Coordination of multi-agent systems : a scalable supervisory control theory perspective

Abstract

This study explores the application of Scalable Supervisory Control Theory (SSCT) for the efficient coordination of Multi-Agent Systems (MAS) in the context of warehouse automation. MAS have emerged as a promising approach for solving large-scale problems across fields such as software development, resource allocation, social sciences, and robotics. These systems, composed of autonomous agents interacting with each other and the environment, offer significant advantages over Single-Agent Systems (SAS), including speed, efficiency, robustness, scalability, and flexibility. However, challenges in distributed environments, agent perception, and conflict resolution necessitate effective coordination among agents to achieve common goals. Supervisory Control Theory (SCT) provides formal guarantees for these systems, significantly expanding their potential applications. Nevertheless, the “exponential state space explosion” imposes substantial computational demands, particularly in large-scale systems. SSCT addresses this issue by leveraging the MAS’ modularity, designating template structures from which the system’s modular supervisors are derived. Building upon the foundational work presented in TCC-I, this Thesis (TCC-II) applies SSCT to coordinate MAS within a simulated warehouse automation scenario. The implementation involves the use of the Robot Operating System® (ROS) and the Gazebo Classic® simulation software, with TurtleBot® Waffle Pi robots performing collaborative pick-and-place tasks. The results demonstrate the practical application of SSCT in improving the efficiency and coordination of MAS in distributed automation environments, highlighting the potential of this approach for real-world applications in robotics and beyond

Este estudo explora a aplicação da Teoria de Controle Supervisório Escalável (SSCT) para a coordenação eficiente de Sistemas Multiagentes (MAS) no contexto da automação de armazéns. MAS surgiram como uma abordagem promissora para resolver problemas em larga escala em campos como desenvolvimento de software, alocação de recursos, ciências sociais e robótica. Esses sistemas, compostos por agentes autônomos que interagem entre si e com o ambiente, oferecem vantagens significativas sobre Sistemas de Agente Único (SAS), incluindo velocidade, eficiência, robustez, escalabilidade e flexibilidade. No entanto, desafios em ambientes distribuídos, percepção dos agentes e resolução de conflitos exigem uma coordenação eficaz entre os agentes para alcançar objetivos comuns. A Teoria de Controle Supervisório (SCT) fornece garantias formais para esses sistemas, ampliando significativamente suas aplicações potenciais. Contudo, a “explosão exponencial do espaço de estados” impõe demandas computacionais substanciais, especialmente em sistemas de grande escala. A SSCT aborda essa questão aproveitando a modularidade dos MAS, designando estruturas template das quais os supervisores modulares do sistema são derivados. Com base no trabalho fundamental apresentado no TCC-I, este Trabalho de Conclusão de Curso - II (TCC-II) aplica a SSCT para coordenar MAS dentro de um cenário simulado de automação de armazéns. A implementação envolve o uso do Robot Operating System® (ROS) e do software de simulação Gazebo Classic® , com robôs TurtleBot® Waffle Pi realizando tarefas colaborativas de pick-and-place. Os resultados demonstram a aplicação prática da SSCT na melhoria da eficiência e coordenação de MAS em ambientes de automação distribuída, destacando o potencial dessa abordagem para aplicações no mundo real em robótica e além