Artificial potential field control for nano-quadcopter swarm

This thesis presents the design, implementation and experimental validation of a decentralised control strategy for micro-UAV swarms based on the superposition of artificial force fields. The proposed approach combines inter-agent interaction terms to ensure cohesion and collision avoidance, repulsive and tangential components for obstacle negotiation, and a centre-of-mass attraction term to guide the group towards a common goal. A dedicated annular field is additionally introduced to handle concave geometries. The control architecture is developed in ROS 2 and integrated with the Crazyflie platform and the Lighthouse positioning system, adopting a modular structure composed of Swarm, Field and Guidance nodes. A numerical simulation campaign is employed to analyse the influence of the main parameters on the collective behaviour and to support the tuning process. Experimental validation on a real micro-UAV swarm demonstrates the ability of the system to preserve group cohesion, avoid both static and dynamic obstacles, and traverse concave regions while maintaining overall stability. The results highlight the effectiveness of the approach in controlled indoor environments, while also discussing its limitations in terms of scalability and prior knowledge of the environment.

Questo lavoro presenta la progettazione, l’implementazione e la valutazione sperimentale di una strategia decentralizzata di controllo per sciami di micro-UAV basata sulla sovrapposizione di campi di forza artificiali. L’approccio combina termini di interazione tra agenti per garantire coesione e prevenzione delle collisioni, componenti repulsive e tangenziali per la negoziazione di ostacoli e un termine di attrazione applicato al centro di massa per guidare il gruppo verso una destinazione comune. Un campo anulare dedicato è inoltre introdotto per gestire configurazioni geometriche concave. L’architettura di controllo è sviluppata in ROS 2 e integrata con la piattaforma Crazyflie e il sistema di localizzazione Lighthouse, adottando una struttura modulare composta da nodi Swarm, Field e Guidance. Una campagna di simulazioni numeriche è impiegata per analizzare l’influenza dei principali parametri sul comportamento collettivo e guidare il processo di tuning. La validazione sperimentale su uno sciame reale di micro-droni dimostra la capacità del sistema di mantenere la coesione del gruppo, evitare ostacoli statici e dinamici e attraversare regioni concave preservando la stabilità complessiva. I risultati evidenziano l’efficacia dell’approccio in scenari indoor controllati, discutendone al contempo i limiti in termini di scalabilità e dipendenza dalla conoscenza dell’ambiente.