We analyze spatio-temporal routing under various constraints specific to multi-robot applications. Spatio-temporal routing requires multiple robots to visit spatial locations at specified time instants, while optimizing certain criteria like the total distance traveled, or the total energy consumed. Such a spatio-temporal concept is intuitively demonstrable through music (e.g. a musician routes multiple fingers to play a series of notes on an instrument at specified time instants). As such, we showcase much of our work on routing through this medium. Particular to robotic applications, we analyze constraints like maximum velocities that the robots cannot exceed, and information-exchange networks that must remain connected. Furthermore, we consider a notion of heterogeneity where robots and spatial locations are associated with multiple skills, and a robot can visit a location only if it has at least one skill in common with the skill set of that location. To extend the scope of our work, we analyze spatio-temporal routing in the context of a distributed framework, and a dynamic environment.

This thesis examines the use of multiple robots in cooperative simultaneous localization and mapping (SLAM), where each robot must estimate the poses of all robots in the team, along with the positions of all known landmarks. The robot team must operate under the condition that the communication network between robots is never guaranteed to be fully connected. Under this condition, a novel algorithm is derived that allows each robot to obtain the centralized-equivalent estimate in a decentralized manner, whenever possible. The algorithm is then extended to a decentralized and distributed approach where robots share the computational burden in considering different data association hypotheses in generating the centralized-equivalent consensus estimate.

This thesis examines the use of multiple robots in cooperative simultaneous localization and mapping (SLAM), where each robot must estimate the poses of all robots in the team, along with the positions of all known landmarks. The robot team must operate under the condition that the communication network between robots is never guaranteed to be fully connected. Under this condition, a novel algorithm is derived that allows each robot to obtain the centralized-equivalent estimate in a decentralized manner, whenever possible. The algorithm is then extended to a decentralized and distributed approach where robots share the computational burden in considering different data association hypotheses in generating the centralized-equivalent consensus estimate.

Over the past decade there has been a growing demand for interactive multimedia applications deployed over public IP networks. To achieve acceptable Quality of Ser- vice (QoS) without significantly modifying the existing infrastructure, the end-to-end applications need to optimize their behavior and adapt according to network char- acteristics. Most existing application optimization techniques are based on reactive strategies, i.e. reacting to occurrences of congestion. We propose the use of predic- tive control to address the problem in an anticipatory manner. This research deals with developing models to predict end-to-end single flow characteristics of Wide Area Networks (WANs). A novel signal, in the form of single flow packet accumulation, is proposed for feedback purposes. This thesis presents a variety of effective predictors for the above signal using Auto-Regressive (AR) models, Radial Basis Functions (RBF) and Sparse Basis Functions (SBF). The study consists of three sections. We first develop time- series models to predict the accumulation signal. Since encoder bit-rate is the most logical and generic control input, a statistical analysis is conducted to analyze the effect of input bit-rate on end-to-end delay and the accumulation signal. Finally, models are developed using this bit-rate as an input to predict the resulting accu- mulation signal. The predictors are evaluated based on Noise-to-Signal Ratio (NSR) along with their accuracy with increasing accumulation levels. In time-series models, RBF gave the best NSR closely followed by AR models. Analysis based on accu- racy with increasing accumulation levels showed AR to be better in some cases. The study on effect of bit-rate revealed that bit-rate may not be a good control input on all paths. Models such as Auto-Regressive with Exogenous input (ARX) and RBF were used to develop models to predict the accumulation signal using bit-rate as a modeling input. ARX and RBF models were found to give comparable accuracy, with RBF being slightly better.

