ETD

• Coverage
• Esplorazione
• Multi-Robot
• Path-Planning

When an urban area is struck by a destructive event, the first challenge is not simply reaching the affected locations, but understanding the actual condition of the road network. Existing maps describe the city as it was before the emergency, not as it becomes afterward. In a real post-disaster scenario, roads may be blocked by debris, interrupted by collapses, partially accessible, or safe to travel only in one direction. Sending human responders into such an environment without an updated picture of the situation exposes them to unnecessary risks. A preliminary reconnaissance phase is therefore essential, providing a sufficiently broad and reliable understanding of the environment while remaining robust to unforeseen changes and unexpected obstacles.

This thesis addresses this problem by investigating the coordinated use of a heterogeneous fleet of robots for the reconnaissance of an urban road network. The environment is divided among multiple autonomous agents, but the mission is not conceived as the simple execution of predefined routes. The primary objective is to progressively build an operational understanding of the affected area by distinguishing between roads that have already been inspected and those that still require exploration, identifying which sections remain accessible, detecting critical points, and producing information that can effectively support the human teams responsible for the subsequent search-and-rescue operations.

Before the mission begins, the road network is analyzed and partitioned into geographically coherent regions, which are then assigned to the available robots. This initial allocation aims to avoid unbalanced workloads and inefficient distributions that could negatively affect the overall mission. However, once the operation starts, the initial plan is not treated as immutable. Every road segment reached by a robot is compared with the actual conditions found in the field. If the road is traversable, exploration proceeds according to plan. If an unexpected obstacle is encountered, the representation of the environment is immediately updated, allowing the fleet to continue its mission while taking into account the newly acquired information. Rather than assuming that the environment is completely known beforehand, the proposed approach continuously verifies and refines its knowledge as the reconnaissance progresses.

An important distinction must also be made between observing a road and physically traversing it. In emergency scenarios, these two capabilities do not always coincide. A road segment may still be inspected even when it cannot be crossed by a ground vehicle. For this reason, the proposed system relies on a heterogeneous robotic fleet composed of platforms with complementary capabilities. Unmanned Ground Vehicles (UGVs) perform the primary inspection tasks and, whenever possible, interact directly with obstacles encountered along the route. Unmanned Aerial Vehicles (UAVs), on the other hand, are employed whenever a road must be inspected despite remaining inaccessible from the ground. In this way, the success of the mission does not rely on a single mode of locomotion, but on the cooperation between aerial and ground robots, each compensating for the limitations of the other.

Obstacles themselves are not treated uniformly. Some can be removed, others can be bypassed, while others simply require the surrounding area to be observed without attempting physical traversal. Consequently, the response adopted by the robotic team is not predetermined but depends on the specific situation encountered and on the current state of the mission. This adaptive behavior makes it possible to pursue two complementary objectives simultaneously: ensuring the complete observation of the environment while, whenever feasible, improving the accessibility of the road network to facilitate the work of the emergency responders who will operate in the area afterward.

The experimental results demonstrate that complete coverage of the road network is achieved in every scenario considered throughout this work. Even when obstacles significantly reduce local traversability, the cooperation between aerial and ground robots enables the reconnaissance mission to be successfully completed. The main contribution of this thesis lies precisely in this capability. The effectiveness of the exploration process does not depend on the perfect validity of the initial mission plan; instead, the system remains capable of completing the reconnaissance even when unexpected environmental changes require continuous adaptation during execution.

The study also highlights a practical trade-off that naturally emerges during disaster-response operations. Depending on the operational priorities, the mission can be oriented either toward the rapid acquisition of a complete situational overview or toward investing additional time in obstacle removal and in improving the final traversability of the road network. Neither strategy is universally preferable, as the most appropriate choice depends on the specific requirements of the emergency and on the objectives of the response teams. Overall, the results show that a heterogeneous multi-robot system represents a practical and effective solution for supporting reconnaissance in degraded urban environments, providing reliable and up-to-date situational awareness before human operators enter potentially hazardous areas.

