PULP-Dronet

Navigazione visiva per nanodroni con inferenza CNN a bordo di un processore PULP.

Licenza

Apache 2.0

I file del repository sono Apache-2.0. Il dataset PULP-Dronet v3 (zenodo.org/records/13348430) è CC BY-NC-SA 4.0, quindi è per uso non commerciale. I moduli esterni mantengono le proprie licenze, descritte nel file LICENSE_README.md del repository. Verificato il 2 nov 2026.

Panoramica

PULP-Dronet è un motore di navigazione visiva basato sul deep learning che consente la navigazione autonoma di quadricotteri tascabili in ambienti mai visti prima. Sviluppato dall'ETH di Zurigo e dall'Università di Bologna, questo sistema esegue tutti i calcoli di IA interamente a bordo usando il processore a bassissimo consumo PULP (Parallel Ultra-Low-Power), con PULP-Dronet v2 che funziona entro 35-102 mW a 9-17 fotogrammi/s e Tiny-PULP-Dronet v3 che raggiunge 139 fotogrammi/s.

Il progetto si è evoluto in tre versioni (v1, v2, v3), ognuna delle quali ha migliorato prestazioni e capacità. L'ultima versione supporta un'IA multi-task con compiti di percezione simultanei. Il design hardware è stato commercializzato da Bitcraze come AI-deck, rendendo questa ricerca accessibile a hobbisti e ricercatori di tutto il mondo.

Tra i risultati principali ci sono 6 articoli IEEE pubblicati che documentano l'evoluzione dal 2019 a oggi, dimostrando l'evitamento delle collisioni con ostacoli sia statici sia dinamici, la navigazione autonoma basata sulla visione e l'impiego efficiente di CNN su sistemi embedded con risorse limitate.

PULP-Dronet dimostra che un deep learning sofisticato può girare su processori a bassissimo consumo, rendendo possibili nanodroni davvero autonomi. Il sistema usa l'apprendimento end-to-end per mappare direttamente le immagini della telecamera in comandi di sterzata, evitando gli ostacoli in tempo reale senza alcuna infrastruttura esterna.

Perché è importante

PULP-Dronet dimostra che il deep learning può girare direttamente su processori a bassissimo consumo, rendendo possibile la navigazione autonoma su droni minuscoli che pesano appena 50 grammi. Questo lavoro dell'ETH di Zurigo spinge oltre i limiti di ciò che è possibile con l'edge AI nella robotica.

Il problema che risolve

I droni autonomi richiedono in genere piattaforme grandi con computer potenti. PULP-Dronet mostra che la navigazione basata su reti neurali può girare su processori nell'ordine dei milliwatt, rendendo possibile il volo autonomo su droni abbastanza piccoli da volare in sicurezza al chiuso.

Punti chiave

• Navigazione visiva autonoma su quadricotteri tascabili (~10cm, ~50g)
• Inferenza di deep learning su processore PULP a bassissimo consumo
• Naviga in ambienti mai visti prima usando solo una telecamera
• Nessun GPS né infrastruttura esterna necessari
• Apprendimento end-to-end, dalla raccolta dei dati all'impiego a bordo

A chi si rivolge

• Ricercatori di edge AI e tiny ML per la robotica
• Sviluppatori di droni che esplorano la navigazione autonoma
• Team che costruiscono droni per ispezione o monitoraggio in ambienti chiusi
• Studenti che studiano il deep learning embedded

Limiti

• Il processore a bassissimo consumo limita la complessità del modello
• Le capacità di navigazione sono basilari rispetto ai sistemi di droni di dimensioni normali
• Richiede una specifica piattaforma hardware PULP
• Limitato alla navigazione visiva: nessun evitamento degli ostacoli oltre il comportamento appreso
• L'applicazione di volo si compila solo con il tag 2022.01 del firmware Crazyflie, con GAP SDK 3.9.1 su Ubuntu 20.04. Il progetto originale avverte che non c'è compatibilità con il firmware Crazyflie più recente.