Überblick
Der Yahboom Muto S2 ist ein 18DOF Hexapod-Roboter, der für Raspberry Pi 5 oder NVIDIA Jetson NANO als Hauptcontroller entwickelt wurde. Es handelt sich um einen bionischen Hexapod-Roboter auf Desktop-Niveau mit einem Aluminiumlegierungskörper, 18 Freiheitsgraden und einem eingebauten inversen Kinematik-Algorithmus zur Steuerung simulierter Gangarten. Mit Python3-Programmierung und OpenCV-Bildverarbeitung unterstützt er AI-Visuelle Interaktionsfunktionen wie Farberkennung, Verfolgung/Folgen, Gesichtserkennung, QR-Code-Erkennung und visuelle Linienpatrouille. Steuerungsmethoden umfassen Handy-APP, drahtlose Steuerung und Computer-Webseite (Jupyter Lab) Steuerung, mit Echtzeit-Videoübertragung (FPV).
Hauptmerkmale
- AI Vision Hexapod-Roboter: Inverser Kinematik-Algorithmus, Bionischer Gang, 18DOF-Gelenk, AI-Visuelle Interaktion.
- 18DOF Bewegungs-Gelenke: Verwendet 18 Hochleistungsservos und Aluminiumlegierungs-Strukturteile, um drei Gelenke an jedem Bein zu verbinden.
- 35KG intelligentes serielles Bus-Servosystem: 18 Stück 35KG Metallservos.
- 2D Kamera PTZ: 2DOF Kamera PTZ für visuelle Anwendungen.
- Echtzeit-Videoübertragung: Verbinden Sie sich über das lokale Netzwerk über die Handy-App, um HD-Videomaterial in Echtzeit anzusehen.
- Haltung & Bewegungsanpassung : Unterstützt die freie Anpassung der Gehgeschwindigkeit und der Roboterkörperhöhe (Roboterhöhenanpassung / Robotergeschwindigkeitsanpassung; Gehgeschwindigkeitsanpassung: langsam/schnell).
- Lehrmodus: Manuelle Steuerung der Einbeinbewegung der Hauptmaschine; eine andere Slave-Maschine führt die gleiche Aktion aus.
- Raspberry Pi 5 Unterstützungshinweis: „MUTO RS ist mit einer geregelten Stromversorgungserweiterungsplatine ausgestattet“, die an Raspberry Pi 5 angepasst ist und eine stabile 5.1V/5A Stromversorgung bietet; die 0.6A Strombegrenzung erhöht den USB-Port-Stromausgang auf 1.6A (um Einfrieren/Neustarten zu vermeiden).
Für Auswahlhilfe und After-Sales-Support kontaktieren Sie https://rcdrone.top/ oder senden Sie eine E-Mail an [email protected].
Spezifikationen
| Modell | Muto S2 |
| Robotertyp | AI Vision Hexapod Roboter |
| Freiheitsgrade | 18DOF (18 Freiheitsgrade) |
| Körpermaterial | Aluminiumlegierung |
| Servos | 18PCS 35KG Metallservos; 35KG intelligenter serieller Bus-Servo |
| Kamera | 2MP 1080 HD Kamera; USB 1080P Kamera |
| Kameragimbal | 2DOF Kamera PTZ |
| Batterie | 7.4V 9900mAh Akku-Pack (9900mAh) |
| Hauptsteuerungskompatibilität | Raspberry Pi 5 / Jetson NANO |
| Programmierung | Python3 |
| Vision-Stack | OpenCV Bildverarbeitung; KI-Visuelle Interaktion; Deep Learning |
| Fernsteuerung | Mobile APP, drahtloser Griff, Computer-Webseite (Jupyter Lab); WiFi-Steuerung |
Hauptsteuerungsvergleich (wie angegeben)
| Hauptsteuerplatine | Raspberry Pi 5 8G | Jetson NANO 4GB SUB |
| Rechenleistung | Doppelte Rechenleistung des Raspberry Pi 4B | 0.5 TFLOPS |
| CPU | Cortex-A76 | Quad-Core Arm Cortex-A57 MPCore-Prozessor |
