Albayrak, SahinHrabia, Christopher-Eyk2019-12-052019-12-052019https://depositonce.tu-berlin.de/handle/11303/10377http://dx.doi.org/10.14279/depositonce-9337Robots are leaving the friendly, well-structured world of automation and are facing the challenges of a dynamic world. The uncertain conditions in the dynamic world call for a high degree of robustness and adaptivity for individual robots as well as interactions between multiple robots and other system entities. The uncertainty makes it difficult for designers and engineers to anticipate all conditions, interactions, and side effects a system will have to deal with while the system is specified and developed. Furthermore, implicit and explicit coordination is required to perform a joint goal with multiple entities in a multi-robot system. Enabling scalability for multi-robot applications can be especially supported by means of implicit and decentralised coordination approaches. Nevertheless, robots that adapt to the dynamic environment and coordinate themselves still have to pursue their given tasks or goals. This thesis researches how multi-purpose, mobile, multi-robot systems can be enhanced to operate more adaptively in dynamic environments. This is done by analysing and exploring the combination of so far separated research directions of goal-driven decision-making and planning as well as self-adaptation and self-organisation. The presented hybrid decision-making and planning framework is integrated into the popular robotic middleware \gls{ROS}. The solution combines symbolic planning with reactive behaviour networks, automated task delegation, reinforcement learning, and pattern-based selection of suitable self-organisation mechanisms. On that account, it brings together the advantages of bottom-up and top-down oriented architectures for task-level control of multi-robot systems. The developed framework enables a coherent and integrated design and implementation of decision-making and planning as well as coordination application logic within one software ecosystem that features a common domain model and a modular architecture. This results in a simplification of the development of adaptive multi-purpose multi-robot systems by avoiding system discontinuities and enabling a holistic view on the actual implementation. The presented approach has been successfully evaluated in various research projects and international competitions in the field of robotics and multi-agent systems.Roboter verlassen ihre etablierte, strukturierte Welt der Automatisierung und stellen sich den Herausforderungen der dynamischen Umwelt. Die zum Teil unbekannten Bedingungen in der dynamischen Umwelt erfordern ein hohes Maß an Robustheit und Adaptivität für den einzelnen Roboter, als auch für die Interaktion mehrerer Roboter untereinander. Diese Bedingungen machen es für Entwickler schwierig alle Zustände, Interaktionen und Seiteneffekte für ein System im voraus zu spezifizieren. Zusätzlich muss für eine gemeinsame Erfüllung von Zielen durch mehrere Roboter eine explizite oder implizite Koordination erfolgen. Hier kann vor allem eine implizite und dezentrale Koordination eine gute Skalierbarkeit unterstützen. Trotz eines Fokusses auf Adaptivität, müssen die Robotersysteme aber zugleich auch gegebene Ziele und Aufgaben erfüllen. Diese Dissertation erforscht wie multifunktionale, mobile Multi-Roboter-Systeme verbessert werden können, um adaptiver und robuster in dynamischen Umgebungen zu operieren. Dazu wird speziell eine Kombination aus den bisher unabhängig betrachteten Forschungsrichtungen der zielgerichteten Planung und Entscheidungsfindung, als auch der Selbst-Adaptation und Selbst-Organisation untersucht. Das vorgestellte hybride Entscheidungsfindungs- und Planungsframework ist dabei integriert in die weitverbreite Robotik-Middleware Robot Operating System (ROS). Speziell kombiniert die realisierte Lösung symbolische Planung mit reaktiven Verhaltensnetzwerken, automatischer Aufgabenverteilung, verstärkendes Lernen und musterbasierte Auswahl von Selbstorganisationsmechanismen. Auf dieser Grundlage vereint das System die Vorteile von Bottom-Up- und Top-Down-Architekturen für die Steuerung von Multi-Roboter-Systemen auf Aufgabenebene. Weiterhin ermöglicht die modulare Architektur und das übergreifenden Domänenmodell innerhalb eines Softwareökosystems ein einheitliches und integriertes Design der Planungs-, Entscheidungsfindungs-, und Koordinationslogik. Das resultiert in einer Vereinfachung der Entwicklung von adaptiven und multifunktionalen Multi-Roboter-Systemen durch die Vermeidung von Systembrüchen in einem holistischen Ansatz. Das vorgestellte System wurde erfolgreich in verschiedenen Forschungsprojekten und internationalen Wettkämpfen aus dem Bereich Multi-Agenten- und Multi-Roboter-Systeme evaluiert.en004 Datenverarbeitung; Informatikcomputer scienceself-organisationself-adapationdecision-makingreinforcement learningmulti-agent systemsroboticscoordinationplanningInformatikSelbstorganisationSelbstadaptionEntscheindungsfindungPlanungMulti-AgentensystemeRobotikKoordinationDoctoral Thesis