ADAPT: An Autonomous Forklift for Construction Site Operation

Questo articolo presenta ADAPT, un carrello elevatore fuoristrada completamente autonomo che integra la percezione guidata dall'IA con i metodi di controllo tradizionali per navigare in complessi ambienti di costruzione, dimostrando attraverso estesi test nel mondo reale di poter raggiungere prestazioni quasi umane nella movimentazione dei materiali in varie condizioni meteorologiche.

L'essenziale

Immaginate un cantiere come una pista da ballo caotica e fangosa dove materiali pesanti devono essere spostati dai camion a punti specifici. Di solito, un conducente umano siede su un carrello elevatore, socchiudendo gli occhi attraverso la polvere e la pioggia, cercando di indovinare dove posizionare le forche. Questo è faticoso, lento e pericoloso.

Questo articolo presenta ADAPT, un "carrello elevatore robotico" progettato per fare questo lavoro da solo, anche quando il terreno è irregolare e il tempo è brutto. Pensate ad ADAPT non come a un rigido robot da magazzino, ma come a un intelligente camion fuoristrada capace di pensare, vedere e guidare da solo attraverso una zona di cantiere disordinata.

Ecco come funziona ADAPT, suddiviso in parti semplici:

1. Il Corpo: Un camion robusto con un cervello

ADAPT non è una nuova macchina costruita da zero; è un normale carrello elevatore montato su camion ad uso intensivo (il Palfinger BM154) che gli è stato dato un "cervello" e dei "nervi".

• I Nervi (Sensori): Invece di occhi, ha una serie di sensori. Utilizza il LiDAR (come il sonar di un pipistrello, ma con i laser) per vedere la forma del mondo in 3D, telecamere stereo (come gli occhi umani) per individuare i pallet, e il GPS per sapere dove si trova su una mappa.
• Il Cervello (Computer): Possiede un computer robusto che elabora tutti questi dati istantaneamente. È come avere un co-pilota che non si stanca mai, non batte ciglio e calcola il percorso più sicuro in millisecondi.

2. Gli "Occhi": Vedere attraverso il caos

I cantieri sono disordinati. I pallet non sono allineati ordinatamente; sono sparsi, a volte coperti di sporco e il terreno è sconnesso.

• Trovare i Pallet: ADAPT utilizza un particolare "detective AI" addestrato su milioni di immagini generate al computer. Guarda il mondo attraverso le sue telecamere e dice: "Quello è un pallet di legno!". Capisce esattamente dove si trova il pallet e come sia inclinato, anche se è parzialmente nascosto.
• La Mappa "Magica": Per sapere se può passare sopra una pila di ghiaia o una pozzanghera, ADAPT costruisce una mappa 2.5D. Immaginate una mappa topografica che non sa solo dove si trovano le cose, ma anche quali sono sicure da attraversare e quali sono zone "proibite". Aggiorna costantemente questa mappa mentre guida, ricordando dove si trovavano gli ostacoli e dove si sono spostati.

3. La "Memoria": Sapere dove si trova ogni cosa

Una delle parti più difficili nel guidare in un cantiere è che il segnale GPS può diventare instabile e il terreno può spostarsi.

• Il Factor Graph: Il documento descrive un trucco matematico intelligente chiamato "factor graph". Immaginate una grande rete che collega la posizione del carrello elevatore, il GPS e i pallet che vede. Se il segnale GPS oscilla, la rete si stringe attorno ai pallet che vede per mantenere il carello elevatore in pista. È come aggrapparsi a un corrimano quando il pavimento trema; il carrello elevatore usa i pallet come ancore per rimanere preciso.
• Il Risultato: Anche se il segnale GPS cade per un momento, il robot sa esattamente dove si trova rispetto al pallet che sta cercando di prelevare.

4. Le "Mani": Sollevare il carico

Una volta trovato un pallet, ADAPT deve afferrarlo. Questa è la parte complicata.

• Il "Tatto": Il carrello elevatore ha speciali sensori di pressione sulle forche. È come avere dita sensibili. Quando le forche toccano il pallet, il robot sa esattamente quando smettere di spingere. Non tira a indovinare; sente il contatto.
• L'Approccio: Utilizza una tecnica di "visual servoing". Immaginate un videogioco in cui dovete allineare perfettamente un cursore per colpire un bersaglio. ADAPT regola costantemente la sua posizione in base a ciò che vede la telecamera finché le forche non scivolano perfettamente nei buchi del pallet.

5. Il "Guardiano della Sicurezza": Fermarsi prima di un incidente

I cantieri sono pieni di sorprese: altri camion, operai e cani.

• Il "Vedetta": ADAPT ha un sistema di sicurezza dedicato che scansiona il percorso davanti a sé. Se vede qualcosa che si muove (come una persona o un escavatore) che potrebbe incrociare il suo cammino, non cerca di sterzare per evitarlo come farebbe un essere umano. Invece, frena e aspetta.
• Il Supporto Umano: Il sistema non è ancora perfetto. Se il robot si blocca o si confonde, un operatore umano può intervenire, risolvere la situazione e poi il robot riprende il controllo senza problemi. È come un'auto a guida autonoma che chiede aiuto a un passeggero quando si perde, per poi continuare a guidare una volta che il passeggero l'ha indicata la strada.

