Cette thèse concerne le contrôle coopératif de systèmes multi-agents. Ce sujet a été largement étudié dans la littérature récente en raison de son grand nombre d'applications. Cette thèse propose de nouvelles conceptions de stratégies de contrôle collaboratif afin de réaliser une mission d'exploration sous-marine. En particulier, l'objectif final est de diriger une flotte de véhicules autonomes sous-marins, équipés de capteurs appropriés, jusqu'à l'emplacement d'une source de température, de polluants ou d'eau douce. Dans cette situation, il est pertinent de considérer les contraintes de communication entre véhicules qui sont décrites au moyen de graphe de communication. Les premières contributions traitent du développement de commandes de formation qui stabilisent la flotte vers des formations variant dans le temps, et qui, de plus, distribuent uniformément les véhicules le long de la formation. Enfin, le problème de recherche est abordée par l'interprétation de la flotte de véhicules comme un réseau mobile de capteurs. En particulier, il est démontré que les mesures recueillies par la flotte de véhicules permet d'estimer le gradient de concentration de la quantité d'intérêt. Suivant cette idée, un algorithme distribué basé sur des algorithmes de consensus est proposé d'estimer la direction du gradient d'une distribution du signal. / This dissertation focuses on cooperative control of multi-agent systems. This topic has been extensively studied in recent literature due to its large number of applications. This thesis is concerned by the design of collaborative control strategies in order to achieve an underwater exploration mission. In particular, the final aim is to steer a fleet of autonomous underwater vehicles, which are equipped by appropriate sensors, to the location of a source of temperature, pollutant or fresh water. In this situation it is relevant to consider constraints in the communication between vehicles which are described by means of a communication graph. The first contributions deal with the development of cooperative formation control laws which stabilize the fleet to time-varying formations and, in addition, which also distribute the vehicles uniformly along the formation. Finally, the source-seeking problem is tackled by interpreting the fleet of vehicles as a mobile sensors network. In particular, it is shown that the measurements collected by the fleet of vehicles allows us to approximate the gradient of a scalar field. Following this idea, a distributed algorithm based on consensus algorithms is proposed to estimate the gradient direction of a signal distribution.

Recent efforts in understanding the variability inherent in coastal and offshore waters have highlighted the need for higher resolution sampling at finer spatial and temporal resolutions. Gliders are increasingly used in these transitional waters due to their ability to provide these finer resolution data sets in areas where satellite coverage may be poor, ship-based surveys may be impractical, and important processes may occur below the surface. Since no single instrument platform provides coverage across all needed spatial and temporal scales, Ocean Observation systems are using multiple types of instrument platforms for data collection. However, this results in increasingly large volumes of data that need to be processed and analyzed and there is no current “best practice” methodology for combining these instrument platforms. In this study, high resolution glider data, High Frequency Radar (HFR), and satellite-derived data products (MERRA_2 and ARMOR3D NRT Eddy Tracking) were used to quantify: 1) dominant scales of variability of the central Red Sea, 2) determine the minimum sampling frequency required to adequately characterize the central Red Sea, 3) discriminate whether the fine scale persistency of oceanographic variables determined from the glider data are comparable to those identified using HFR and satellite-derived data products, and 4) determine additional descriptive information regarding eddy occurrence and strength in the Red Sea from 2018-2019. Both Integral Time Scale and Characteristic Length Scale analysis show that the persistence time frame from glider data for temperature, salinity, chlorophyll-α, and dissolved oxygen is 2-4 weeks and that these temporal scales match for HFR and MERRA_2 data, matching a similar description of a ”weather-band” level of temporal variability. Additionally, the description of eddy activity in the Red Sea also supports this 2-4-week time frame, with the average duration of cyclonic and anticyclonic eddies from 2018-2019 being 22 and 27 days, respectively. Adoption of scale-based methods across multiple ocean observation areas can help define “best practice” methodologies for combining glider, HFR, and satellite-derived data to better understand the naturally occurring variability and improve resource allocation.

