Corso Robot Umanoidi | Progettazione End-to-End

In sintesi

Outcome concreti, non teoria

Per chi è

Sei un ingegnere meccanico o meccatronico con almeno tre anni di esperienza. Hai basi solide, hai lavorato su componenti o sottosistemi, ma quando guardi un umanoide come sistema completo senti che mancano i pezzi di connessione: come si specifica un requisito che vale per il team meccanico, quello elettronico e quello software insieme? Come si sceglie tra due architetture di attuazione quando nessuna è dominante in assoluto? Come si porta un progetto dalla simulazione al primo passo su hardware senza bruciare budget e mesi al prototipo sbagliato? Questo corso è per te se vuoi lavorare in un'azienda deep-tech, in un laboratorio di ricerca avanzata o lanciare una startup nel settore umanoide, e vuoi farlo con la competenza per guidare l'intera architettura di sistema, non solo una sua parte.

Cosa esci sapendo fare

Al termine del corso sarai in grado di: costruire il modello cinematico di una catena a 30+ gradi di libertà e risolvere la ridondanza con task-priority framework; selezionare materiali strutturali (CFRP, alluminio 7075-T6, titanio) usando indici di merito quantitativi e validare un componente con analisi FEM; dimensionare il gruppo motore-riduttore di un giunto partendo dal profilo coppia-velocità della locomozione bipede; progettare un pipeline di generazione del passo con Linear Inverted Pendulum Model e correzione MPC; configurare un ambiente sim-to-real in MuJoCo o IsaacGym con domain randomization e applicare le tecniche di transfer su hardware; integrare IMU, sensori F/T, encoder, pelle artificiale e visione in una pipeline di sensor-fusion per il controllo simultaneo di forza e bilanciamento; strutturare un'architettura di controllo a livelli con whole-body QP e specificare interfacce e frequenze di ciascun layer; acquisire una panoramica dei principali standard di riferimento (ISO 10218, ISO/TS 15066, Machinery Regulation 2023/1230) e delle loro implicazioni progettuali per ambienti condivisi; redigere un documento di specifica di sistema tracciabile, costruire una matrice di trade-off architetturale con criteri pesati e pianificare la roadmap fino al first-walk con milestone e criteri go/no-go verificabili.

Direzione scientifica

Francesco Marinuzzi, Ph.D.

Centinaia di colleghi hanno seguito corsi tenuti e/o organizzati direttamente da Francesco Marinuzzi sull'Intelligenza Artificiale negli ultimi tre anni, con ampie referenze disponibili.

Ph.D. — IngegnereResponsabile Scientifico dei corsi di IA dell'Ordine degli Ingegneri di Roma (3 anni, con CFP)Consigliere dell'Ordine degli Ingegneri di RomaDocenza AI per il procurement difesa & aerospazio

Il programma completo

12 moduli — la sostanza, per esteso

Nessuna promessa generica: ecco esattamente cosa contiene il corso.

01Il ritorno dell'umanoide: perché ora e perché così›

Classificare le architetture umanoidi contemporanee secondo criteri funzionali (locomozione, manipolazione, autonomia)
Identificare i fattori tecnologici abilitanti che hanno riaperto la finestra di fattibilità industriale della robotica umanoide
Valutare i requisiti di sistema che differenziano un umanoide da un manipolatore mobile o un quadrupede

02Cinematica del corpo umanoide›

Costruire il modello cinematico diretto e inverso di una catena cinematica ridondante a 30+ gradi di libertà tipica di un umanoide
Applicare la formulazione di Denavit-Hartenberg modificata e le alternative basate su Product of Exponentials per catene ramificate
Risolvere la ridondanza cinematica utilizzando metodi a pseudo-inversa pesata con priorità di task (task-priority framework)

03Progettazione strutturale leggera e materiali avanzati›

Applicare criteri di progettazione topologica alle strutture portanti di un umanoide (torso, link degli arti) con vincoli di rigidezza, massa e producibilità
Confrontare quantitativamente CFRP, alluminio aeronautico (7075-T6), titanio e polimeri rinforzati per i componenti strutturali critici, usando indici di merito specifici (E/ρ, σ/ρ)
Validare un componente strutturale con FEM rapido (analisi statica e modale) e iterare il design in funzione dei risultati