Il Grande Test: Robot contro Umano

I ricercatori non si sono limitati a costruire il robot; lo hanno messo alla prova. Hanno confrontato ADAPT con un conducente di carrello elevatore umano con 20 anni di esperienza.

• Il Verdetto: In varie condizioni meteorologiche (inclusa la pioggia), ADAPT si è comportato quasi come l'esperto umano. È stato affidabile, sicuro ed efficiente.
• La Conclusione: Il documento conclude che siamo vicini a un futuro in cui i robot possono gestire il lavoro sporco, pericoloso e noioso di spostare materiali nei cantieri, rendendo il lavoro più sicuro per gli umani e il processo più efficiente.

In breve: ADAPT è un carrello elevatore robusto e a guida autonoma che utilizza laser, telecamere e matematica intelligente per navigare in un cantiere disordinato, trovare pallet sparsi, prelevarli in sicurezza e consegnarli — il tutto tenendo d'occhio l'ambiente circostante per evitare incidenti. È un robot che può lavorare nella pioggia e nel fango, proprio come un essere umano, ma senza stancarsi mai.

Sommario tecnico

Sintesi Tecnica: ADAPT – Un Carrello Elevatore Autonomo per Operazioni in Cantieri Edili

Definizione del Problema

La logistica efficiente dei materiali è fondamentale per controllare costi e tempistiche nel settore delle costruzioni, eppure la movimentazione manuale rimane soggetta a inefficienze, ritardi e rischi per la sicurezza. Sebbene i sistemi autonomi abbiano raggiunto la maturità in ambienti strutturati (ad es. magazzini) e in specifici settori all'aperto (ad es. estrazione mineraria di superficie, agricoltura), l'impiego di carrelli elevatori autonomi nei cantieri presenta sfide uniche. A differenza degli ambienti controllati, i cantieri sono non strutturati, caratterizzati da ostacoli dinamici, terreni irregolari e condizioni meteorologiche variabili. Inoltre, il settore affronta una carenza di lavoratori qualificati e alti rischi per la sicurezza, con incidenti legati alla movimentazione dei materiali che contribuiscono significativamente a decessi e costi. La ricerca esistente sulla macchina da costruzione autonoma spesso manca di valutazioni complete nel mondo reale di interi cicli di carico o della capacità di operare in modo robusto in ambienti esterni non strutturati senza sistemi di guida predefiniti.

Metodologia

Il documento presenta ADAPT (Autonomous Dynamic All-terrain Pallet Transporter), un carrello elevatore fuoristrada autonomo progettato per operare in ambienti di costruzione non strutturati senza la necessità di infrastrutture predefinite. Il sistema integra la percezione guidata dall'IA con metodologie tradizionali di decisione, pianificazione e controllo.

Architettura del Sistema

• Piattaforma Hardware: Basata sul carrello elevatore montato su camion Palfinger BM154, un veicolo a trazione integrale e articolato centralmente. È stato modificato con un'architettura di elaborazione distribuita comprendente un PLC B&R X90 per il controllo della sicurezza e dell'attuazione di basso livello, e un PC industriale (IPC) robusto per la percezione e la pianificazione di alto livello.
• Suite di Sensori: Il sistema utilizza una configurazione multi-sensore che include:
  • RTK-GNSS (Septentrio mosaic-H): Per la localizzazione globale con precisione centimetrica.
  • LiDAR: Un Ouster OS1-64 a campo ampio per la mappatura e il rilevamento degli ostacoli; un Livox Mid-70 a campo stretto per il rilevamento di oggetti nella direzione delle forche e del bordo del camion; e un LiDAR 2D Sick picoScan150 per la precisione a corto raggio.
  • Telecamera Stereo (ZED 2i): Centrale per il rilevamento dei pallet e la stima della posa.
  • Propriocezione: Encoder delle ruote, potenziometri lineari per il giunto centrale e sensori di pressione per il feedback idraulico.

Percezione e Localizzazione

• Localizzazione del Giunto e Mappatura dei Pallet: Il sistema impiega un framework di ottimizzazione basato su factor-graph (utilizzando iSAM2) per stimare congiuntamente la posa del carrello elevatore e le pose dei pallet. Questo approccio fonde odometria, GNSS e rilevamenti dei pallet. Diversamente dalla SLAM standard che si basa su caratteristiche naturali, questo metodo opera a un livello superiore utilizzando le pose degli oggetti (posizioni dei pallet) come landmark, consentendo un'operazione robusta anche con segnali GNSS degradati.
• Mappatura della Traversabilità: Una mappa di elevazione 2.5D viene generata dai dati LiDAR attraverso un processo in tre fasi (analisi della singola scansione, aggregazione di voxel 3D e generazione della mappa di elevazione). Questa mappa distingue tra terreno percorribile, ostacoli e pendeni, fondamentale per prevenire ribaltamenti su terreni irregolari.
• Rilevamento dei Pallet e Stima della Posa: Il sistema utilizza una rete neurale basata sulla geometria e addestrata sinteticamente per rilevare i pallet Euro e stimare la loro posa 6D dai dati stereo di profondità. La pipeline di addestramento genera oltre 150.000 coppie di immagini stereo sintetiche per minimizzare il gap sim-to-real. La stima della posa utilizza un modello a costellazione di parti e un passaggio di raffinamento basato sulle misurazioni di profondità stereo all'origine del pallet.
• Rilevamento Ostacoli: Un sistema a rapida reazione, basato su frame sensoriali, utilizza il clustering DBSCAN sulle nuvole di punti LiDAR per rilevare ostacoli statici e dinamici. Utilizza un paradigma di tracking-by-detection con filtri di Kalman per prevedere le traiettorie e valutare i rischi di collisione, attivando arresti di emergenza se una collisione è imminente.