Quando un’area urbana subisce un evento distruttivo, il problema immediato non è solo raggiungere i luoghi colpiti: è capire in che stato si trovi la rete stradale. Le mappe esistenti fotografano la città prima dell’emergenza, non dopo. Nella realtà post-disastro compaiono macerie, interruzioni, tratti percorribili in un solo senso o non più agibili in sicurezza. Mandare operatori umani in queste condizioni, senza prima avere un quadro aggiornato, espone le squadre a rischi evitabili. Serve una ricognizione preliminare che sia sufficientemente ampia da dare una visione affidabile dell’ambiente, e insieme robusta nei confronti di ciò che non è stato possibile prevedere.

Questa tesi si colloca in tale contesto e studia l’uso coordinato di una flotta di robot per la ricognizione di una rete stradale urbana. Il territorio viene diviso tra più agenti, ma la missione non è pensata come una semplice esecuzione di percorsi prestabiliti. Ciò che conta è costruire, passo dopo passo, una conoscenza operativa dell’area: distinguere i tratti già osservati da quelli ancora incerti, riconoscere le zone percorribili, individuare i punti critici e produrre informazioni utili per chi dovrà intervenire successivamente.

Prima dell’avvio, la rete viene analizzata e suddivisa in regioni assegnate ai singoli robot, evitando per quanto possibile distribuzioni sbilanciate o poco coerenti dal punto di vista geografico. Una volta iniziata la missione, però, il piano non viene considerato intoccabile. Ogni tratto raggiunto viene confrontato con le condizioni effettive del campo: se la strada è libera, la copertura prosegue; se compare un impedimento, lo stato della rete viene aggiornato e la flotta continua a lavorare tenendo conto della nuova informazione. L’ambiente non viene quindi assunto come già noto in anticipo, ma verificato mentre la ricognizione procede.

C’è poi una distinzione importante tra conoscere una strada e poterla percorrere. In un contesto di emergenza le due cose non coincidono sempre: un tratto può essere osservabile anche quando un robot terrestre non riesce ad attraversarlo. Per questo la flotta considerata combina mezzi con capacità diverse. I robot a terra svolgono la ricognizione principale e, quando possibile, interagiscono con gli ostacoli; i droni entrano invece in gioco quando un tratto deve essere mappato pur restando non praticabile dal suolo. La missione non dipende così da una sola modalità di movimento, ma dalla collaborazione tra piattaforme che si compensano a vicenda.

Anche gli ostacoli vengono trattati in modo differenziato. Alcuni impedimenti possono essere rimossi, altri superati o aggirati, altri ancora richiedono di osservare la zona senza attraversarla fisicamente. La risposta non è fissata una volta per tutte, ma dipende dalla situazione incontrata e dallo stato della missione. Questo permette di tenere distinti due obiettivi complementari: completare l’osservazione dell’ambiente e, dove possibile, migliorare la transitabilità della rete per gli interventi successivi.

I risultati mostrano che la copertura dell’intera rete è garantita in tutti gli scenari considerati. Anche quando gli ostacoli riducono localmente la percorribilità, la cooperazione tra robot terrestri e aerei consente di portare a termine l’osservazione. Il contributo principale risiede proprio in questa continuità: la ricognizione non dipende dalla perfetta validità del piano iniziale, ma resta completabile anche quando le condizioni incontrate impongono adattamenti.

Emerge infine un compromesso concreto. È possibile orientare la missione verso la raccolta rapida e completa delle informazioni, oppure investire più tempo nella rimozione degli ostacoli e nel miglioramento della percorribilità finale della rete. Non esiste una scelta universalmente migliore: dipende dalle esigenze operative del momento. Il lavoro mostra che una flotta eterogenea di robot può essere uno strumento pratico per affrontare scenari urbani degradati, offrendo una base informativa solida prima che gli operatori umani entrino in azione.