Search

Flocking, also known as coordinated motion, is a collective behavior that consists of a large group of individuals moving together towards the same target direction. Unmanned Aerial Vehicle (UAV) flocking controllers have relied on Global Navigation Satellite System (GNSS) and intra-robot communication to obtain the absolute relative information of the nearby robots. This approach is only applicable in known and accessible outdoor environments. In this thesis, we explore the possibility of achieving flocking using a team of UAVs in hard-to-access locations, particularly with remote sensing restrictions. Thus, we propose a proximal control-based method for UAV self-organized flocking that relies on a vision-based relative localization approach proposed by Walter, Saska and Franchi (2018) called the Ultra-Violet Direction And Ranging (UVDAR) system. Robots use a Lennard-Jones potential function to maintain the cohesiveness of the flocking while avoiding collision within the teammates. After numerous simulations for safe verification and tuning, we evaluate our proposed method in a real-world environment with a group of middle-size UAVs using two distinct intra-swarm relative sensing approaches. In both cases, our method efficiently achieves flocking without alignment and direction control and moves into an arbitrary direction. In this way, we accomplished self-organized flocking with limited sensory information for aerial robots with high dynamics in environments with no constraints on the boundary conditions. As contributions, we have an extension of the work of Ferrante et al. (2012) and a decentralized flocking control method with local sensing capable of work in environments with GNSS restriction. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Flocking, também conhecido como movimento coordenado, é um comportamento coletivo que consiste em um grande grupo de indivíduos movendo-se juntos numa direção-alvo. Os controladores de movimento coordenado para Veículos Aéreos Não-Tripulados (VANTs) contam com o Sistema Global de Navegação por Satélite (SGNS) e a comunicação intrarobô para obter as informações relativas absolutas dos robôs próximos. Esta abordagem é aplicável apenas em ambientes externos conhecidos e acessíveis. Nesta dissertação, exploramos a possibilidade de atingir movimento coordenado utilizando uma equipe de VANTs em locais de difícil acesso, particularmente em ambientes com restrições de sensoriamento remoto. Assim, propomos um método baseado em controle proximal para movimento coordenado auto-organizado de VANTs que emprega um sistema de localização relativa baseado em visão proposto por Walter, Saska and Franchi (2018) conhecido como sistema Ultra-Violet Direction And Ranging (UVDAR). Os robôs usam uma função potencial de Lennard-Jones para manter a coesão do grupo, evitando a colisão entre os companheiros. Após inúmeras simulações de ajuste e verificação de segurança, avaliamos nosso método proposto em um ambiente de mundo real com um grupo de VANTs de médio porte usando duas abordagens distintas de detecção relativa intra-enxame. Em ambos os casos, nosso método atingiu com eficiência o movimento coordenado sem controle de alinhamento e direção e se moveu em uma direção arbitrária. Desta forma, obtivemos movimento coordenado auto-organizado com informações sensoriais limitadas para robôs aéreos com alta dinâmica em ambientes sem restrições nas condições de fronteira. Como contribuições, temos uma extensão do trabalho do Ferrante et al. (2012) e um método de controle de movimento coordenado descentralizado com sensoriamento local capaz de funcionar em ambientes com restrição de SGNS.

Os enxames de robôs são sistemas formados por uma grande quantidade de robôs que apresentam um comportamento coletivo que emerge das interações entre seus indivíduos e o ambiente no qual estão inseridos. Essa abordagem tem inspiração nas colônias de insetos sociais, como abelhas e formigas, nas quais um grande número de indivíduos cooperam entre si para realizar determinadas tarefas de interesse comum, que dificilmente poderiam ser executadas por indivíduos isolados. Planejar caminhos seguros e eficientes nem sempre é uma tarefa simples. Caso seja preciso manter grupos distintos de agentes separados durante sua navegação, essa tarefa se torna ainda mais complicada. Esse trabalho trata de técnicas que mantenham a segregação durante a navegação de grupos de robôs. Como resultados, uma nova abordagem foi desenvolvida a partir da combinação dos algoritmos Flocking e ORCA e uma métrica foi proposta para avaliar o nível de segregação dos grupos durante seus tempos de navegação. A robotic swarm is a particular type of multi-robot system that employs a large number of simple agents in order to cooperatively perform different types of tasks. In this context, a topic that has received much attention in recent years is the concept of segregation, which exists in several biological systems, and can be useful in many different tasks and scenarios. This concept is important, for example, in tasks that require maintaining robots with similar features or objectives arranged in cohesive groups, while robots with different characteristics remain separate on their own groups. In this paper we propose a decentralized methodology to navigate heterogeneous groups of robots whilst maintaining segregation among different groups. Our approach consists of extending the ORCA (Optimal Reciprocal Collision Avoidance) algorithm with a modified version of the classical flocking behaviors. Numerous trials that were carried out in simulated environments provide statistical insight on the performance of the proposed technique. The results show that the groups remained cohesive during navigation in all evaluated scenarios. Furthermore, the methodology allowed for a faster convergence of the group to the goal when compared to the evaluated algorithms.