Design and analysis of advanced switching control strategies for mobile robotic systems

The field of mobile robotics has experienced remarkable growth over the past decades, driven by a wide range of applications spanning from indoor services—such as cleaning, surveillance, and assistance—to more challenging outdoor scenarios, including underwater, space, and military operations. In these contexts, autonomous decision-making and reactive capabilities are fundamental to ensure both performance and safety. In particular, multi-robot systems endowed with interaction capabilities and collective behaviors have been extensively studied under the framework of swarm robotics, due to their inherent advantages in terms of scalability, flexibility, and robustness. However, ensuring robustness and performance in real-world implementations remains a significant challenge, particularly when advanced control strategies are employed. This thesis contributes to the swarm robotics literature by developing novel switched optimal control and model predictive control schemes to address these challenges in both centralized and distributed settings, finally proposing also a learning-based safe control solution. While the initial results have been formulated and validated for ground mobile robots operating in planar environments, an interesting yet highly nontrivial extension concerns their application to unmanned aerial vehicles. Indeed, the transition from ground to aerial platforms introduces substantial additional complexity, due to the inherently nonlinear and higher-dimensional dynamics characterizing aerial systems. This thesis contributes to the literature by systematically extending the proposed control frameworks to such challenging scenarios, providing both rigorous theoretical developments and performance analysis. Furthermore, the effectiveness of the proposed algorithms has been validated through extensive experimental studies, demonstrating their applicability from a computational viewpoint, high scalability, and robustness in the face of uncertainties and possible collisions among agents or with obstacles in realistic multi-robot settings. A promising research direction is the combination of biologically inspired strategies with the formal guarantees of model-based control and learning-based safety layers towards achieving scalable, adaptive, and fully autonomous swarm systems.

Il campo della robotica mobile ha registrato una crescita notevole negli ultimi decenni, trainata da un’ampia gamma di applicazioni che spaziano dai servizi in ambienti interni — quali pulizia, sorveglianza e assistenza — fino a scenari esterni più complessi, inclusi contesti subacquei, spaziali e militari. In tali contesti, le capacità di decisione autonoma e di reazione in tempo reale risultano fondamentali per garantire sia le prestazioni sia la sicurezza. In particolare, i sistemi multi-robot dotati di capacità di interazione e di comportamenti collettivi sono stati ampiamente studiati nell’ambito della robotica di sciame (swarm robotics), grazie ai loro vantaggi intrinseci in termini di scalabilità, flessibilità e robustezza. Tuttavia, garantire robustezza e prestazioni nelle implementazioni reali rappresenta ancora una sfida significativa, soprattutto quando vengono impiegate strategie di controllo avanzate. Questa tesi contribuisce alla letteratura sulla robotica di sciame mediante lo sviluppo di nuovi schemi di controllo ottimo a commutazione (switched optimal control) e di controllo predittivo basato su modello (model predictive control) per affrontare tali sfide sia in configurazioni centralizzate sia distribuite, proponendo infine anche una soluzione di controllo sicuro basata sull’apprendimento. Sebbene i risultati iniziali siano stati formulati e validati per robot mobili terrestri operanti in ambienti planari, un’estensione interessante ma altamente non banale riguarda la loro applicazione ai veicoli aerei senza pilota (unmanned aerial vehicles). Infatti, il passaggio da piattaforme terrestri a piattaforme aeree introduce una complessità aggiuntiva significativa, dovuta alla natura intrinsecamente non lineare e multidimensionale delle dinamiche che caratterizzano i sistemi aerei. Questa tesi contribuisce alla letteratura estendendo in maniera sistematica i framework di controllo proposti a tali scenari complessi, fornendo sia sviluppi teorici rigorosi sia analisi delle prestazioni. Inoltre, l’efficacia degli algoritmi proposti è stata validata attraverso un’estesa attività sperimentale, dimostrando la loro applicabilità dal punto di vista computazionale, l’elevata scalabilità e la robustezza in presenza di incertezze e di possibili collisioni tra agenti o con ostacoli in contesti multi-robot realistici. Una promettente direzione di ricerca consiste nella combinazione di strategie ispirate ai sistemi biologici con le garanzie formali offerte dal controllo basato su modello e dai livelli di sicurezza basati sull’apprendimento, con l’obiettivo di realizzare sistemi di sciame scalabili, adattivi e completamente autonomi.