| GPU | Broadcom VideoCore VII | 128-Core NVIDIA Maxwell GPU |
| Speicher | 4GB/8GB | 4GB |
| Speicherplatz | 64GB TF-Karte kostenlos | 64GB U-Disk kostenlos |
| Leistung | 10W | 5W | 10W |
| AI-Bildverarbeitungseffekt | ★★★★ | ★★★ |
Der Muto S2-Roboter bietet zwei Hauptsteuerungen, Raspberry Pi 5 und Jetson NANO 4GB SUB, und die Verwendungsmethoden sind im Wesentlichen gleich, beide verwenden das Ubuntu-System. Unterschiedliche Hauptsteuerungen beeinflussen nur geringfügig die Systemgeschwindigkeit.Die Kursmaterialien, Produktfunktionen und die bereitgestellte Steuerungssoftware sind konsistent.
Funktionsliste (Kurse/Beispiele)
Kamera PTZ
- 00. Farb-HSV-Wert-Kalibrierung
- 01. Farberkennung
- 02. Farbverfolgung
- 03. Farbverfolgung
- 04. Farberkennungs-Aktionsgruppe
- 05. Gesichtserkennung
- 06. Gesichtserfassung
- 07. Menschen begrüßen
- 08. QR-Code-Erkennung
- 09. QR-Code-Anweisungen
- 10. Visuelle Linienverfolgung
- 11. Bewegungslernen
- 12. Teach-Pendant-synchronisierte Aktion
Maschinelles Deep Learning
- 01. KNN
- 02. TensorFlow-Grundlagentutorial
- 03. Grundlegende Verwendung von PyTorch
- 04. Yolov5 erkennt Objekte in Echtzeit
- 05. Jetson-Inferenz-Umgebungskonstruktion
- 06. Objekterkennung und Aktion
- 07.Körperbewegungssteuerungsroboter
- 08. Gestengesteuerter Roboter
Jetson NANO Kurs
- 1. Über das JetsonNano-System
- 2. Netzwerkkonfiguration und Jtop
- 3. Swap-Speicher erhöht
- 4. API-Nutzung der GPIO-Bibliothek
- 5. Hardware-Bibliothekskonfiguration
- 6. Pin-Lesefunktion
- 7. Pin-Pegel-Ausgabesteuerung
- 8. LED steuern
- 9. Jetson Nano kommuniziert mit externen Geräte-Seriellen Ports
- 10. Jetson Nano I2C-Kommunikation
Fernsteuerungskurs
- 1. APP-Steuerungsprozess schließen
- 2. Mobile APP Fernsteuerungs-Tutorial
- 3. USB-Wireless-Handle-Fernsteuerung
Roboter-Grundkurs
- 1. Summer steuern
- 2. PWM-Servo steuern
- 3. Bus-Servo steuern
- 4. Roboter vorwärts und rückwärts
- 5.Roboter bewegt sich links und rechts
- 6. Roboter dreht sich links und rechts
- 7. Höhe steuern
- 8. Kopf steuern
- 9. Aktionsgruppenleistung
- 10. Daten lesen
- 11. Steuerung durch Host-Computer
- 12. Kameratreiber
Raspberry Pi Kurs
- 1. Python-Umgebung einrichten
- 2. Hallo Welt
- 3. Pin-Ausgang hohe und niedrige Pegel
- 4. Pin-Eingang hohe und niedrige Pegel lesen
- 5. PWM-Ausgabe
- 6. Serielle Kommunikation
- 7. I2C-Kommunikation
- 8. Serielle Kommunikation
- 9. I2C-Kommunikation
Open Source CV Kurs
- 1. Einführung in Open Source CV
- 2. Bild lesen und anzeigen
- 3. Bild schreiben
- 4. Bildqualität
- 5. Pixeloperationen
- 6. Bildvergrößerung
- 7. Bildausschnitt
- 8. Bildschwenk
- 9. Bildspiegelung
- 10. Affine Transformation
- 11. Bildrotation
- 12. Perspektivische Transformation
- 13. Graustufenverarbeitung
- 14. Binärbild
- 15. Kanten-Grün-Erkennung
- 16. Liniensegmentzeichnung
- 17. Rechteckige Kreiszeichnung
- 18. Text- und Bildzeichnung
Video
Handbücher / Tutorials
Tutorial-Link (offiziell): http://www.yahboom.net/study/Muto-S2
Details