04Attuazione e trasmissione per il corpo umanoide›

Confrontare architetture di attuazione (SEA, quasi-direct-drive, idraulica, attuatori lineari) rispetto ai requisiti di coppia, backdrivability e densità di potenza di ciascun giunto
Dimensionare il gruppo motore-riduttore di un giunto umanoide partendo dal profilo di coppia-velocità della locomozione bipede
Valutare l'impatto della compliance meccanica e della trasparenza dell'attuatore sulla sicurezza dell'interazione e sulla qualità del controllo di forza

05Locomozione bipede: dinamica, equilibrio e generazione del passo›

Derivare le condizioni di equilibrio dinamico bipede utilizzando il Zero Moment Point (ZMP), il Capture Point e il Centroidal Momentum
Progettare un pipeline di generazione del passo basato su Linear Inverted Pendulum Model con correzione MPC in tempo reale
Analizzare strategie di recupero dell'equilibrio (ankle, hip, stepping strategy) e tradurle in specifiche di controllo per i giunti

06Sim-to-Real e Reinforcement Learning per la locomozione›

Configurare un ambiente di simulazione in MuJoCo o IsaacGym per il training di una policy di locomozione bipede, definendo modello URDF/MJCF, reward function e parametri di domain randomization
Confrontare i paradigmi di controllo model-based (MPC) e learning-based (RL) per la locomozione, identificando i contesti in cui ciascun approccio è superiore
Applicare le tecniche di sim-to-real transfer (domain randomization, system identification, teacher-student) per ridurre il reality gap nel deployment su hardware

07Manipolazione e integrazione sensoristica›

Selezionare l'architettura di end-effector (gripper sotto-attuato, mano antropomorfa, soft hand) in funzione dei task di manipolazione richiesti
Progettare una pipeline di sensor-fusion che integri IMU, F/T sensor, encoders, pelle artificiale e visione per il controllo di forza e il bilanciamento simultaneo
Implementare uno schema di controllo impedenza/ammettenza al polso compatibile con il whole-body balance del robot

08Alimentazione, gestione termica e autonomia energetica›

Dimensionare il pacco batterie di un umanoide partendo dal bilancio energetico della locomozione e della manipolazione, considerando i profili di missione tipici
Progettare la strategia di gestione termica per motori e elettronica di potenza in uno spazio confinato, valutando dissipazione passiva vs. attiva
Stimare l'autonomia operativa in diversi scenari d'uso e identificare le leve progettuali per estenderla (rigenerazione, ottimizzazione delle traiettorie, sleep mode)

09Architetture di controllo e software di sistema›

Strutturare un'architettura di controllo a livelli (task planner → whole-body QP → joint-level servo) specificando interfacce, frequenze e responsabilità di ciascun layer
Applicare la formulazione Quadratic Programming per il whole-body control con priorità di task, vincoli di contatto e limiti di coppia
Valutare framework software (ROS 2, proprietari) e middleware real-time per il deployment su hardware umanoide

10Percezione, navigazione e autonomia decisionale›

Progettare lo stack percettivo di un umanoide: visione stereo/RGB-D, LiDAR, SLAM in ambienti indoor destrutturati
Integrare la percezione con il planning: da object detection a grasp planning, da mappa 3D a footstep planning
Valutare architetture di autonomia decisionale (behavior trees, FSM gerarchiche, LLM-based task planning) e i loro limiti operativi

11Safety, normativa e interazione uomo-robot›

Applicare i requisiti della ISO 10218, ISO/TS 15066 e della Machinery Regulation 2023/1230 alla progettazione di un umanoide per ambienti condivisi
Progettare le strategie di safety meccanica (limitazione di forza intrinseca, protezioni cedevoli) ed elettronica (STO, SLS, SSM) specifiche per la morfologia umanoide
Definire le procedure di validazione e i test case per la certificazione di un umanoide collaborativo

