Progettazione di un sistema robotico per l’ispezione interna delle tubazioni (IPIRS) con integrazione YOLOv8–LSTM per la navigazione in tempo reale all’interno delle tubazioni

Robot all’interno delle tubazioni

Ogni giorno vaste reti di condotte interrate trasportano silenziosamente il petrolio, il gas e l’acqua di cui la vita moderna dipende. Molte di queste tubazioni sono invecchiate, difficili da raggiungere e pericolose da ispezionare manualmente. Questo studio presenta un nuovo tipo di robot — abbastanza piccolo da strisciare all’interno delle tubazioni — che utilizza una visione avanzata a telecamera e software predittivo per guidarsi attraverso curve, deviazioni e giunzioni individuando i problemi prima che diventino disastri.

Perché ispezionare l’interno delle tubazioni è così difficile

Le condotte nascoste si estendono per centinaia di chilometri sotto strade, campi e fabbriche. Col tempo possono corrodersi, creparsi o intasarsi, provocando perdite, rotture o ostruzioni. I controlli tradizionali si basano su operatori che calano telecamere o apparecchiature nei pozzetti, un lavoro lento e rischioso che comunque non rileva molti guasti. I primi robot per tubazioni hanno migliorato la sicurezza ma faticavano con curve strette e diametri variabili. Le loro ruote potevano slittare, si inceppavano alle giunzioni e le loro telecamere elementari non riuscivano a interpretare quanto vedevano in modo sufficiente per guidarsi o avvisare precocemente gli operatori di problemi emergenti.

Un robot flessibile progettato per spazi ristretti

I ricercatori hanno progettato un sistema robotico per ispezione interna delle tubazioni, o IPIRS, pensato appositamente per tubi stretti con diametro compreso tra 10 e 15 centimetri. Il corpo del robot è costituito da quattro moduli corti collegati da giunti a molla. Questi giunti premono delicatamente le ruote contro le pareti della tubazione, aiutando il robot ad aderire quando il tubo curva o il suo diametro cambia. I moduli anteriore e posteriore contengono piccoli motori che sterzano e regolano la postura del robot, consentendogli di affrontare curve strette e giunzioni a T. A bordo, una telecamera con sensore di profondità guarda avanti mentre un sensore di movimento registra come il robot si inclina, ruota e accelera, fornendo i dati grezzi per il suo “cervello digitale”.

Insegnare al robot a vedere e prevedere

Per trasformare le immagini grezze della telecamera in informazioni utili, il team ha utilizzato un metodo di visione moderno noto come YOLOv8. Addestrato su migliaia di immagini etichettate provenienti da simulazioni al computer realistiche, questo software può individuare istantaneamente caratteristiche chiave della tubazione come terminazioni, uscite e diverse forme di giunzione mentre il robot si muove. Nei test, ha identificato correttamente queste strutture con un’accuratezza molto elevata, raggiungendo circa il 98% su una misura standard di qualità della rilevazione e ottenendo un punteggio F1 complessivo di 0,95. Ciò significa che nella maggior parte dei casi il robot sa esattamente che tipo di caratteristica della tubazione si trova davanti e dove si trova nell’immagine.

Prevedere lo sforzo necessario per mantenere la stabilità

Vedere da solo non basta: quando il robot entra in una curva o in una sezione ramificata, le forze sui suoi giunti e sulle ruote cambiano rapidamente. Se i motori reagiscono in ritardo, il robot può vacillare, slittare o bloccarsi. Per affrontare questo problema, i ricercatori hanno aggiunto un secondo strumento di apprendimento chiamato rete LSTM che analizza brevi storici delle letture dei sensori di movimento e degli sforzi dei motori per prevedere quanta forza sarà necessaria nell’istante successivo. Questo sforzo previsto viene quindi integrato in un classico anello di controllo che posiziona i giunti, permettendo al robot di regolare sottilmente la coppia prima che compaiano i problemi. Nelle simulazioni, gli errori di previsione sono risultati estremamente piccoli, indicando che il modello poteva anticipare quanto dovessero spingere i motori per mantenere il movimento fluido.

Mettere il sistema alla prova in tubazioni virtuali

Prima di costruire l’hardware, il team ha creato un gemello digitale dettagliato di una rete di tubazioni utilizzando Robot Operating System e simulatori basati sulla fisica. L’ambiente virtuale includeva tratti rettilinei, curve, salite verticali e diversi tipi di giunzioni. Qui potevano raccogliere in sicurezza dati da telecamere e sensori, addestrare i modelli e poi eseguire prove a sistema completo. La configurazione combinata percezione–predizione ha permesso al robot di riconoscere le strutture in avvicinamento, pianificare come attraversarle e regolare postura e sforzo dei motori in tempo reale, rispettando al contempo i limiti di velocità delle ruote e di coppia. I controlli statistici hanno mostrato che sia la componente di visione sia quella di previsione si comportavano in modo affidabile su molteplici prove, nonostante alcune confusione prevedibili nelle tipologie di giunzioni più simili dal punto di vista visivo.

Cosa significa questo per tubazioni più sicure

Lo studio dimostra che abbinare un design meccanico flessibile a una visione intelligente e a un controllo predittivo può rendere i robot per tubazioni molto più capaci rispetto ai progetti precedenti. Nella simulazione, IPIRS ha navigato in layout di tubazioni complessi riconoscendo con precisione le caratteristiche strutturali e prevedendo quanto dovessero lavorare i suoi motori, una combinazione che migliora la stabilità e apre la strada a una vera autonomia. Sebbene il lavoro finora sia virtuale e le tubazioni reali aggiungano sfide ulteriori come ruggine, acqua e detriti, i risultati suggeriscono un percorso chiaro verso robot compatti per ispezione che non solo vedono i problemi all’interno delle condotte interrate ma pensano in anticipo per evitare di rimanere bloccati contribuendo a rendere più sicure le infrastrutture critiche.

Citazione: Elkholy, H., Meligy, R., Bassiuny, A.M. et al. Design of an in-pipe inspection robotic system (IPIRS) with YOLOv8–LSTM integration for real-time in-pipe navigation. Sci Rep 16, 9658 (2026). https://doi.org/10.1038/s41598-026-42181-z

Parole chiave: ispezione delle condotte, robot per tubazioni, navigazione autonoma, visione artificiale, controllo predittivo