Eine 18DOF bionische Hexapod-Plattform kombiniert inverse Kinematik-Gangsteuerung mit kamerabasierter KI-Interaktion.

Entwickelt für den Betrieb auf Raspberry Pi 5 oder NVIDIA Jetson Nano für Robotik-Lernen, Vision-Projekte und Gang-Experimente.

Zu den wichtigsten Funktionen gehören OpenCV-basierte Vision-Funktionen, Python-Programmierung, WiFi-Steuerung und FPV-Video-Streaming.

Wählen Sie Raspberry Pi 5 oder Jetson Nano als Hauptcontroller, mit einer Leistungs-Erweiterungsplatine, die für die Stabilität des Pi 5 entwickelt wurde.

Eine strukturierte Funktionsliste und ein Lernpfad decken PTZ-Vision, Grundlagen des Deep Learning und Schritt-für-Schritt-Kurse für beide Controller ab.

Achtzehn hochdrehmomentstarke Servos treiben drei Gelenke pro Bein für stabile, artikulierte Hexapodenbewegungen an.

Eingebaute inverse Kinematik hilft, die Fußtrajektorien für flüssigere, stabilere simulierte Gangarten zu koordinieren.

Echtzeit-FPV ermöglicht es Ihnen, den Roboter über eine Telefon-App über eine lokale Netzwerkverbindung zu steuern und zu überwachen.

Speichern Sie Aktionsgruppen in der App, um voreingestellte Bewegungen auszulösen oder einzelne Gelenke für benutzerdefinierte Posen fein abzustimmen.

Interaktive Bewegungen unterstützen spielerische Verhaltensweisen wie gestenartige Begrüßungen und Bewegungsroutinen.

Reaktive Bewegungsdemos heben Balanceanpassungen bei Hindernissen im Nahbereich und dynamischen Bewegungen hervor.

Visionsbasierte Verhaltensweisen können das Tracking und Folgen für praktische KI-Interaktionsexperimente unterstützen.

Schnelle Befehle ermöglichen gängige Aktionszustände wie Zusammenrollen und Vorwärtsbewegung.

Passen Sie die Körperhöhe und Gehgeschwindigkeit an verschiedene Oberflächen, Demos und Indoor-Desktop-Tests an.

Der Lehrmodus ermöglicht es, die Beinbewegung eines Roboters manuell zu führen und von einer zweiten Einheit zu spiegeln.

Kamerabasierte KI-Funktionen umfassen Farbverfolgung, Gesichtserkennung und QR-Code-Erkennung mit OpenCV-Workflows.

Erkunden Sie tiefere KI-Demos wie Objekterkennung, skelettbasierte Pose-Schätzung und Gestensteuerungsroutinen.

Programmieren Sie Verhaltensweisen in Python und iterieren Sie schnell von einem Laptop aus für Bewegungssteuerung, Bildverarbeitung und Automatisierung.

Der MUTO S2 unterstützt eine plattformübergreifende iOS/Android-App für Fernsteuerung, Roboterkalibrierung, Leistungsmodi und Datenüberwachung.

Muto S2 unterstützt die PC-Steuerung über eine JupyterLab-Webseite und die 2.4G/USB-Wireless-Gamepad-Steuerung für Roboterbewegungen.

Der Yahboom Muto S2 Kurskatalog enthält geführte Module für Montage, Bewegungssteuerung, OpenCV-Bildverarbeitungsfunktionen und KI-Experimente.

Yahboom Muto S2 enthält organisierte Lernressourcen mit KI-Vision und Deep-Learning-Kursdateien für die schrittweise Einrichtung und Programmierung.

Das Muto S2 Hexapod-Layout umfasst einen OLED-Bildschirm, ein 2DOF-Kamera-PTZ-Modul, eine USB-Hub-Erweiterungsplatine und eine große Lithium-Batteriehalterung.

Der Muto S2 verwendet ein intelligentes serielles Bus-Servo mit einem Gelenkbereich von 0–270° und aufgeführten Spezifikationen einschließlich 35kgf·cm Drehmoment und 6,0–8,4V Betrieb.

Die USB HD 1080P Kamera PTZ verwendet ein 2DOF-Servo für die Schwenk-/Neigesteuerung und verbindet sich über USB 2.0 mit einem Sichtfeld von bis zu 80–120°.

Der 7,4V 9900mAh Lithium-Akkupack verwendet eine DC 4,0×1,7 Ladebuchse und etwa 15cm lange Kabel für eine einfache Verbindung.

Der Yahboom Muto S2 wird mit einem maßstabsgerechten Layout geliefert, das Ansichten von oben und vorne mit Messungen in Millimetern zur Planung der Platzierung und des Freiraums zeigt.

Der MUTO S2 ist mit einem Jetson Nano 4GB USB oder Raspberry Pi 5 Hauptsteuerungsboard erhältlich, die beide Python, 18DOF-Gelenke und etwa 3,7 Stunden Akkulaufzeit unterstützen.

Das Muto S2 Hexapod-Kit enthält das Roboterchassis, das PTZ-Kameramodul, OLED-Komponenten, USB-Hub-Erweiterungsplatine, Batteriepack, Ladegerät, Kabel und grundlegende Werkzeuge, wobei Raspberry Pi oder Jetson Nano Zubehör als Add‑
Related Collections
