Integrazione Sensoriale di Robot Umanoide Unitree G1

La robotica umanoide rappresenta uno dei campi di ricerca ed applicazione più avanzati della meccatronica, dove l’autonomia operativa in ambienti strutturati nativamente per l’essere umano dipende criticamente dalla percezione e comprensione spaziale e semantica dell’ambiente. Il presente elaborato tratta l’integrazione sensoriale sulla piattaforma robotica umanoide Unitree G1 EDU, focalizzandosi su due ambiti fondamentali: il riconoscimento e classificazione di oggetti in tempo reale (Object Detection Live) e la localizzazione e mappatura tridimensionale simultanea (SLAM). Per quanto riguarda l’Object Detection Live, il compito di elaborazione visiva è affidato alla telecamera RGB-D Intel RealSense D435i in dotazione al robot ed al modello di rete neurale convoluzionale Ultralytics YOLO11. Sfruttando la piattaforma web-based Roboflow, è stato creato, annotato ed elaborato da zero un dataset dedicato ad oggetti target di varia dimensione, forma e colore. Adottando una metodologia iterativa, lo sviluppo si è articolato in tre sessioni di addestramento della rete neurale, permettendo di ridurre progressivamente le criticità di ambiguità geometrica ed i Falsi Positivi indotti da elementi di disturbo sullo sfondo. Il modello addestrato finale garantisce buone prestazioni di accuratezza e sensibilità unite a minime latenze computazionali durante le prove sperimentali in tempo reale. Per la parte di SLAM e navigazione autonoma, l’integrazione fa uso del sensore LiDAR Livox Mid-360, anch’esso in dotazione al robot umanoide. Attraverso la ricostruzione dell’ambiente circostante mediante nuvola di punti (point cloud), si può redigere uno studio sul suo utilizzo per permettere la localizzazione e la navigazione autonoma del robot umanoide attraverso dei punti di passaggio (waypoint) di interesse. Inoltre si sperimenta e discute la fase di post-processing della point cloud mediante filtraggio statistico ottenendo risultati eccellenti. Infine, l’architettura software realizzata su sistema operativo Ubuntu 22.04 e middleware ROS 2 Humble dimostra come la sinergia tra la navigazione globale basata sul LiDAR ed il riconoscimento semantico visivo a corto raggio tramite telecamera RGB-D costituisca la base necessaria per sviluppare future operazioni complesse di evitamento dinamico di ostacoli, manipolazione fine e grasping.