Coordinamento Sincrono e Asincrono nello SLAM Attivo Collaborativo

Abstract

La localizzazione e la mappatura simultanea, o SLAM, è un problema difficile in robotica, soprattutto se è necessario coordinare più agenti per esplorare e mappare un'area vasta e inesplorata. Questa sfida è nota come SLAM collaborativo. Lo SLAM non è solo la mappatura di un ambiente da parte dei robot, ma anche il tentativo di recuperare informazioni da esso e utilizzarle per pianificare meglio le azioni necessarie. Questo porta a un'altra branca dello SLAM, nota come Active SLAM. In termini più specifici, lo SLAM attivo mira a pianificare il movimento del robot per massimizzare le informazioni recuperate dall'ambiente. A causa della crescente necessità di sistemi autonomi in grado di funzionare in situazioni complesse e dinamiche, come zone disastrate, impianti industriali e spazi all'aperto, questo argomento ha acquisito maggiore importanza negli ultimi anni. Le due difficoltà principali nel problema dello SLAM attivo collaborativo sono l'esplorazione dell'ambiente e la produzione di una mappa precisa e coerente. Per esplorare efficacemente l'area e creare una mappa che la rappresenti con precisione, è importante creare un sistema in grado di coordinare le azioni di più agenti. Per risolvere questo problema proponiamo una strategia unica che combina la percezione attiva e le tecniche di mappatura cooperativa. La percezione attiva è una tecnologia che consente a un agente robotico di pianificare dinamicamente il proprio percorso di esplorazione in tempo reale sulla base dei dati dei sensori. Inizialmente progettata per singoli robot, si concentra sull'esplorazione efficiente dell'ambiente selezionando le azioni più informative. Scegliendo attivamente quali aree o caratteristiche osservare, il robot riduce al minimo l'utilizzo delle risorse e massimizza l'acquisizione di informazioni. Questo approccio migliora significativamente l'efficienza dell'esplorazione, consentendo al robot di adattarsi a circostanze mutevoli e di prendere decisioni informate.

Simultaneous Localization and Mapping, or SLAM, is a difficult problem in robotics particularly if several agents need to be coordinated to explore and map an uncharted large area. This challenge is known as collaborative SLAM. SLAM is not only robots mapping an environment, it is also trying to retrieve information from it and use it to better plan the actions needed. This leads to another branch of the SLAM known as Active SLAM. In more specific terms, Active SLAM aims to plan the robot's movement to maximise the information retrieved from the environment. Due to the growing need for autonomous systems that can function in complex and dynamic situations, such as disaster zones, industrial facilities, and outdoor spaces, this topic has grown more important in recent years. The two key difficulties in the Collaborative Active SLAM problem are environmental exploration and the production of a precise and consistent map. To effectively investigate the area and create a map that accurately depicts it, it is important to create a system that can coordinate the actions of several agents. We suggest a unique strategy that combines active perception and cooperative mapping techniques to solve this issue. Active perception is a technology that allows a robotic agent to dynamically plan its exploration path in real time based on sensor data. Initially designed for single robots, it focuses on efficiently exploring the environment by selecting the most informative actions. By actively choosing which areas or features to observe, the robot minimizes resource usage while maximizing information gain. This approach significantly enhances exploration efficiency, enabling the robot to adapt to changing circumstances and make informed decisions. Active perception optimizes resource utilization and improves overall system performance. The main focus of this thesis is to extend the active perception approach, initially designed for a single agent, to a multi-agent system.