Il Team di Robotica Subacquea a RAMI2023. Simone Tani vince il Best Poster Award

Il riconoscimento per il lavoro sull'ispezione di strutture subacquee tramite veicoli autonomi.

Il Team ERGO (T'immergo, perché i nostri robotici subacquei non mancano di spirito) ha partecipato alla seconda edizione di RAMI (Robotics for Asset Maintenance and Inspection Marine Robots) con il robot Zeno, in dotazione ai laboratori CrossLab del DII.
La manifestazione, che ha visto sfidarsi diversi veicoli subacquei autonomi in compiti di ispezione e manutenzione si è tenuta al Centro CMRE della NATO (Centre for Maritime Research and Experimentation) a La Spezia, nell'ambito del progetto Europeo METRICS.

Il Team, coordinato dai docenti di robotica subacquea Riccardo Costanzi e Andrea Munafò, era capitanato da Francesco Ruscio, dottorato di recente nel programma PhD Smart Industry, e includeva Simone Tani, Lucrezia Bernacchi, Matteo Bresciani e Alessandro Gentili.

Simone Tani è risultato vincitore del Best Poster Award, con un lavoro sull' ispezione di strutture subacquee mediante veicoli subacquei autonomi (AUV). Lo scopo della ricerca è mettere in grado un  AUV di eseguire un'ispezione visiva del target di interesse in completa autonomia e senza alcuna conoscenza a priori del target stesso. La medesima ricerca è stata presentata alla conferenza IEEE/MTS Oceans 2023 – Limerick.

In particolare, nell'approccio proposto, il robot è equipaggiato con un payload ottico frontale e deve eseguire un monitoraggio del target muovendosi lateralmente con una velocità predefinita e mantenendo il payload ottico sempre puntato verso il target. Per concludere l'ispezione nel modo desiderato, il robot deve quindi essere in grado di stimare la sua velocità laterale e la sua orientazione rispetto all'oggetto da ispezionare.

In questo contesto, il lavoro propone un confronto tra approcci di visione monoculare e stereo per la stima della velocità laterale del veicolo e dell'orientazione relativa tra robot e superficie da ispezionare. Nello specifico, gli approcci comparati sono due strategie di visual odometry (una strategia monoculare ed una stereo), il cui codice sorgente è anche reso disponibile online per favorire le interazioni tra ricercatori sul tema (https://github.com/team-ergo-unipi/ergo_uvo).

I due approcci sono stati comparati utilizzando un dataset di immagini reali acquisito pilotando il veicolo subacqueo Zeno durante l'ispezione della banchina portuale situata presso il SEALab (il laboratorio congiunto tra ISME e CSSN) di La Spezia. Il dataset è stato elaborato in post processing, ed i risultati ottenuti suggeriscono la fattibilità di entrambe le strategie. La strategia stereo risulta particolarmente affidabile per la stima dell'orientazione relativa, mentre la strategia mono fornisce delle stime di velocità laterale molto precise. Per questo motivo, il prossimo step consisterà nell'integrazione delle strategie all'interno dell'architettura del veicolo Zeno e nella realizzazione di test online.

Il poster è disponibile qui