the potential of these systems for many useful automation applications in diverse domains. The aim is to enhance, for example, productivity, quality, accuracy, flexibility, cost-effectiveness, reliability and safety using a coordinated group of robots. This coordination depends of different features as sensing, actuation, communication, recognition, learning, perception and controlling capabilities. In this thesis we proposed new control strategies to take multi-robot systems one step forward towards their applications in real world and their common usage. Firstly, we focused on the ability of a group of robots to achieve and perform required tasks in a distributed way. The computation and the control strategy is not centralised on a single computational unit, but every agent in the group is able to make its own decisions to improve the performance of the whole multi-robot system. In particular, the task the group of robots has to achieve is to maximise the coverage of an unknown environment for monitoring or exploration. This type of problem is well known and usually faced exploiting coverage based control strategies. These techniques are generally based on mild assumption, such as known environment and a global knowledge about the multi-robot system. Hence, we proposed a distributed coverage control law that considers the limited sensing range of robots, does not rely on a communication network and is able to deal with unknown and non-convex environments. Moreover, coverage based control strategies are used only for monitoring purposes or to move the group of robots towards areas of higher interest. We studied the possibility for the multi-robot system to learn and estimate a feature or spatial process in an unknown environment. This spatial process can be the temperature, the pollution in a big city or the salinity in the ocean. We studied a methodology that allows the multi-robot system to optimally learn and estimate an unknown and time-invariant process and uses this information to obtain a coverage of the environment depending on the distribution of this spatial process, which is modelled by a non-uniform density distribution. Finally, we managed to consider a scenario in which the spatial process changes over time. In fact, we get rid of the assumption that the spatial process is time invariant and, hence, we have a distribution that has features that are changing over time. Another important challenge is to control and coordinate a group of robots deployed in a real industrial scenario. We studied the traffic management and the coordination of a fleet of automated vehicles in an automated factory of warehouse. In particular, we proposed a hierarchical architecture that deal with the path planning and the coordination of the vehicles with the aim to optimise the efficiency, avoid congestions, limit the traffic, avoid collisions and prevent deadlocks. In particular the control approach we propose does not rely on ad-hoc assumptions or rules and is able to manage vehicles errors and delays.

I sistemi multi-robot (MRS) stanno migliorando rapidamente e grazie alle innovazioni tecnologiche entreranno a far parte della nostra quotidianità. I sistemi multi-robot sono emersi come un'alternativa adatta ai robot singoli, poiché possono essere più efficienti, flessibili e tolleranti ai guasti. Tuttavia, la complessità di questi sistemi pone alcune sfide al momento della loro distribuzione, controllo e ripristino. Il prossimo futuro necessita di solide strategie e approcci di controllo per consentire di sfruttare il potenziale di questi sistemi per molte utili applicazioni di automazione in diversi domini. L'obiettivo è migliorare, ad esempio, produttività, qualità, precisione, flessibilità, economicità, affidabilità e sicurezza utilizzando un gruppo coordinato di robot. Questo coordinamento dipende da diverse caratteristiche come capacità di rilevamento, attuazione, comunicazione, riconoscimento, apprendimento, percezione e controllo. In questa tesi abbiamo proposto nuove strategie di controllo per portare i sistemi multi-robot un passo avanti verso le loro applicazioni nel mondo reale e il loro uso comune. In primo luogo, ci siamo concentrati sulla capacità di un gruppo di robot di raggiungere ed eseguire le attività richieste in modo distribuito. La strategia di calcolo e di controllo non è centralizzata su una singola unità computazionale, ma ogni agente del gruppo è in grado di prendere le proprie decisioni per migliorare le prestazioni dell'intero sistema multi-robot. In particolare, il compito che il gruppo di robot deve svolgere è massimizzare la copertura di un ambiente sconosciuto per il monitoraggio o l'esplorazione. Questo tipo di problema è ben noto e solitamente affrontato sfruttando strategie di controllo basate sulla copertura. Queste tecniche sono generalmente basate su ipotesi blande, come l'ambiente conosciuto e una conoscenza globale del sistema multi-robot. Pertanto, abbiamo proposto una legge di controllo della copertura distribuita che considera il raggio di rilevamento limitato dei robot, non si basa su una rete di comunicazione ed è in grado di gestire ambienti sconosciuti e non convessi. Inoltre, le strategie di controllo basate sulla copertura vengono utilizzate solo per scopi di monitoraggio o per spostare il gruppo di robot verso aree di maggiore interesse. Abbiamo studiato la possibilità per il sistema multi-robot di apprendere e stimare una caratteristica o un processo spaziale in un ambiente sconosciuto. Questo processo spaziale può essere la temperatura, l'inquinamento in una grande città o la salinità nell'oceano. Abbiamo studiato una metodologia che consente al sistema multi-robot di apprendere e stimare in modo ottimale un processo sconosciuto e invariante nel tempo e utilizza queste informazioni per ottenere una copertura dell'ambiente in funzione della distribuzione di questo processo spaziale, che è modellato da un non- distribuzione uniforme della densità. Infine, siamo riusciti a considerare uno scenario in cui il processo spaziale cambia nel tempo. In effetti, ci liberiamo dell'assunto che il processo spaziale sia invariante nel tempo e, quindi, abbiamo una distribuzione che ha caratteristiche che cambiano nel tempo. Un'altra sfida importante è controllare e coordinare un gruppo di robot impiegati in uno scenario industriale reale. Abbiamo studiato la gestione del traffico e il coordinamento di una flotta di veicoli automatizzati in una fabbrica automatizzata di magazzino. In particolare, abbiamo proposto un'architettura gerarchica che si occupa della pianificazione del percorso e del coordinamento dei veicoli con l'obiettivo di ottimizzare l'efficienza, evitare congestioni, limitare il traffico, evitare collisioni e prevenire deadlock. In particolare l'approccio di controllo che proponiamo non si basa su assunzioni o regole ad hoc ed è in grado di gestire errori e ritardi dei veicoli.