As principais aplicac¸˜oes dos SMR e dos enxames de robˆos frequentemente abordam a soluc¸˜ao dos seguintes problemas: organizac¸˜ao espacial (controle de formac¸˜ao e agregac¸˜ao), navegac¸˜ao autˆonoma (explorac¸˜ao, movimento coordenado, manipulac¸˜ao e transporte de objetos) e tomadas de decis˜ao distribu´ıdas (BAYINDIR, 2016; BRAMBILLA et al., 2013). Essa vis˜ao geral dos SMR ´e sintetizada na Figura 2.
Figura 2: Uma vis˜ao geral dos sistemas multirrobˆo. Fonte: Autoria pr´opria.
A tarefa de agregac¸˜ao consiste no agrupamento dos robˆos m´oveis em um ambiente comum, com o objetivo de reproduzir o comportamento b´asico entre diversos seres da mesma esp´ecie (ARVIN et al., 2016). Para a realizac¸˜ao desta tarefa, os algoritmos s˜ao sintetizados em agregac¸˜ao livre e mediada pelo ambiente. No primeiro caso, os agentes n˜ao possuem uma
regi˜ao espec´ıfica para se agruparem, enquanto que no segundo, uma regi˜ao ´e definida para a realizac¸˜ao da tarefa.
Nas tarefas de controle de formac¸˜ao, ou formac¸˜ao de padr˜oes, objetiva-se coordenar os robˆos para que fiquem a uma determinada distˆancia uns dos outros, com o intuito de configurar e manter uma forma geom´etrica desejada. Esta tarefa pode ser estruturada nas seguintes ac¸˜oes/est´agios: aquisic¸˜ao da forma desejada (ou estabilizac¸˜ao), manutenc¸˜ao da forma, e reconfigurac¸˜ao da forma. Este comportamento pode ser alcanc¸ado por meio de diversas estrat´egias encontradas em trabalhos recentes, como por exemplo a utilizac¸˜ao de controle ´otimo, abordado em (FUJIMORI et al., 2018), onde uma estrat´egia baseada em Linear Quadratic Regulator(LQR) ´e utilizada para promover o controle de formac¸˜ao entre drones e outros robˆos terrestres. Uma outra abordagem ´e apresentada em (WANG et al., 2017), onde um controle adaptativo ´e proposto para que m´ultiplos robˆos alcancem formac¸˜oes que se alteram durante os experimentos. Em (YU et al., 2019), uma estrat´egia baseada em Redes Neurais Artificiais (RNA) ´e utilizada para levar m´ultiplos robˆos a uma determinada formac¸˜ao considerando o desvio de obst´aculos, se necess´ario. Al´em disso, diversos algoritmos para o controle de formac¸˜ao s˜ao inspirados em comportamentos registrados em grupos de formigas, cardumes e aves e, portanto, tais algoritmos s˜ao ditos bioinspirados (BRAMBILLA et al., 2013).
Na explorac¸˜ao cooperativa por um SMR, adotam-se m´etodos para que os robˆos consigam rastrear pontos de interesse em um ambiente e, ao mesmo tempo, evitar regi˜oes que n˜ao sejam de interesse do objetivo a ser cumprido. Em (ZARZHITSKY et al., 2005), por exemplo, m´ultiplos robˆos devem explorar o ambiente `a procura de uma fonte emissora de produto qu´ımico e, como estrat´egia de explorac¸˜ao, os autores utilizam o m´etodo casting, que consiste basicamente em movimentos espirais ou zig-zag que otimizam a cobertura do ambiente. Em (COLARES; CHAIMOWICZ, 2016, 2015), um SMR combina estrat´egias de explorac¸˜ao com t´ecnicas de mapeamento para ambientes desconhecidos, em que os robˆos devem evitar ´areas j´a exploradas por outros robˆos enquanto obt´em informac¸˜oes do ambiente para represent´a-lo em um mapa. Um outro exemplo tamb´em ´e encontrado em (SPURNY et al., ), onde m´ultiplos Unmanned Aerial Vehicles (UAVs) devem cumprir o objetivo de uma tarefa de “cac¸a ao tesouro”, onde objetos espalhados por um ambiente devem ser encontrados, coletados e depositados em um local pr´e-definido. Os autores destacam que esta tarefa de explorac¸˜ao envolve diversas outras sub-tarefas que devem ser realizadas de forma cooperativa, tais como um planejamento de trajet´oria para a explorac¸˜ao do ambiente, detecc¸˜ao de objetos (alvos a serem coletados e obst´aculos que devem ser desviados), autolocalizac¸˜ao, coordenac¸˜ao distribu´ıda, seguimento de uma trajet´oria calculada e manipulac¸˜ao de objetos (coleta e dep´osito). H´a tamb´em as estrat´egias de explorac¸˜ao bioinspiradas em feromˆonios artificias, como ´e tratado
em (PALMIERI et al., 2018; RANGO et al., 2018), onde m´ultiplos robˆos devem explorar um ambiente para encontrar e desarmar minas terrestres de localizac¸˜ao desconhecida.
As soluc¸˜oes para as tarefas que exigem movimentos coordenados, que v˜ao al´em do controle de formac¸˜ao, possuem inspirac¸˜oes no comportamento social de seres que se movimentam de forma conjunta durante uma explorac¸˜ao, como em algumas esp´ecies de p´assaros. Geralmente, o movimento coordenado ´e regido pela regra do vizinho mais pr´oximo (JADBABAIE et al., 2003), que possui como base trˆes princ´ıpios, que s˜ao: atrac¸˜ao, necess´aria para que um agente permanec¸a agrupado aos demais membros do SMR; repuls˜ao, que ´e respons´avel por evitar colis˜oes entre os robˆos; e alinhamento, para que os robˆos naveguem na mesma direc¸˜ao e velocidade (EVERSHAM; RUIZ, 2011).
Nas tarefas de transporte cooperativo, objetiva-se alcanc¸ar um comportamento no SMR que permita o transporte e/ou a manipulac¸˜ao de um objeto que geralmente possui uma dimens˜ao maior que a dos robˆos envolvidos e/ou requer a utilizac¸˜ao de mais de um agente para a realizac¸˜ao da tarefa (RUIZ et al., 2016).
Independente do problema abordado, os robˆos precisam tomar decis˜oes durante o cumprimento da tarefa. Para isso, heur´ısticas cooperativas devem ser consideradas para que uma decis˜ao unˆanime seja tomada por um SMR (SABATTINI et al., 2017; OLFATI-SABER et al., 2007). A unanimidade pode ser atingida por meio de diferentes alternativas avaliadas por cada robˆo, que geralmente resulta em uma determinada recompensa. ´E importante salientar que ´e indispens´avel o estabelecimento de meios de comunicac¸˜ao entre os robˆos e/ou agente central para o ˆexito deste comportamento cooperativo.
Os problemas de navegac¸˜ao autˆonoma e planejamento de rota de um SMR s˜ao os temas investigados nesta tese e s˜ao tratados com destaque ao longo do trabalho. S˜ao considerados os conceitos de coordenac¸˜ao centralizada e autˆonoma, comunicac¸˜ao direta e indireta, e planejamentos off-line e on-line.