Priority-aware and responsive BDI agents to control autonomous UAVs

Abstract

Agentes Belief--Desire--Intention (BDI) são reconhecidos como um paradigma eficaz e transparente para o controle de sistemas autônomos, oferecendo tomada de decisão estruturada, explicabilidade e adequação à análise formal. Essas propriedades tornam os agentes BDI atrativos para sistemas ciberfísicos críticos em termos de segurança, como veículos aéreos não tripulados e robôs móveis. No entanto, frameworks BDI convencionais frequentemente apresentam tempos de reação não limitados e altamente variáveis sob cargas de trabalho realistas, o que pode comprometer sua capacidade de responder a eventos críticos em termos de tempo e de acionar, de forma confiável, comportamentos fail-safe. Esta tese aborda o desafio de conciliar a natureza deliberativa e explicável dos agentes BDI com os rigorosos requisitos de responsividade e segurança de sistemas autônomos do mundo real. A principal contribuição desta pesquisa é um framework unificado que aprimora agentes BDI com mecanismos de tratamento de falhas acelerados e sensíveis à prioridade, preservando sua estrutura de raciocínio simbólico e sua facilidade de implantação. Inicialmente, a tese apresenta a Arquitetura de Agentes BDI Ágeis (Expedited BDI Agent Architecture -- EB2A), que estende o ciclo de raciocínio BDI tradicional com uma etapa leve de raciocínio acelerado dedicada ao tratamento de percepções críticas. A EB2A reduz significativamente os tempos de reação entre percepção e ação e mitiga o crescimento exponencial da latência observado na execução padrão de agentes BDI, alcançando tempos de resposta praticamente constantes mesmo sob aumento da carga deliberativa. Seguindo nessa linha de aprimorar a responsividade dos agentes, a tese propõe uma infraestrutura para Agentes BDI que leva em consideração prioridades para o tratamento de falhas (Priority-Aware Failsafe Handler for BDI Agents -- PAFH-BDI). O PAFH-BDI classifica eventos de acordo com sua criticalidade operacional e seleciona deterministicamente reações apropriadas quando múltiplos eventos críticos ocorrem simultaneamente. O framework oferece suporte a três modos operacionais --- Bypass, Expedited e Standard --- permitindo que eventos catastróficos contornem completamente o processo deliberativo, enquanto eventos menos críticos preservam totalmente o raciocínio em nível de agente. As arquiteturas propostas foram implementadas como extensões modulares da plataforma Jason BDI e a integração ao Robot Operating System (ROS) foi feita por meio de interfaces consolidadas entre agentes e middleware. Uma avaliação extensiva foi realizada por meio de benchmarks, simulações software-in-the-loop e experimentos em um Veículo Aéreo Não Tripulado (Unmanned Aerial Vehicle -- UAV), demonstrando melhorias substanciais na responsividade, um tratamento mais previsível de eventos críticos concorrentes e baixa sobrecarga computacional. A avaliação experimental demonstra que o modo Expedited alcança tempos de reação pelo menos 3,2 vezes menores que a deliberação padrão do Jason, enquanto o modo Bypass apresenta tempos pelo menos 5,6 vezes menores em comparação com o Jason padrão. Em ambos os modos, Expedited e Bypass, essas melhorias tornam-se significativamente mais expressivas à medida que a carga de trabalho do agente aumenta. As melhorias introduzidas pela EB2A e pelo PAFH-BDI acrescentam menos de 10% de sobrecarga de CPU (~1,2 pontos percentuais absolutos; ~9,3 % relativos) e sobrecarga de memória desprezível, permitindo respostas de missão mais previsíveis sob restrições de segurança. Paralelamente às contribuições relacionadas à responsividade e à segurança, esta tese também investigou o uso prático de agentes BDI para coordenar equipes de UAVs autônomos em missões dinâmicas. Essa linha secundária de pesquisa apresenta técnicas aprimoradas de programação orientada a agentes e uma biblioteca de gerenciamento de missões que oferece suporte à execução de múltiplas missões, à coordenação e à escalabilidade em aplicações robóticas do mundo real, validadas em cenários simulados de combate a incêndios. De forma geral, esta tese demonstra como agentes BDI podem ser sistematicamente adaptados para operar de maneira responsiva, sensível à prioridade e alinhada às boas práticas e normas de projeto, tornando-se mais adequados ao controle de sistemas autônomos críticos em termos de segurança. Dessa forma, reduz-se a lacuna entre o raciocínio simbólico explicável e as exigências de resposta em tempo hábil impostas por aplicações reais. Embora a abordagem proposta tenha sido avaliada no contexto de UAVs, ela é, por concepção, de propósito geral e espera-se que possa ser adaptada de maneira simples a outros sistemas robóticos autônomos.

