Communication, Coordination and Organization of Practical Robot Swarms

Multi-robot systems are becoming more and more pervasive: clear examples are Amazon delivery drones and Waymo self-driving car fleets. These systems need to be deployed for extended periods with minimal downtime to increase profitability. The most established paradigm for robotics in industry is centralized, where a single computer controls the whole system. However, centralized systems have a single point of failure, which can lead to catastrophic failures like drones dropping from the sky on people. These failures stress the importance of decentralized methods for multi-robot systems, which distribute the data collection and decision-making among the robots. Unfortunately, the use of current state-of-the-art decentralized systems can lead to a lack of situational awareness within the robots, due to the local and scattered nature of the information. Communication issues can make coordination challenging, and the lack of proper methods to convey global goals to robots hinders their use in real-world applications, which is the ultimate goal of this work. The challenges surrounding the lack of situational awareness in distributed multi-robot systems stem from the lack of proper data management tools to store and manage data effectively, as well as robust consensus mechanisms. Common data-sharing mechanisms available in distributed systems and peer-to-peer networks do not apply directly to robot swarms due to their high mobility and limited computational resources. In this work we propose SOUL, a data-sharing mechanism for storing and managing large data blobs among large robot swarms. SOUL creates a common pool of memory from the unused memory of robots in the swarm. This common memory pool is available to robots that require additional storage. We show that SOUL has minimal impact on mobility and scales well to swarms of thousands of robots in simulations and also demonstrate the use of SOUL in several practical applications on a swarm of 10 physical robots.

Résumé

Depuis quelques années, les systèmes multi-robots gagnent rapidement en popularité dans une foule d'applications, telles que les drones de livraison d'Amazon et les flottes de voitures autonomes de Waymo. Ces systèmes doivent être déployés pendant des périodes prolongées avec un minimum de temps morts pour augmenter rentabilité. Le paradigme le plus établi pour la robotique dans l'industrie est la centralisation, où un seul ordinateur contrôle l'ensemble du système. Cependant, dans ces systèmes une simple faute, ou déconnexion, de l'ordinateur central peut conduire à des défaillances catastrophiques comme des drones tombant du ciel sur des passants. Ces défaillances soulignent l'importance des méthodes décentralisées pour les systèmes multi-robots qui répartissent la collecte de données et la prise de décision entre les robots. Malheureusement, l'utilisation de systèmes décentralisés peut conduire à un manque de connaissance de la situation globale au sein des robots individuels, en raison de la nature locale et dispersée des données. L'absence de méthodes appropriées pour transmettre les objectifs globaux aux robots entrave leur utilisation dans les applications réalistes, ce qui est le but ultime de ce travail. Les défis entourant le manque de connaissances globales dans les systèmes multi-robots distribués proviennent de l'absence d'outils de gestion de données appropriés pour stocker et gérer efficacement les données, ainsi que du besoin de mécanismes de consensus robustes. Les méthodes actuelles de stockage et de gestion des données dans les essaims de robots sont limitées à un seul état. En revanche, la quantité de données produites par les robots devient de plus en plus grande et importante au fur et à mesure de l'évolution des technologies de capteur (i.e., la densité de pixels qui augmente sans cesse dans les caméras). Les mécanismes actuels de partage des données disponibles dans les systèmes distribués et les réseaux pair à pair ne s'appliquent pas directement aux essaims de robots en raison de leur grande mobilité et de leurs ressources de calcul limitées. Dans ce travail, nous proposons donc SOUL, un mécanisme de partage de données pour le stockage et la gestion de gros blocs de données au sein de grands essaims de robots. SOUL crée un pool de mémoire commun à partir de la mémoire inutilisée des robots de l'essaim. Ce pool de mémoire commun est disponible pour les robots qui ont besoin de stockage supplémentaire. Nous montrons que SOUL n'a qu'un impact minimal sur la mobilité et qu'il s'adapte bien aux essaims de milliers de robots en simulation. Nous démontrons également l'utilisation de SOUL dans plusieurs applications pratiques sur un essaim de 10 robots physiques.