ASUNODE — Casa intelligente e integrazione di IA locale
Un progetto di ingegneria in corso che riunisce sicurezza domestica, automazione elettrica, dispositivi embedded distribuiti e ricerca sull’IA locale.
Panoramica del progetto
ASUNODE è nato a febbraio 2026 con un obiettivo pratico: costruire un sistema domestico che combini sicurezza, controllo elettrico e monitoraggio in modo da rispondere alle esigenze reali degli utenti.
Il progetto si è evoluto attraverso sei fasi, dai prodotti commerciali per la casa intelligente a una rete ESP32 personalizzata, allo scambio di dati basato su MQTT e agli esperimenti con modelli linguistici locali. I primi test del prodotto sono iniziati a luglio 2026. Lo sviluppo della dashboard e dell’interfaccia dell’assistente locale è ancora in corso.
Ogni fase ha cambiato la mia comprensione del problema. Collegare i dispositivi era il punto di partenza; il funzionamento affidabile, le informazioni utili e il comportamento coordinato sono diventati gli obiettivi centrali di ingegneria.
Il mio ruolo e contributo
Ho definito i requisiti, selezionato e valutato i dispositivi, configurato le piattaforme software ed eseguito esperimenti su hardware e comunicazioni.
Con l’avanzare del progetto ho assegnato ruoli ai dispositivi embedded, testato lo scambio di informazioni tra gli hub, introdotto una messaggistica centralizzata e valutato modelli linguistici locali per l’analisi dei dati.
Il lavoro riunisce la mia esperienza in sistemi elettrici, elettronica, comunicazioni, informatica e integrazione software. Mette inoltre in luce lacune nei miei approcci precedenti e mi dà un motivo concreto per riesaminarli.
Percorso di sviluppo
Fase 1 — Integrazione di prodotti commerciali per la casa intelligente
All’inizio mi sono basato su prodotti compatibili con Apple HomeKit, usando un iPad, un HomePod e un Apple TV insieme a dispositivi di Philips Hue, Yale, Aqara e Meross.
Illuminazione, interruttori, telecamere, sensori e hub hanno fornito le prime funzioni operative. Tuttavia, l’aumento dei costi e i problemi di connessione nella mia installazione hanno limitato ulteriori progressi. L’integrazione del previsto controllo e monitoraggio dell’alimentazione elettrica basato su Wago ha aggiunto complessità tra ambienti di gestione separati.
Questa fase mi ha dato esperienza pratica nella configurazione dei dispositivi e nella comunicazione. Ha inoltre mostrato che le funzioni disponibili non soddisfacevano ancora le mie aspettative per una casa intelligente.
Fase 2 — Confronto tra ecosistemi di prodotti
Ho quindi messo alla prova prodotti di Sonoff, Tapo, Xiaomi Mi e Interra rispetto alle funzioni richieste dal progetto.
Le differenze nel comportamento del software si sono rivelate significative. La registrazione delle telecamere e le capacità degli hub variavano, e le combinazioni che ho provato non offrivano una soluzione unificata per tutti i requisiti.
L’esperienza ha spostato la mia valutazione verso il comportamento dei dispositivi nel loro insieme, il modo in cui le informazioni vengono conservate e l’influenza delle scelte software sulla sicurezza e sull’uso quotidiano.
Fase 3 — Coordinamento centrale con Home Assistant
Home Assistant offriva una strada per coordinare prodotti diversi attraverso una piattaforma software condivisa. Ho iniziato a configurare le integrazioni e ho ottenuto risultati migliori rispetto alle fasi precedenti, anche se il funzionamento continuo e la stabilità restavano motivo di preoccupazione nella mia installazione.
Un’installazione su piccola scala in una residenza per anziani ha reso più concreta l’importanza dell’affidabilità. Queste persone potevano trarre vantaggio dall’automazione, ma le loro esigenze richiedevano più di comodi telecomandi.
Questa esperienza ha rafforzato l’attenzione del progetto sul comportamento utile, sulla continuità e sul rapporto tra il sistema e i suoi utenti.
Fase 4 — Esplorazione dell’hardware embedded
Ho esplorato le schede di sviluppo e le apparecchiature riparabili che avevo già a disposizione. Arduino ha offerto un punto di partenza accessibile, NodeMCU ha introdotto capacità Wi-Fi pratiche e una scheda di sviluppo MSP si adattava al mio approccio ingegneristico.
