Networks of realistic robots
Réseaux de robots réalistes
Résumé
The goal of this thesis is to survey and analyze the current work done by the distributed robotics community to find the more realistic variations of the standard OBLOT model, develop new such variations, and determine which approach should be used in the long term. We develop a new, optimal Rendezvous algorithm using lights, and prove it using a model checking framework based on the SPIN model checker. The same luminous model is used to build robust Leader Election algorithms, which allow for stricter constraints. We design a new vision model for mobile robots, Uncertain Visibility, which introduces a vision adversary to model false negatives in sensors, and prove tight bounds under this new model for several benchmark problems. We then define and investigate a new problem, Obstruction Detection, for the obstructed visibility model. To facilitate analysis of robot networks, we develop a framework for Monte-Carlo simulations of mobile robots, designed to simulate any model or algorithm with minimal effort. It is designed as a complement to researcher "intuition" to look for unexpected behavior. We test this simulator against numerous algorithms and settings, yielding encouraging results. Finally, we introduce another two algorithms: the first ensures the distance traveled for convergence in ASYNC is minimal ; the second allows for Leader Election with errors in vision.
Le but de cette thèse est d'analyser le travail existant par la communauté de robotique distribuée pour trouver des variations réalistes du modèle standard OBLOT, et développer de nouvelles variations viables à long terme. Nous développons un nouvel algorithme optimal pour le rendez-vous avec des lumières, et le prouvons en utilisant le framework de model-checking SPIN. En utilisant ce modèle, nous construisons des algorithmes d'élection de leader robustes, permettant des contraintes plus strictes. Nous définissons un nouveau modèle de vision pour les robots mobile : Uncertain Visibility, qui utilise un adversaire pour représenter des faux-négatifs des capteurs, et prouvons les bornes de plusieurs problèmes étalons dans ce modèle. Nous définissons et analysons un nouveau problème : Obstruction Detection pour le modèle des robots opaques. Nous développons un simulateur Monte-Carlo pour les robots mobiles, conçus pour facilement simuler n'importe quel modèle ou algorithme. N'étant pas un model-checker, il vise d'abord a remplacer "l'intuition" des chercheurs pour détecter des comportement imprévus. Nous testons plusieurs algorithmes et modèles, avec des résultats encourageants. Enfin, nous présentons deux nouveaux algorithmes : le premier assure que la distance parcourue pour la convergence en ASYNC est minimale ; le second permet d'élire un Leader avec des capteurs imprécis.
Origine : Version validée par le jury (STAR)