Το κυρίως αντικείμενο της διατριβής αυτής είναι ο σχεδιασμός και η ανάλυση αποκεντρωμένων τεχνικών ελέγχου για επίτευξη μέγιστης κάλυψης από κινούμενα δίκτυα αισθητήρων. Λόγω των πολλών εφαρμογών αυτών σε αποστολές σχετιζόμενες με εξερεύνηση περιοχών ενδιαφέροντος, περιβαλλοντική δειγματοληψία, φύλαξη ή ακόμα και θέματα ασφάλειας, μία μεγάλη μερίδα της επιστημονικής κοινότητας έχει στρέψει το ενδιαφέρον της στην ανάπτυξη μεθόδων για βέλτιστη (ει δυνατόν) περιβαλλοντική αντίληψη μέσω αισθητήρων από αυτόνομες ομάδες ρομποτικών συστημάτων. Τέτοιες ομάδες, συνήθως τοποθετούμενες αρχικώς στις περιοχές ενδιαφέροντος, σχεδιάζονται με στόχο τον αποκεντρωμένο έλεγχό τους, αντί ενός καθολικού εποπτικού συστήματος, με στόχο να επιτύχουν στην εκάστοτε αποστολή. Στα πρώτα στάδια της διατριβής αυτής, το πρόβλημα της κάλυψης μιας περιοχής ενδιαφέροντος από μία ομάδα όμοιων κόμβων αναλύεται από υπολογιστική σκοπιά. Οι κινούμενοι κόμβοι υποθέτονται ότι υπακούν σε απλοϊκό κινηματικό μοντέλο διακριτού χρόνου, ενώ η αισθητήρια επίδοσή τους θεωρείται ακτινική, περιορισμένης εμβέλειας, ομοιόμορφη γύρω από τον κόμβο. Σαν πρώτη προσέγγιση, η κατεύθυνση σε κάθε χρονική στιγμή για βέλτιστη κάλυψη καθορίζεται βάσει τεχνικών διαμέρισης του χώρου βασιζόμενες στην έννοια της απόστασης. Η αναπτυσσόμενη στρατηγική επιτρέπει σταδιακή αύξηση της καλυπτόμενης επιφάνειας μεταξύ διαδοχικών βημάτων, ενώ έχει ως απαίτηση την κίνηση ενός μόνο επιτρεπτού κόμβου τη φορά. Στη συνέχεια, το προαναφερθέν σχέδιο επεκτείνεται για την περίπτωση ετερογενών δικτύων, όπου η ετερογένεια αντικατοπτρίζεται στις άνισες εμβέλειες απόδοσης αίσθησης των κόμβων. Επιπροσθέτως, επέκταση σε μοντέλο συνεχούς χρόνου επιτρέπει την κίνηση όλων των κόμβων του δικτύου ταυτόχρονα, αυξάνοντας ιδιαίτερα τον χρόνο σύγκλισης προς την βέλτιστη κατάσταση, ειδικά για μεγάλης κλίμακας δίκτυα. Μία εναλλακτική διαμέριση του χώρου αναπτύσσεται, η οποία βασίζεται κυρίως στα αισθητήρια μοτίβα των κόμβων, παρά στις θέσεις των κόμβων καθεαυτές. Τα παραγόμενα κελιά του χώρου ανατιθέμενα στους κόμβους αποτελούν τον βασικό πυρήνα του αλγόριθμου οργάνωσης, με στόχο την αποκεντρωμένη οργάνωση της κινούμενης ομάδας, ώστε να επιτύχει βέλτιστη απόδοση κάλυψης. Υποκινούμενοι από την υψηλού–βαθμού ανισοτροπία που χαρακτηρίζει κάποιους τύπους αισθητήρων, όπως κατευθυντικά μικρόφωνα για ανίχνευση ήχου σε εφαρμογές ασφάλειας, ή ακόμα μοτίβα εκπομπής/λήψης κατευθυντικών κεραιών σε σενάρια τηλεπικοινωνιακής κάλυψης, η έρευνά μας επεκτείνεται πέραν του κλασσικού ακτινικού μοντέλου δίσκου αίσθησης. Βασιζόμενοι σε συγκεκριμένες ιδιότητες για επίπεδες κυρτές καμπύλες, μια αποκεντρωμένη στρατηγική οργάνωσης αναπτύχθηκε για δίκτυα που χαρακτηρίζονται από κυρτά αισθητήρια μοτίβα ίδιας κατευθυντικότητας. Παρότι η κυρτότητα των συνόλων αίσθησης φαίνεται να θέτει ένα μεγάλου βαθμού περιορισμό στο συνολικό πρόβλημα, στην πραγματικότητα προσπερνάται μέσω ανάθεσης αυτών ως το μέγιστο κυρτό χωρίο που εγγράφεται στο πρωταρχικώς ανισοτροπικό μοτίβο. Το σχήμα ελέγχου επεκτείνεται στη συνέχεια για την περίπτωση όπου εισάγουμε ένα επιπλέον βαθμό ελευθερίας στις κινηματικές ικανότητες των κόμβων, ενσωματώνοντας έτσι διαφορετικές και χρονικά μεταβαλλόμενες κατευθυντικότητες μεταξύ των μοτίβων αυτών. Το παραγόμενο πλάνο ελέγχου αποδεικνύεται ότι οδηγεί ανισοτροπικά δίκτυα σε βέλτιστες τοπολογίες, αναφορικά με τα αισθητήρια μοτίβα τους, ελέγχοντας κατάλληλα ταυτόχρονα την θέση και προσανατολισμό, μέσω ενός καινοτόμου σχήματος κατακερματισμού του χώρου βασιζόμενο στο εκάστοτε μοτίβο. Η διατριβή κλείνει με την μελέτη δικτύων με περιορισμούς στην εμβέλεια επικοινωνίας αναφορικά με την μετάδοση πληροφοριών μεταξύ των κόμβων. Στην πλειονότητα των σχετικών εργασιών, το ζήτημα αυτό προσπερνάται επιτρέποντας στην εμβέλεια επικοινωνίας να είναι τουλάχιστον διπλάσια αυτής της (ομοιόμορφης) αίσθησης, εγγυώντας έτσι την αποκεντρωμένη φύση των πλάνων ελέγχου. Ο προτεινόμενος έλεγχος επιτρέπει την αποσύζευξη μεταξύ των δύο αυτών εμβελειών, οδηγώντας το δίκτυο στην βέλτιστη κατάσταση, μέσω ταυτόχρονου σεβασμού του εκάστοτε, εκ των προτέρων δοσμένου, περιορισμού στην εμβέλεια επικοινωνίας. Συγκεντρωτικά