12Dal progetto al prototipo: checklist ingegneristica e roadmap operativa›

Redigere un documento di specifica di sistema per un umanoide partendo dai requisiti di task, ambiente e safety
Costruire una matrice di trade-off per le scelte architetturali critiche (attuazione, sensoristica, software) con criteri pesati e dati quantitativi
Pianificare le fasi di sviluppo — simulazione, banco prova singolo giunto, integrazione parziale, first-walk — con milestone verificabili e criteri go/no-go

Il Modulo 1 è gratuito: provalo prima di acquistare.

Come funziona

Fruizione e attestato

Il corso si articola in 12 moduli per un totale di 180 minuti di contenuto ingegneristico denso e verticale. Ogni modulo è una video-lezione focalizzata su un sottosistema specifico o su una competenza trasversale di sistema. Il percorso segue una logica end-to-end: si parte dalle basi architetturali e dalla cinematica, si attraversano strutture, attuazione, locomozione, sim-to-real, manipolazione, energia, controllo e percezione, e si chiude con il modulo operativo su SRD, trade-off e roadmap — il collante che trasforma dodici aree di competenza in un progetto coerente. Al termine del percorso ricevi un attestato di completamento. L'accesso alla piattaforma è illimitato nel tempo: puoi rivedere i moduli in qualsiasi momento.

Referenze

Cosa dicono i colleghi

Feedback reali raccolti tra i partecipanti ai percorsi di Francesco Marinuzzi.

“Just wrapped up an eye-opening AI course! The biggest takeaway? AI isn't a "nice-to-have" hobby anymore; it's a vital tool every professional needs. It's about boosting our capabilities and future-proofing our careers. Huge thanks to Eng. Francesco Marinuzzi for clarifying how AI can become an indispensable part of our toolkit.”

Valerio Agnello · European Rail Standards Leader (NB-Rail/ERA) — Certification & Safety Assessment

Domande frequenti

Dubbi prima di iniziare

Serve esperienza pregressa in robotica umanoide?

No, ma serve una base ingegneristica solida. Il corso è classificato come avanzato e si rivolge a ingegneri meccanici o meccatronici con almeno tre anni di esperienza professionale. Se hai già lavorato su meccanismi, sistemi di controllo o progettazione meccanica, troverai il contenuto accessibile e immediatamente applicabile. Se sei alle prime armi con l'ingegneria in generale, questo non è il punto di partenza giusto.

Quanto tempo dura l'accesso?

L'accesso è illimitato. Una volta acquistato il corso puoi seguire i moduli al tuo ritmo, rivedere le lezioni che vuoi approfondire e tornare sui contenuti tecnici in qualsiasi momento, senza scadenza.

C'è un attestato al termine?

Sì. Al completamento del corso ricevi un attestato di completamento che certifica il percorso svolto. Si tratta di un attestato di completamento del corso, non di una certificazione professionale, non di crediti formativi presso ordini professionali e non di un titolo accademico riconosciuto.

Il corso copre anche la parte software e RL?

Sì. Il modulo 6 è interamente dedicato a sim-to-real e Reinforcement Learning per la locomozione: si configura un ambiente in MuJoCo o IsaacGym, si confrontano i paradigmi MPC e RL, e si applicano le tecniche di domain randomization e teacher-student transfer. Il modulo 9 copre le architetture software (ROS 2, middleware real-time) e la formulazione Quadratic Programming per il whole-body control.

Il modulo finale su SRD e roadmap è solo teorico?

No. Il modulo 12 è il più operativo dell'intero corso. Insegna a redigere un documento di specifica di sistema con requisiti tracciabili, a costruire una matrice di trade-off con criteri pesati e dati quantitativi, e a pianificare le fasi di sviluppo — dalla simulazione al first-walk — con milestone verificabili e criteri go/no-go. È il modulo che trasforma la conoscenza tecnica in un progetto gestibile.

Progetta il tuo primo robot umanoide dall'inizio alla fine