Graceful Degradation and Speculation for Robots in Highly Dynamic Environments - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2019

Graceful Degradation and Speculation for Robots in Highly Dynamic Environments

Dégradation progressive et spéculation pour les robots dans des environnements hautement dynamiques

Résumé

Distributed systems are systems composed of multiple communicant processes cooperating to solve a common task. This is a generic model for numerous real systems as wired or mobile networks, shared-memory multiprocessor systems, and so on. From an algorithmic point of view, it is well-known that strong assumptions (as asynchronism or mobility) on such systems lead often to impossibility results or high lower bounds on complexity. In this thesis, we study algorithms that adapt themselves to their environment (i.e., the union of all assumptions on the system) by focusing on the two following approaches. Graceful degradation circumvents impossibility results by degrading the properties offered by the algorithm as the environment become stronger. Speculation allows to bypass high lower bounds on complexity by optimizing the algorithm only on more probable environments. Robot networks are a particular case of distributed systems where processes are endowed with sensors and able to move from a location to another. We consider dynamic environments in which this ability may evolve with time. This thesis answers positively to the open question whether it is possible and attractive to apply gracefully degrading and speculative approaches to robot networks in dynamic environments. This answer is obtained through contributions on gracefully degrading gathering (where all robots have to meet on the same location in finite time) and on speculative perpetual exploration (where robots must visit infinitely often each location).
Les systèmes distribués sont des systèmes composés de plusieurs processus communiquants et coopérants ensemble pour résoudre des tâches communes. C’est un modèle générique pour de nombreux systèmes réels comme les réseaux sans fil ou mobiles, les systèmes multiprocesseurs à mémoire partagée, etc. D’un point de vue algorithmique, il est reconnu que de fortes hypothèses (comme l’asynchronisme ou la mobilité) sur de tels systèmes mènent souvent à des résultats d’impossibilité ou à de fortes bornes inférieures sur les complexités. Dans cette thèse, nous étudions des algorithmes qui s’auto-adaptent à leur environnement (i.e., l’union de toutes les hypothèses sur le système) en se concentrant sur les deux approches suivantes. La dégradation progressive contourne les résultats d’impossibilité en dégradant les propriétés offertes par l’algorithme lorsque l’environnement devient fort. La spéculation contourne les bornes inférieures élevées sur les complexités en optimisant l’algorithme seulement sur les environnements les plus probables. Les réseaux de robots représentent un cas particulier des systèmes distribués où les processus, dotés de capteurs, sont capables de bouger d’une localisation à une autre. Nous considérons des environnements dynamiques dans lesquels cette capacité peut évoluer avec le temps. Cette thèse répond positivement à la question ouverte de savoir s’il est possible et bénéfique d’appliquer les approches progressivement dégradante et spéculative aux réseaux de robots dans des environnements dynamiques. Cette réponse est obtenue en étudiant le rassemblement (où tous les robots doivent se retrouver à la même localisation en temps fini) progressivement dégradant et l’exploration perpétuelle (où les robots doivent visiter infiniment souvent chaque localisation) spéculative.
Fichier principal
Vignette du fichier
these_bournat_marjorie_2019.pdf (2.69 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02177304 , version 1 (08-07-2019)
tel-02177304 , version 2 (10-09-2020)

Identifiants

  • HAL Id : tel-02177304 , version 2

Citer

Marjorie Bournat. Graceful Degradation and Speculation for Robots in Highly Dynamic Environments. Distributed, Parallel, and Cluster Computing [cs.DC]. Sorbonne Université, 2019. English. ⟨NNT : 2019SORUS035⟩. ⟨tel-02177304v2⟩
275 Consultations
392 Téléchargements

Partager

Gmail Facebook X LinkedIn More