συμπεράσματα και συγκριτική ανάλυση παρουσιάζονται στο τελευταίο κεφάλαιο, ενώ προτείνονται μελλοντικά πλάνα επέκτασης των τεχνικών αυτών. / The main scope of this thesis is the design and analysis of distributed control strategies for achieving optimum area coverage in mobile sensor networks. Due to the numerous applications of the latter in missions as area exploration, environmental sampling, patrolling, or even security, a large part of the scientific community has turned its interest on developing methods for achieving optimum, if possible, sensing environmental perception by groups of autonomous mobile agents. Such robotic teams, randomly deployed in areas of interest initially, are designed to coordinate their motion in a distributed manner, rather than via a global supervisory system, in order to succeed in the corresponding mission objective. At the first stages of this thesis, the coverage problem of an area of interest by a group of identical nodes is examined from a numerical point of view. The mobile nodes are considered to be governed by simple discrete–time kinodynamic motion, while their sensing performance is assumed radial, range–limited, uniform around the node. As a first approach, the optimum direction at each time step for optimum deployment achievement is determined based on proper distance–based space partitioning techniques. The developed concept allows for gradual increase in the covered area among consecutive steps, although suffers from allowing motion of one node at a time. In the sequel, the aforementioned concept is extended to the case of heterogeneous networks, where heterogeneity lays mainly in the unequal limited–range of the sensing performance of the nodes. In addition, extension to continuous–time allows for simultaneous motion of the nodes, increasing drastically the convergence time towards the optimal state, especially for large–scale networks. An alternate partitioning of the space is developed that is mainly based on the nodes’ footprints, rather than their spatial positions only. The resulting assigned cells form the main core for the coordination algorithm proposed, in order to distributedly organize the mobile swarm to achieve optimum sensing performance. Motivated by the high–degree anisotropy that governs the sensing domains of certain types of sensors, i.e. directional microphones for sound sensing mainly for security applications, or even the radiation patterns of directional antennas in communication–coverage scenarios, our research is extended beyond the standard disc model of sensing. Based on certain properties for planar convex curves, a distributed strategy is developed for networks characterized by convex sensing domains of same orientation. Although convexity of the sensing sets may seem to impose a high level restriction to the overall setup, in fact can be assigned as the maximal convex inscribed set in any (originally) anisotropic pattern. The control scheme is further extended, in the sequel, for the case of adding an extra degree of freedom to the node’s mobility abilities, incorporating different and time–varying orientations among the nodes patterns. The resulting scheme is proven to lead anisotropic networks in optimum configurations, considering their sensing footprints, by properly controlling both the nodes’ positions and orientations, via an innovative pattern–based partitioning scheme of the sensed space. The thesis ends by examining the case where radio–range constraints are imposed on inter–agents communication. In the majority of the related works, this issues is usually overcome by allowing RF range as double the sensing one, guaranteeing that way distributed nature of the control schemes. The proposed scheme allows for uncorrelated RF and sensing ranges in the network, while guarantees convergence of the network towards the optimal state, via simultaneous preservation of a–priori imposed radio–range constraints. Concluding remarks along with comparative discussion are presented in the last chapter, where future research plans and ways to improve the already developed schemes are proposed.