Abstract: Belief?Desire?Intention (BDI) agents are widely regarded as an effective and transparent paradigm for controlling autonomous systems, offering structured decision-making, explainability, and suitability for formal analysis. These properties make BDI agents attractive for safety-critical cyber-physical systems such as unmanned aerial vehicles and mobile robots. However, conventional BDI frameworks often exhibit unbounded and highly variable reaction times under realistic workloads, which can compromise their ability to respond to time-critical events and to reliably trigger fail-safe behaviours. This thesis addresses the challenge of reconciling the deliberative, explainable nature of BDI agents with the strict responsiveness and safety requirements of real-world autonomous systems. The primary research contribution is a unified framework that enhances BDI agents with expedited and priority-aware fail-safe handling mechanisms, while preserving their symbolic reasoning structure and deployability. First, the thesis introduces the Expedited BDI Agent Architecture (EB2A), which augments the standard BDI reasoning cycle with a lightweight expedited reasoning stage dedicated to handling critical perceptions. EB2A significantly reduces perception-to-action reaction times and mitigates the exponential latency growth observed in standard BDI execution, achieving near-constant response times even under increasing deliberation load. Building on this foundation, the thesis proposes the Priority-Aware Failsafe Handler for BDI agents (PAFH-BDI). PAFH-BDI extends expedited reasoning with a priority-aware perception framework that classifies events according to their operational criticality and deterministically selects appropriate reactions when multiple critical events occur. The framework supports three operational modes?Bypass, Expedited, and Standard?allowing catastrophic events to bypass deliberation entirely, while less critical events retain agent-level reasoning. The proposed architectures are implemented as modular, extensions to the Jason BDI platform and integrated with the Robot Operating System (ROS) using established agent middleware interfaces. Extensive evaluation is conducted through benchmarks, software-in-the-loop simulations, and on an Unmanned Aerial Vehicle (UAV), demonstrating substantial improvements in responsiveness, more predictable handling of concurrent critical events, and low computational overhead. Experimental evaluation shows Expedited Mode achieving at least 3.2× faster reaction times than standard Jason deliberation, while Bypass mode achieved at least 5.6x faster times when compared to standard Jason. In both Expedited and Bypass modes these improvements in reaction times increase significantly during high agent workload. The improvements of EB2A and PAFH-BDI introduces less than 10% CPU overhead (~1.2 percentage points absolute; ~9.3% relative) and negligible memory overhead, enabling more predictable mission responses under safety-critical constraints. In parallel with the responsiveness and safety contributions, the thesis also investigated the practical use of BDI agents for coordinating teams of autonomous UAVs in dynamic missions. This secondary research line introduces enhanced agent-oriented programming techniques and a mission-management library that support multi-mission execution, coordination, and scalability in real-world robotic applications, validated in simulated firefighting scenarios. Overall, this thesis demonstrates how BDI agents can be systematically adapted to operate as responsive, priority-aware, and standards-aligned design practices and be better suited for controlling safety-critical autonomous systems, bridging the gap between explainable symbolic reasoning and timely operational demands. Although the proposed approach is evaluated in the context of UAVs, it is general by design and expected to be simple to adapt to other autonomous robotic systems.