Multirobot coordination in obstacle cluttered environments
| datacite.contributor.Supervisor | Μπεχλιούλης, Χαράλαμπος | |
| dc.contributor.author | Χαχάλιος, Μιχαήλ | |
| dc.contributor.other | Chachalios, Michail | |
| dc.date.accessioned | 2024-03-15T10:31:52Z | |
| dc.date.available | 2024-03-15T10:31:52Z | |
| dc.date.issued | 2024-03-15 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | The rapidly developing field of robotics presents the intricate challenge of coordinating multi robot systems in obstaclerich environments. This thesis delves into this challenge, introducing a suite of optimized algorithms specifically designed for path planning and navigation in complex spatial settings. These algorithms are meticulously crafted to facilitate efficient movement and effective collision avoidance among groups of robots. Employing advanced computational techniques, the algorithms enable rapid decisionmaking and adaptability, crucial for dynamic environments. Empirical results from this study demonstrate a marked improvement in the coordination effi ciency of multirobot systems. These enhancements have significant implications for various auto mated and robotic applications, potentially revolutionizing the way these systems operate in realworld scenarios. Beyond addressing current challenges in multirobot coordination, this research lays a ro bust groundwork for future explorations in this rapidly evolving domain. The technological backbone of this research is the Robot Operating System (ROS) framework, utilizing Python for algorithmic development. Simulationbased evaluations were conducted in the Gazebo environment using Turtlebot models. Complementing these simulations, physical implementations were executed using Amigobot robots, provided by the Laboratory of Automation and Robotics. These implementations were tested on labyrinthlike tracks, designed to mimic complex realworld conditions, thereby validating the practical applicability of the developed algorithms. | |
| dc.description.translatedabstract | Στον χώρο της ρομποτικής, η βελτιστοποίηση αλγορίθμων για τον σχεδιασμό διαδρομών αποτελεί ουσιώδη προσπάθεια, ιδιαίτερα στον τομέα των συστημάτων πολλαπλών ρομπότ. Κάτι τέτοιο συμβαίνει λόγω των πολλαπλών δραστηριοτήτων στις οποίες μπορούν να εφαρμοστούν: Εργοστάσια, ιομηχανίες, ορυχεία, αποστολές αναζήτησης και διάσωσης, αγροτικές εργασίες, αερομεταφορά σε απομακρυσμένες και δυσβάτες περιοχές οπως και η διαχείριση αποθηκών (Έλτα, Amazon). Η εργασία αυτή βασίζεται στο framework του ROS, με κύρια γλώσσα προγραμματισμού την Python. Οι προσομοιώσεις έγιναν με το λογισμικό Gazebo. Για τη φυσική υλοποίηση χρησιμοποιήθηκαν τα migobot του Εργαστηρίου Αυτοματισμού και Ρομποτικής, ΗΜΤΥ, όπου και δημιουργήθηκαν οι λαβύρινθοι | |
| dc.identifier.uri | https://hdl.handle.net/10889/26846 | |
| dc.language.iso | en | |
| dc.subject | Multi-robot coordination | |
| dc.subject | Obstacle-rich environments | |
| dc.subject | Path planning algorithms | |
| dc.subject | Autonomous robotic systems | |
| dc.subject | Collision avoidance | |
| dc.subject | Robot Operating System (ROS) | |
| dc.subject | Experimental validation in robotics | |
| dc.subject | TurtleBot3 and Amigobot platforms | |
| dc.subject | Graphical structures in robot coordination | |
| dc.subject | Environmental mapping and representation | |
| dc.subject.alternative | Συντονισμός πολλαπλών ρομπότ | |
| dc.subject.alternative | Περιβάλλοντα με εμπόδια | |
| dc.subject.alternative | Αποφυγή συγκρούσεων | |
| dc.subject.alternative | Ρομποτικό Λειτουργικό Σύστημα (ROS) | |
| dc.subject.alternative | Πειραματική επικύρωση στη ρομποτική | |
| dc.subject.alternative | Πλατφόρμες TurtleBot3 και Amigobot | |
| dc.title | Multirobot coordination in obstacle cluttered environments | |
| dc.title.alternative | Συντονισμός κίνησης πολλαπλών ρομπότ σε χώρους με εμπόδια |