Titolo della tesi: Social Feedback in Collective Decision Making
La rapida evoluzione dei sistemi autonomi ha catalizzato una crescente domanda di collettivi robotici decentralizzati capaci di operare in ambienti complessi, imprevedibili e fisicamente vincolati. Sebbene l'intelligenza di sciame offra alternative altamente scalabili e resilienti al tradizionale controllo centralizzato, la transizione dai modelli teorici idealizzati alla diffusione fisica nel mondo reale è ostacolata dal divario con implementazioni reali. Negli ambienti fisici, problematiche quali gli ostacoli che limitano le interazioni tra i robot, i canali di comunicazione inaffidabili e il rumore sensoriale compromettono l'affidabilità della comunicazione locale peer-to-peer su cui si basa il comportamento collettivo macroscopico. Questa tesi esamina come gli algoritmi di comunicazione locale a basso livello plasmino e sostengano il consenso globale macroscopico, decomponendo il coordinamento dello sciame in tre livelli sequenziali e interconnessi: informativo, cognitivo e topologico.
Al livello informativo, forniamo un'analisi comparativa dei protocolli di broadcasting nelle reti di robot mobili. Dimostriamo che, sebbene i protocolli identity-aware mostrino un'elevata accuratezza di stima e prestazioni robuste anche in ambienti spazialmente segregati, essi comportano un sovraccarico di memoria. Per sciami minimalisti che dispongono di poca memoria, esaminiamo una comunicazione anonima leggera e un meccanismo di filtraggio stocastico basato sul campionamento a priorità k. I nostri risultati rivelano che, sebbene questo filtraggio stabilizzi con successo le stime riducendo gli errori transitori, esso scambia intrinsecamente la reattività operativa con la stabilità dello stato stazionario, senza raggiungere la precisione dei sistemi identity-aware.
Al livello cognitivo, affrontiamo la sfida della frammentazione spaziale e dei blocchi decisionali in condizioni di estrema incertezza sensoriale. Passando dall'utilizzo del Quorum Sensing in qualità di una soglia statica a quello di una variabile di controllo continua e adattiva, modulata da una funzione di risposta polinomiale cubica e non lineare, consentiamo agli agenti di regolare dinamicamente il proprio affidamento sull'influenza sociale. Questo adattamento continuo permette allo sciame di bilanciare autonomamente l'esplorazione ambientale e lo sfruttamento sociale, rompendo efficacemente i blocchi simmetrici e gestendo il compromesso tra velocità e accuratezza.
Infine, al livello topologico, questa tesi dimostra la scalabilità di questi principi decentralizzati trasferendoli a un dominio macroscopico e critico per la sicurezza: la gestione in tempo reale del traffico ferroviario. Limitando la finestra temporale utilizzata per prevedere i conflitti, dimostriamo che flotte di treni auto-organizzate possono negoziare efficacemente l'accesso ai binari e risolvere i conflitti di traffico locali. I nostri risultati mostrano che orizzonti di previsione brevi sono più efficaci rispetto al guardare troppo avanti nel futuro; essi mantengono la computazione locale gestibile pur mantenendo un coordinamento generale stabile, poiché la pianificazione continua corregge eventuali decisioni miopi. In definitiva, questo lavoro fornisce una struttura di coordinamento che scala dai semplici sciami di robot fino alle grandi infrastrutture fisiche.