Aujourd’hui, la localisation de robots sous-marins demeure une tâche complexe. L’utilisation de capteurs habituels est impossible sous la surface, tels que ceux reposant sur les systèmes de géolocalisation par satellites. Les approches inertielles sont quant à elles limitées par leur forte dérive dans le temps. De plus, les fonds marins sont généralement homogènes et non structurés, rendant difficile l’utilisation de méthodes SLAM connues, qui couplent la localisation et la cartographie de manière simultanée. Il devient donc nécessaire d’explorer de nouvelles alternatives. Notre approche consiste à traiter un problème de SLAM de manière purement temporelle. L’originalité de ce travail est de représenter le temps comme une variable classique qu’il faut estimer. Cette stratégie soulève de nouvelles opportunités dans le domaine de l’estimation d’état, permettant de traiter de nombreux problèmes sous un autre angle. Toutefois, une telle résolution temporelle demande un ensemble d’outils théoriques qu’il convient de développer. Cette thèse n’est donc pas seulement une contribution dans le monde de la robotique mobile, elle propose également une nouvelle démarche dans les domaines de la propagation de contraintes et des méthodes ensemblistes. Cette étude apporte de nouveaux outils de programmation par contracteurs qui permettent le développement de solveurs pour des systèmes dynamiques. Les composants étudiés sont mis en application tout au long de ce document autours de problèmes robotiques concrets. / The localization of underwater robots remains a challenging issue. Usual sensors, such as Global NavigationSatellite System (GNSS) receivers, cannot be used under the surface and other inertial systems suffer from a strong integration drift. On top of that, the seabed is generally uniform and unstructured, making it difficult to apply usual Simultaneous Localization and Mapping (SLAM) methods to perform a localization.Hence, innovative approaches have to be explored. The presented method can be characterized as a raw-data SLAM approach, but we propose a temporal resolution – which differs from usual methods – by considering time as a standard variable to be estimated. This concept raises new opportunities for state estimation, under-exploited so far. However, such temporal resolution is not straightforward and requires a set of theoretical tools in order to achieve the main purpose of localization.This thesis is thus not only a contribution in the field of mobile robotics, it also offers new perspectives in the areas of constraint programming and set-membership approaches. We provide a reliable contractor programming framework in order to build solvers for dynamical systems. This set of tools is illustrated throughout this document with realistic robotic applications.

Cette thèse concerne le contrôle coopératif de systèmes multi-agents. Ce sujet a été largement étudié dans la littérature récente en raison de son grand nombre d'applications. Cette thèse propose des nouvelles conceptions de stratégies de contrôle collaboratif afin de réaliser une mission d'exploration sous-marine. En particulier, l'objectif final est de diriger une flotte de véhicules autonomes sous-marins, équipés de capteurs appropriés, jusqu'à l'emplacement d'une source de température, de polluants ou d'eau douce. Dans cette situation, il est pertinent de considérer les contraintes de communication entre véhicules qui sont décrites au moyen d'un graphe de communication. Les premières contributions traitent du développement des lois de commande d'une formation qui stabilisent la flotte vers des formations variant dans le temps, et qui, de plus, distribuent uniformément les véhicules le long de la formation. Enfin, le problème de recherche d'une source est abordé par l'interprétation de la flottille de véhicules comme un réseau de capteurs mobiles. En particulier, il est démontré que les mesures recueillies par la flotte de véhicules permettent d'estimer le gradient de concentration de la quantité d'intérêt. En suivant cette idée, un algorithme distribué basé sur des algorithmes de consensus est proposé pour estimer la direction du gradient d'une distribution de signal.

Cette thèse concerne le contrôle coopératif de systèmes multi-agents. Ce sujet a été largement étudié dans la littérature récente en raison de son grand nombre d'applications. Cette thèse propose de nouvelles conceptions de stratégies de contrôle collaboratif afin de réaliser une mission d'exploration sous-marine. En particulier, l'objectif final est de diriger une flotte de véhicules autonomes sous-marins, équipés de capteurs appropriés, jusqu'à l'emplacement d'une source de température, de polluants ou d'eau douce. Dans cette situation, il est pertinent de considérer les contraintes de communication entre véhicules qui sont décrites au moyen de graphe de communication. Les premières contributions traitent du développement de commandes de formation qui stabilisent la flotte vers des formations variant dans le temps, et qui, de plus, distribuent uniformément les véhicules le long de la formation. Enfin, le problème de recherche est abordée par l'interprétation de la flotte de véhicules comme un réseau mobile de capteurs. En particulier, il est démontré que les mesures recueillies par la flotte de véhicules permet d'estimer le gradient de concentration de la quantité d'intérêt. Suivant cette idée, un algorithme distribué basé sur des algorithmes de consensus est proposé d'estimer la direction du gradient d'une distribution du signal.

