El creciente interés en aplicaciones multi-robot está motivado por el amplio abanico de posibilidades ofrecidas por equipos de robot que realizan tareas colectivas de forma cooperativa. La eficiencia y robustez de estos equipos de robots va mucho más allá de lo que se puede realizar con un robot trabajando de forma individual. En estos escenarios, las estrategias distribuidas atraen una gran atención, especialmente en aplicaciones que son inherentemente distribuidas en espacio, tiempo o funcionalidad. Esos esquemas distribuidos no sólo reducen el tiempo para completar una tarea debido a la ejecución paralela, sino que además, debido a la redundancia, presentan una robustez natural a los fallos. Nuestra investigación está enfocada a las aplicaciones distribuidas para tareas de percepción. La percepción es de gran importancia en robótica, ya que la mayoría de las aplicaciones robóticas requieren que el equipo de robots interactúe con el entorno. Por lo tanto, si un robot no es capaz de obtener a través de otros una representación del entorno, o si no se dispone de una representación a priori, entonces éste robot debe estar capacitado para percibir el entorno que le rodea. La percepción se ha estudiado ampliamente para sistemas con un robot y se ha llevado a cabo una exhaustiva investigación en los campos de localización, construcción de mapas, y exploración. Entre los distintos sensores que se pueden utilizar para percibir el entorno, estamos interesados en la percepción visual utilizando cámaras convencionales y omnidireccionales. Cada robot percibe la porción del entorno en la cual está operando. Para tomar decisiones de forma cooperativa, los robots fusionan sus observaciones locales en un mapa global. Aquí podemos distinguir entre aproximaciones centralizadas y descentralizadas o distribuidas. En un sistema distribuido, todos los robots asumen el mismo papel, y de esta manera, los cálculos se pueden distribuir entre todos los robots. Además, los sistemas distribuidos son de forma natural más robustos ante fallos individuales. Estamos interesados en soluciones al problema del mezclado de mapas para sistemas robóticos con comunicaciones con rango limitado, y donde los cálculos se distribuyen entre los robots. Esta tesis se ha centrado en la identificación de los diferentes subproblemas que aparecen en escenarios de percepción distribuida, proponiendo soluciones para todos estos sub problemas, con un especial interés en robots equipados con cámaras. En particular, nos hemos centrado en (i) investigar la percepción visual; (ii) proponer métodos para fusionar la información visual adquirida por los robots; (iii) afrontar el problema de establecer correspondencias entre los elementos observados por los distintos robots; (iv) analizar la localización de los robots a partir de medidas relativas; y (v) proponer estrategias para mejorar la percepción del entorno. A lo largo de esta tesis, hemos realizado importantes contribuciones en el campo de percepción distribuida. Hemos propuesto algoritmos para el mezclado de mapas adquiridos por un equipo de robots con comunicaciones limitadas de forma distribuida. Hemos considerado los casos de mezclado dinámico y estático. Hemos considerado los diferentes aspectos relacionados con el mezclado de mapas y hemos realizado contribuciones en todos ellos. La asociación de datos se ha discutido por primera vez en el contexto de equipos de robots distribuidos con comunicaciones limitadas. Hemos propuesto soluciones al problema de la correspondencia inicial o localización, que consiste en alcanzar un consenso en una referencia global. Esta referencia global es utilizada posteriormente por el equipo de robots durante su operación. Además, hemos realizado contribuciones dentro del problema de optimización de la percepción en dos aspectos. En primer lugar, hemos propuestos una estrategia para que los robots elijan sus próximos movimientos para mejorar el mapa global (hacerlo más preciso). En segundo lugar, hemos propuesto un método que permite a los robots calcular un parámetro importante relacionado con la topología de la red, que determina la velocidad de los algoritmos distribuidos, y que por tanto establece la tasa a la que los diferentes algoritmos convergen al valor de interés. Por lo tanto, el control de la topología de red para que este parámetro adquiera o mantenga unos determinados valores, nos permite tener un mayor control de la calidad de nuestros métodos. Parte de los resultados obtenidos durante esta tesis, se han publicado en revistas internacionales con gran impacto en la comunidad robótica: [1], Robotics and Autonomous Systems journal. Varios de los resultados se han presentado en conferencias internacionales: [8], Robotics: Science and Systems, año2010; [7], [9], IEEE International Conference on Robotics and Automation, años 2010 y 2011; [6], IEEE/RSJ International Conference on Intelligent Robots and Systems, año 2009; [5], International Conference on Informatics in Control, Automation and Robotics, año 2008. Algunos resultados se han presentado en talleres internacionales: [11], Workshop on Network Robot Systems, IEEE/RSJ Int. Conf. on Intelligent Robots & Systems, año 2008. Los resultados más recientes se han enviado a conferencias ([10], American Control Conference) y revistas internacionales ([2], enviado a IEEE Transactions on Robotics; [3], enviado a IEEE Transaction on Pattern Analysis and Machine Intelligence; [4], enviado a Systems & Control Letters), y están actualmente en proceso de revisión. Además, hemos participado en varios trabajos de investigación en colaboración con universidades internacionales. Lista de publicaciones: - Revistas Internacionales: [1] R. Aragues, J. Cortes, and C. Sagues. Distributed consensus algorithms for merging featured based maps with limited communication. Robotics and Autonomous Systems, 59(3¿4):163¿180, 2011. [2] R. Aragues, J. Cortes, and C. Sagues. Distributed consensus on robot networks for dynamically merging feature¿based maps. IEEE Transactions on Robotics, 2011, enviado. [3] E. Montijano R. Aragues and C. Sagues. Distributed multi¿view matching in networks with limited communications. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2011, enviado. [4] R. Aragues, L. Carlone, C. Sagues, and G. Calafiore. Distributed centroid estimation from noisy relative measurements. Systems & Control Letters, 2011, enviado. Conferencias Internacionales: [5] R. Aragues and C. Sagues. Parameterization and initialization of bearing¿only information: a discussion. In Int. Conf. on Informatics in Control, Automation and Robotics, volume RA¿1, pages 252- 261, Funchal, Portugal, May 2008. [6] R. Aragues, J. Cortes, and C. Sagues. Motion control strategies for improved multi robot perception. In IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, pages 1065¿1070, St. Louis, USA, October 2009. [7] R. Aragues, J. Cortes, and C. Sagues. Dynamic consensus for merging visual maps under limited communications. In IEEE Int. Conf. on Robotics and Automation, pages 3032-3037, Anchorage, AK, May 2010. [8] R. Aragues, E. Montijano, and C. Sagues. Consistent data association in multi-robot systems with limited communications. In Robotics: Science and Systems, pages 97-104, Zaragoza, Spain, June 2010. [9] R. Aragues, L. Carlone, G. Calafiore, and C. Sagues. Multi agent localization from noisy relative pose measurements. In IEEE Int. Conf. on Robotics and Automation, pages 364-369, Shanghai, China, May 2011. [10] R. Aragues, G. Shi, D. V. Dimarogonas, C. Sagues, and K. H. Johansson. Distributed algebraic connectivity estimation for adaptive event¿triggered consensus. In American Control Conference, 2012, enviado. - Talleres Internacionales: [11] R. Aragues, J. Cortes, and C. Sagues. Distributed map merging in a robotic network. In Workshop on Network Robot Systems, IEEE/RSJ Int. Conf. on Intelligent Robots & Systems, Nice, France, September 2008.