La disponibilità dei moduli in Turchia ha influenzato le scelte. Mi sono concentrato sempre più sui dispositivi Espressif, studiandone l’hardware, gli SDK e le opzioni di sviluppo, tra cui Arduino e Zephyr.
Il caricamento di piccoli programmi su un ESP32-C6 ha fornito una prima base per una valutazione pratica.
Fase 5 — Rete distribuita di ESP32 e MQTT
Ho raggruppato i dispositivi ESP32 per funzione. Alcuni agivano da hub, uno fungeva da bridge per estendere la copertura e altri si occupavano della sincronizzazione oraria e della registrazione indipendente degli eventi.
Ho lavorato anche allo scambio di informazioni tra due hub, compresa l’individuazione di quali dati dei sensori fossero più recenti. Gli esperimenti di comunicazione e i meccanismi “Dead Man’s Switch” hanno supportato gli sforzi per rilevare le interruzioni e ridurne l’impatto.
L’introduzione di MQTT su Ubuntu ha permesso ai dispositivi di concentrarsi sui compiti assegnati mentre trasferivano i dati a un ambiente software centrale.
I dispositivi comunicavano e inviavano i dati dei sensori, anche se il comportamento dei sensori e la continuità richiedevano ancora messa a punto. Restavo io a dover interpretare le informazioni e gestire il sistema, il che ha portato alla fase successiva.
Fase 6 — Ricerca su un assistente IA locale
Ho installato modelli linguistici locali, ho imparato a utilizzarli e ho assegnato loro compiti sperimentali di ispezione e analisi dei dati. Sono stati valutati modelli delle famiglie Qwen, Gemma, CodeGemma e Llama nei limiti delle risorse hardware disponibili.
Ho poi iniziato a preparare un approccio basato sul recupero con RAG, PostgreSQL e Obsidian. L’obiettivo è fornire a un assistente locale le informazioni rilevanti del progetto e il contesto del sistema.
Questi esperimenti hanno indicato una direzione per l’assistenza e l’analisi. Un’interfaccia di assistente completa e un’integrazione coordinata con il sistema di automazione sono ancora in sviluppo.
Questa esigenza ha dato origine anche a una linea di lavoro distinta sui flussi di lavoro di IA semi-autonomi guidati dall’uomo e sui template di sviluppo riutilizzabili.
Struttura del sistema
L’architettura in sviluppo separa le responsabilità dei dispositivi dal coordinamento dei dati e dall’interazione con l’utente.
I dispositivi ESP32 svolgono i compiti assegnati di rilevamento, comunicazione, hub, bridge e registrazione. MQTT fornisce il livello di messaggistica per trasferire i dati dei dispositivi nell’ambiente basato su Ubuntu.
La dashboard ha lo scopo di rendere accessibili all’utente le informazioni del sistema. La ricerca sull’IA locale esplora un ulteriore livello di assistenza per interpretare le informazioni e supportare la supervisione del sistema.
Questa separazione consente di sviluppare e valutare ogni parte mentre l’integrazione prosegue.
Stato attuale e prossimi passi
Il progetto è passato dalle prove con dispositivi commerciali a una rete ESP32 che comunica, a uno scambio di dati centralizzato e a esperimenti con modelli locali.
Il lavoro sulla dashboard è stato svolto in Flutter. È prevista una riscrittura in Python, con completamento previsto per la fine del 2026. L’interfaccia dell’LLM locale resta in R&S.
Il lavoro futuro si concentra sull’interfaccia utente, sul software di coordinamento, sull’affidabilità dei sensori e sulla valutazione continua della continuità operativa. Si tratta di obiettivi di sviluppo, non di funzionalità già completate.
Significato personale
ASUNODE è il luogo in cui riunisco l’esperienza accumulata nell’arco della mia vita lavorativa. Ingegneria elettrica, comunicazioni, infrastrutture, software e risoluzione pratica dei guasti contribuiscono tutti allo stesso sistema.
Il progetto mi spinge inoltre a riconsiderare problemi noti con strumenti e metodi che prima avevo trascurato. Scoprire approcci come Node-RED ha ampliato il mio modo di pensare al coordinamento e all’automazione.
Per me ASUNODE significa “la mia eredità per il domani”: uno sforzo continuo per trasformare la conoscenza accumulata in sistemi al servizio delle reali esigenze delle persone.