Hydrobatic Autonomous Underwater Vehicles (AUVs) are underactuated robots that can perform agile maneuvers in challenging underwater environments with high efficiency in speed and range. The challenge lies in localizing and navigating these AUVs particularly for performing manipulation tasks because common sensors such as GPS become very unreliable underwater due to their poor accuracy. To address this challenge, Visual Odometry (VO) is a viable technique that estimates the position and orientation of a robot by figuring out the movement of a camera and tracking the changes in the associated camera images taken by one or more cameras. VO is a promising solution for underwater localization as it provides information about egomotion utilizing the visual cues in a robot. This research explores the applicability of VO algorithms on hydrobatic AUVs using a simulated underwater dataset obtained in Stonefish, an advanced open-source simulation tool specifically developed for marine robotics. This work focuses on the feasibility of employing two state-of-the-art feature-based VO frameworks, referred to as ORB-SLAM2 and VISO2 respectively since very little research is available for learning-based VO frameworks in underwater environments. The assessment is performed on a baseline underwater dataset captured by cameras of a hydrobatic AUV using the Stonefish simulator in a simulated algae farm, which is one of the target applications of hydrobatic AUVs. A novel software architecture has also been proposed for hydrobatic AUVs, which can be used for integrating VO with other components as a node stack to ensure robust localization. This study further suggests enhancements, including camera calibration and timestamp synchronization, as a future step to optimize VO accuracy and functionality. ORB-SLAM2 performs well in the baseline scenario but is prone to slight drift when turbidity arises in the simulated underwater environment. VISO2 is recommended for such high turbidity scenarios but it fails to estimate the camera motion accurately due to advanced hardware synchronization issues that are prevalent in the dataset as it is highly sensitive to accurate camera calibration and synchronized time stamps. Despite these limitations, the results show immense potential of both ORB-SLAM2 and VISO2 as feature-based VO methods for future deployment in hydrobatic AUVs with ORB-SLAM2 being preferred for overall localization and mapping of hydrobatic AUVs in low turbidity environments that are less prone to drift and VISO2 preferred for high turbidity environments with highly accurate camera calibration and synchronization. / Hydrobatiskt autonomt undervatten Fordon (AUV) är undermanövrerade robotar som kan utföra smidiga manövrar i utmanande undervattensmiljöer med hög effektivitet i hastighet och räckvidd. Utmaningen ligger i att lokalisera och navigering av dessa AUV:er speciellt för att utföra manipulationsuppgifter eftersom vanliga sensorer som GPS blir mycket opålitliga under vattnet på grund av deras dåliga noggrannhet. För att ta itu med detta utmaning, Visual Odometry (VO) är en användbar teknik som uppskattar positionen och orienteringen av en robot genom att räkna ut en kameras rörelse och spåra ändringarna i den tillhörande kameran bilder tagna med en eller flera kameror. VO är en lovande lösning för undervattenslokalisering som den ger information om egomotion med hjälp av de visuella ledtrådarna i en robot. Denna forskning utforskar tillämpbarheten av VO-algoritmer på hydrobatiska AUV:er med hjälp av en simulerad undervattensdatauppsättning erhållen i Stonefish, ett specifikt avancerat simuleringsverktyg med öppen källkod utvecklad för marin robotik. Detta arbete fokuserar på genomförbarheten av att använda två toppmoderna funktionsbaserade VO-ramverk, kallade ORB-SLAM2 respektive VISO2 sedan mycket lite forskning finns tillgänglig för inlärningsbaserade VO-ramverk i undervattensmiljöer. De bedömning utförs på en baslinje undervattensdatauppsättning fångad av kameror från en hydrobatik AUV med hjälp av Stonefish-simulatorn i en simulerad algfarm, vilket är en av målapplikationerna av hydrobatiska AUV:er. En ny mjukvaruarkitektur har också föreslagits för hydrobatiska AUV, som kan användas för att integrera VO med andra komponenter som en nodstack för att säkerställa robust lokalisering. Denna studie föreslår ytterligare förbättringar, inklusive kamerakalibrering och tidsstämpel synkronisering, som ett framtida steg för att optimera VO-noggrannhet och funktionalitet. ORB-SLAM2 presterar bra i baslinjescenariot men är benägen att avvika något när grumlighet uppstår i den simulerade undervattensmiljön. VISO2 rekommenderas för sådana scenarier med hög grumlighet men den misslyckas med att uppskatta kamerarörelsen korrekt på grund av avancerad hårdvarusynkronisering problem som är vanliga i datasetet eftersom det är mycket känsligt för noggrann kamerakalibrering och synkroniserade tidsstämplar. Trots dessa begränsningar visar resultaten en enorm potential för båda ORB-SLAM2 och VISO2 som funktionsbaserade VO-metoder för framtida användning i hydrobatiska AUV:er med ORB-SLAM2 att föredra för övergripande lokalisering och kartläggning av hydrobatiska AUVs i låg grumlighetsmiljöer som är mindre benägna att driva och VISO2 föredras för hög grumlighet miljöer med mycket noggrann kamerakalibrering och synkronisering.

Approved for public release, distribution is unlimited / Autonomous Underwater Vehicles (AUVs) are now being introduced into the fleet to improve Mine Warfare capabilities. Several AUVs are under government-contracted development. Mission planning and data reporting vary between vehicles and systems. This variance does not pose an immediate problem, as only one AUV is currently in production. However, as more AUVs are put into production, commands will begin to get multiple AUVs. Without a single mission command language, multiple systems will require familiarity with multiple languages. Extensible Markup Language (XML) and related technologies may be used to facilitate interoperability between dissimilar AUVs and extract and integrate mission data into Navy C4I systems. XML makes archive maintenance easier, XML documents can be accessed via an http server, and, in root form, XML is transferable on the fly by stylesheet. This thesis presents an XML-based mission command for the command and control of AUVs. In addition, this thesis discusses XML technology and how XML is a viable means of achieving interoperability. Furthermore, this thesis provides an example mission file using existing software, and demonstrates the future of XML in AUV technology. Finally, this work ends with a compelling argument for the use of an XML-based mission command language to command all AUVs. / Ensign, United States Navy / Captain, United States Air Force