Pianificazione e Controllo

• Pianificazione dei Compiti: Un framework Behavior Tree (BehaviorTree.CPP) gestisce l'esecuzione dei compiti di alto livello, inclusi la ricerca dei pallet, la selezione dei target, l'avvicinamento, il carico, la navigazione verso le corsie e lo scarico. Ciò fornisce modularità e reattività alle condizioni dinamiche.
• Pianificazione del Movimento e Controllo: Il sistema utilizza un pianificatore Hybrid A* con una configurazione Reeds-Shepp per la pianificazione del percorso, adattata per la cinematica del veicolo articolato centralmente. Un controllore di inseguimento della traiettoria basato su Lyapunov garantisce un preciso seguito della traiettoria.
• Accoppiamento (Docking): L'aggancio preciso del pallet è ottenuto tramite visual servoing, integrando le misurazioni della telecamera di profondità e del LiDAR per regolare dinamicamente le forche durante l'approccio finale.

Contributi Chiave

1. Sviluppo di un Carrello Elevatore Fuoristrada Autonomo: Un sistema completo capace di operazioni di carico e scarico in ambienti esterni non strutturati, dimostrando prestazioni vicine a quelle umane in varie condizioni meteorologiche, inclusa un'operazione robusta sotto pioggia da debole a moderata.
2. Nuova Ottimizzazione Basata su Factor-Graph: Un framework di ottimizzazione congiunta per la precisa localizzazione del veicolo e la mappatura dei pallet, progettato specificamente per migliorare l'accuratezza della manipolazione degli oggetti nelle attività di carico dei pallet trattando i pallet come feature di mappa di alto livello.
3. Innovativo Misuratore di Contatto delle Forche: Un sistema che utilizza il feedback di pressione per aumentare la robustezza della manipolazione e la sicurezza operativa mantenendo l'efficacia dei costi.
4. Valutazione Completa delle Prestazioni: Un'analisi quantitativa dettagliata che confronta il sistema autonomo con un operatore umano esperto (con oltre 20 anni di esperienza) in ambienti reali all'aperto, valutando l'efficienza operativa, la robustezza e la frequenza degli interventi umani.

Risultati

Il sistema è stato validato attraverso estesi test nel mondo reale in un cantiere.

• Accuratezza della Localizzazione: In scenari privi di GNSS (simulati disabilitando il GNSS dopo l'inizializzazione), la fusione dell'odometria con i rilevamenti online dei pallet ha ridotto l'Errore Quadratico Medio (RMSE) della posizione media tra carrello e pallet del 65% (da 0,182 m a 0,064 m) rispetto alla sola odometria.
• Stima della Posa: Il sistema di stima della posa del pallet ha raggiunto un'accuratezza sufficiente per l'inserimento delle forche, con errori che diminuivano al diminuire della distanza dal sensore.
• Prestazioni Operative: L'analisi comparativa con l'operatore umano ha dimostrato che il carrello elevatore autonomo può operare con prestazioni quasi umane. Il sistema ha completato con successo i cicli di carico e scarico in varie condizioni meteorologiche.
• Intervento Umano: Sebbene non sia stata raggiunta l'affidabilità operativa al 100%, il sistema è stato progettato con un concetto di interazione uomo-macchina fluido. I lavoratori umani potevano intervenire per motivi di sicurezza o operativi, dopodiché l'operazione autonoma riprendeva regolarmente.

Significato e Rivendicazioni

Il documento sostiene che ADAPT offre una via percorribile verso una logistica di cantiere più sicura ed efficiente, affrontando le sfide specifiche degli ambienti esterni non strutturati. Gli autori sottolineano che il loro lavoro colma il divario tra l'automazione indoor matura e le condizioni esigenti dei cantieri. Dimostrando che i carrelli elevatori autonomi all'aperto possono raggiungere prestazioni paragonabili a quelle di operatori umani esperti, lo studio suggerisce che l'automazione è una soluzione fattibile per la carenza di manodopera e i rischi per la sicurezza nell'industria delle costruzioni. Il documento conclude che, sebbene la piena autonomia in tutte le condizioni non sia ancora una realtà, l'integrazione della percezione guidata dall'IA con i metodi di controllo classico, combinata con un robusto concetto di sicurezza human-in-the-loop, consente un'operazione affidabile in ambienti complessi e dinamici.