Collective movement in robotic swarms

Resumen

En esta tesis se presenta y analiza un nuevo marco para el control del movimiento colectivo de robots móviles. Este marco permite que un grupo de robots se mueva como una única entidad, con las siguientes capacidades: evitación de obstáculos a nivel de grupo, control de velocidad, posibilidad de cambio de la distancia entre robots, división en subgrupos de robots y unificación de grupos en uno de mayor tamaño. El controlador principal se encuentra distribuido entre los robots, permitiéndoles moverse en una dirección determinada común y mantener una cierta distancia entre robots. El marco está compuesto por diferentes módulos que modifican el comportamiento del grupo mediante distintas funciones. La mayoría de ellas se basan en algoritmos de consenso que permiten que los robots acuerden los valores de distintos parámetros, teniendo en cuenta qué robots aportan la información más relevante. Las capacidades del marco pueden ampliarse fácilmente mediante el diseño y la incorporación de nuevos módulos. El marco puede implementarse y utilizarse de forma sencilla en cualquier tipo de robot móvil capaz de medir las posiciones relativas de sus robots vecinos y de comunicarse con ellos. Ha sido probado con éxito con 8 robots reales y en simulación con hasta 40 robots, demostrando experimentalmente unas buenas propiedades de escalabilidad. El marco requiere que los robots tengan una referencia común de orientación, la cual se calcula mediante un nuevo método de consenso distribuido que se ha desarrollado. Este algoritmo de consenso únicamente necesita que los robots detecten las posiciones relativas de los robots próximos y que los robots puedan comunicarse entre sí. Se han realizado experimentos sistemáticos tanto en simulación como con robots reales para validar el método. La convergencia no ha sido probada matemáticamente, pero los resultados experimentales invitan a confiar en el uso del algoritmo. Se han obtenido buenos resultados de escalabilidad en simulación con hasta 49 robots. Los experimentos con robots reales muestran que el método propuesto funciona bien en la realidad. Con el objetivo de analizar y evaluar el funcionamiento y comportamiento del marco, se definen y comentan brevemente una serie de métricas para el movimiento colectivo de robots. Algunas de ellas son útiles solamente para caracterizar los algoritmos mientras que otras pueden utilizarse para comparar diferentes algoritmos. A novel framework for the control of collective movement of mobile robots is presented and analysed. It allows a group of robots to move as a unique entity performing the following functions: obstacle avoidance at group level, speed control, change of the inter-robot distance, splitting in sub-groups and rejoining groups into a larger one. Its basic controller is distributed among the robots, allowing them to move in the desired common direction and maintain a desired inter-robot distance. The framework is composed of different modules that modify the behavior of the group allowing different functions. Most are based on consensus algorithms that allow the robots to agree on different parameters, that consider which robot has more relevant information. New modules can be easily designed and incorporated to the framework in order to augment its capabilities. It can be easily implemented on any mobile robot capable of measuring the relative positions of neighboring robots and communicating with them. It has been successfully tested using 8 real robots and in simulation with up to 40 robots, demonstrating experimentally the scalability with an increasing number of robots. The framework needs that robots have a common orientation reference, which is calculated using a new developed distributed consensus method. This consensus algorithm only needs that robots detect the relative positions of neighbors and communicate with them. Systematic experiments were carried out in simulation and with real robots in order to test the method. Convergence has not been proved mathematically, but experimental results allows to trust on the use of the algorithm. Scalability with an increasing number of robots was tested successfully in simulation with up to 49 robots. Experiments with real robots succeeded proving that the proposed method works in reality. In order to analyze the performance of the framework, a set of metrics for collective movement is defined and and briefly discussed. Some of the metrics are useful just to characterize the algorithms while others can be used to compare their performance.