ROBOTICA ASSISTIVA E NAVIGAZIONE INDOOR: ANALISI E VALIDAZIONE DI ALGORITMI SLAM A SUPPORTO DI UTENTI NON VEDENTI

Il lavoro di tesi, inserito nell'ambito della robotica assistiva, affronta il problema della navigazione indoor autonoma di Robot Mobili Autonomi (AMR) a supporto della mobilità di utenti non vedenti, ponendo il focus sull'analisi e la validazione di algoritmi SLAM in ambienti privi di infrastrutture (infrastructure-less). Il nucleo della ricerca consiste in un'analisi comparativa tra tre algoritmi di localizzazione e mappatura simultanee (SLAM) integrati nel middleware ROS 2 Humble: Google Cartographer, Slam Toolbox (approccio geometrico 2D tramite LiDAR) e RTAB-Map (approccio visivo 3D tramite telecamera RGB-D). Il sistema è stato sviluppato e validato nel simulatore fisico Gazebo mediante l'implementazione del Gemello Digitale (Digital Twin) di una piattaforma TurtleBot3 Waffle. Lo studio esplora infine l'integrazione di tecniche di Deep Reinforcement Learning (DRL) con mappe dei costi stratificate (Layered Costmaps) per l'ottimizzazione delle traiettorie e l'evitamento di ostacoli dinamici, al fine di individuare la configurazione software più adatta per il progetto assistivo B.O.S.S. (Blind Oriented Suggester System).