Prove, non slide.

5M+ frame video gastrointestinali, pretraining self-supervised

• Self-Supervised Learning
• PyTorch
• Medical Imaging
• Vision Transformers

Contesto

Un IRCCS aveva bisogno di un foundation model per il rilevamento di polipi in endoscopia, addestrato su oltre 5 milioni di frame video gastrointestinali.

Vincoli

Conformità GDPR rigorosa e vincoli di NDA, tetti di costo per le GPU cloud e la necessità di esperimenti riproducibili su diverse architetture.

Cosa ho fatto

Ho progettato la strategia di pretraining SSL (masked image modelling con self-distillation in stile DINOv3), costruito la pipeline di ingestione dati cloud e impostato il tracking degli esperimenti e i protocolli di fine-tuning per classificazione, segmentazione e detection.

Risultato

Una pipeline di foundation model riproducibile su oltre 5M di frame, con data governance progettata pensando ai futuri requisiti EHDS e un percorso verso la validazione clinica e l'inferenza edge.

Tempo reale su Jetson tracking e stima distanze on-device, eventi di zona MQTT

• NVIDIA Jetson
• Computer Vision
• PyTorch
• YOLO

Contesto

Un sistema a soffitto per monitorare l'occupazione e la distanza tra le persone, attivando segnali luminosi in caso di violazioni.

Vincoli

Inferenza in tempo reale su NVIDIA Jetson, stima accurata delle distanze da una singola telecamera dall'alto, occlusioni minime a 3-6 m di altezza.

Cosa ho fatto

Ho costruito una pipeline compatta di detection e tracking, calibrato la telecamera e applicato l'omografia per proiettare le rilevazioni sul piano del pavimento, pubblicando gli eventi di zona via MQTT.

Risultato

Un deployment edge funzionante che esegue tracciamento delle persone, stima delle distanze e illuminazione via MQTT su hardware vincolato.

Deployment in produzione navigazione a copertura ROS2 / Nav2 su una lavasciuga commerciale

• ROS2
• Nav2
• SLAM
• Lidar

Contesto

Una lavasciuga industriale con operatore a bordo aveva bisogno di uno stack di navigazione autonoma per grandi strutture come magazzini, spazi retail e aeroporti.

Vincoli

Robustezza a pavimenti riflettenti, ostacoli speculari e illuminazione mista; comportamento sicuro per le persone; percorsi di copertura ripetibili; flussi operativi semplici.

Cosa ho fatto

Ho sviluppato lo stack di navigazione ROS2/Nav2 (SLAM, localizzazione e pianificazione dei percorsi di copertura) e l'ho validato in simulazione (CoppeliaSIM) e sulla piattaforma reale.

Risultato

Navigazione autonoma affidabile, con percorsi di copertura ripetibili e movimento fluido e sicuro in ampi ambienti interni.

+9% affidabilità di presa bin-picking industriale, nei prodotti rc_visard e rc_cube

• Computer Vision
• Stereo Vision
• C++
• ROS2

Contesto

I prodotti di percezione stereo di Roboception alimentano il pick-and-place industriale. Il grasping doveva diventare più affidabile in condizioni reali di fabbrica.

Vincoli

Illuminazione e disordine difficili in fabbrica, budget di latenza stretti e comportamento deterministico e pronto alla produzione per i team di integrazione.

Cosa ho fatto

Ho progettato e implementato il software core in C++/Python per rc_visard e rc_cube, migliorato la generazione e la validazione delle prese nel componente rc_reason e ottimizzato il flusso dati dalla percezione alla pianificazione.

Risultato

Cicli di pick-and-place più rapidi e proposte di presa più stabili con illuminazione e disordine difficili, migliorando l'affidabilità della presa del 9%.

12+ servizi su un nodo k3s delivery Helm reversibile e health-gated con rollback automatico

• Kubernetes (k3s)
• Helm
• Caddy
• CI/CD
• PostgreSQL

Contesto

Un VPS Linux personale che ospita oltre una dozzina di servizi (analytics, automazione, CRM, dashboard, web app), migrati su un cluster Kubernetes (k3s) single-node, ciascuno pacchettizzato come Helm chart.

Vincoli

Cutover reversibili e senza downtime; database stateful con migrazione dati a caldo; rollback automatico; ripristino da incidenti in produzione, tutto su un singolo nodo.

Cosa ho fatto

Ho scritto Helm chart (Deployment, Service, ConfigMap, Secret, PersistentVolume, init-container, probe di readiness/liveness/startup), costruito delivery health-gated con `helm upgrade --atomic` e immagini pinnate per digest, e gestito rotazione credenziali a caldo e debugging di incidenti (self-healing OOM).

Risultato

Una piattaforma reversibile e auto-riparante con Caddy come edge TLS, accesso zero-trust Cloudflare e upgrade attended backup-first per i dati stateful.

Studio utente ROS2 multi-macchina pubblicato IEEE: TIAGo bi-manuale con sguardo sincronizzato

• HRI
• MoveIt
• ROS2
• Motion Planning

Contesto

Uno studio di ricerca alla TU Wien su come il comportamento non verbale di un robot renda leggibili le sue intenzioni in un compito collaborativo.

Vincoli

Movimento sicuro e privo di collisioni vicino alle persone; coordinazione temporale precisa di testa e braccio; un disegno sperimentale within-subject controllato.

Cosa ho fatto

Ho costruito il motore di interazione sul robot bi-manuale TIAGo con pianificazione MoveIt, controllo sincronizzato dello sguardo e macchine a stati ROS, e ho condotto lo studio con gli utenti.

Risultato

Il comportamento coordinato di sguardo e braccio ha migliorato in modo misurabile la chiarezza delle intenzioni, il coinvolgimento e la fluidità (pubblicato, IEEE).