Come i robot si organizzano in formazione? Scopri la geometria dietro il controllo diretto

Immagina un gruppo di droni che deve volare in una figura precisa, come un triangolo o una stella. Per farlo, ogni drone deve mantenere una certa distanza dai suoi vicini, ma non tutti i collegamenti sono bidirezionali: a volte un drone ascolta solo le istruzioni di un altro. Questo è il problema della “formation control” diretta.

Un team di ricercatori ha proposto un nuovo approccio geometrico. Partono da un algoritmo classico chiamato “gradient descent”, che fa scendere l’energia di un sistema verso il minimo, ma lo trasportano in uno spazio diverso, quello degli spigoli (le distanze tra i robot). Da lì, “sollevano” il risultato nello spazio dei nodi (i robot stessi) usando la norma minima. Il risultato è una famiglia di controllori che include sia la versione tradizionale sia la variante diretta.

Per le formazioni dirette, gli autori hanno ideato un test numerico semplice per verificare la convergenza locale: basta controllare una matrice associata al grafo diretto. Sorprendentemente, la proprietà di “persistenza” – ritenuta prima fondamentale – non è né necessaria né sufficiente per garantire la convergenza. Invece, propongono una nuova condizione, più facile da verificare, che risulta necessaria.

Questo lavoro apre la porta a sistemi multi‑robot più efficienti, capaci di coordinarsi anche quando le comunicazioni sono unidirezionali, e fornisce strumenti pratici per ingegneri e ricercatori che vogliono progettare formazioni complesse con meno vincoli.

Il cuore matematico del nuovo approccio risiede nella formulazione di un problema di ottimizzazione su una varietà Riemanniana definita nello spazio degli spigoli. Si parte da una funzione di costo L(e)=½∑_{(i,j)∈E}(‖p_i-p_j‖^2-d_{ij}^2)^2, dove p_i sono le posizioni dei nodi e d_{ij} le distanze desiderate. Il gradiente di L rispetto agli spigoli e, ∇_e L, è poi proiettato nello spazio dei nodi tramite l'operatore di sollevamento minimo ‖·‖_{min}, che risolve min_{Δp}‖Δp‖ soggetto a DΔp=∇_e L, con D la matrice di incidenza del grafo. Questa proiezione garantisce che le variazioni di posizione siano le più piccole possibili per ridurre L, preservando la struttura topologica del grafo.

Nel caso diretto, la matrice di incidenza diventa asimmetrica, e la condizione di convergenza locale si traduce nell'analisi dello spettro della matrice di Jacobiano J= -D^TWD, dove W è una matrice di pesi derivata dalle derivate seconde di L. Il test numerico proposto verifica che tutti gli autovalori di J, eccetto quello nullo associato al gruppo di simmetria globale (traslazioni e rotazioni), abbiano parte reale negativa. La persistenza, definita come l'assenza di cicli di dipendenza unidirezionale, non garantisce questa proprietà spettrale, da cui nasce la necessità di una condizione più restrittiva basata sulla positività definita di una matrice di rigidezza modificata. Questa condizione è computazionalmente leggera, poiché richiede solo la decomposizione di una matrice di dimensione |V|×|V|, dove |V| è il numero di robot, rendendola adatta a implementazioni in tempo reale su piattaforme embedded.