Yahboom ROSMASTER M3 Pro Robot ROS2 con Agente de IA OpenClaw, Doble LiDAR TOF, Brazo 6DOF, Mecanum SLAM
Yahboom ROSMASTER M3 Pro Robot ROS2 con Agente de IA OpenClaw, Doble LiDAR TOF, Brazo 6DOF, Mecanum SLAM
Yahboom
No se pudo cargar la disponibilidad de retiro
Descripción general
ROSMASTER M3 Pro es una plataforma de robot ROS2 de Yahboom para la educación en ROS, experimentos de investigación científica y enseñanza de aplicaciones de IA. Utiliza un chasis de ruedas Mecanum con suspensión de péndulo para movimiento omnidireccional y está desarrollado en ROS2 Humble. La plataforma integra un brazo robótico de 6DOF, una cámara de profundidad de luz estructurada binocular para integración de visión 3D mano-ojo, y doble LiDAR TOF para mapeo SLAM omnidireccional, navegación autónoma, evitación de obstáculos y planificación de rutas. También admite interacción multimodal con modelos de IA grandes (texto/imagen/voz) con reconocimiento de voz y comprensión del lenguaje natural para la planificación y ejecución de tareas.
Características clave
- Despliegue del agente de IA OpenClaw (con tutorial de despliegue y uso). Nota: El despliegue de OpenClaw no es compatible con la versión Jetson Nano B01.
- Capacidades de modelos grandes multimodales integrados: base de conocimiento RAG extensible, modelo de lenguaje visual grande, modelo de lenguaje de texto grande, arquitectura de razonamiento de doble modelo y razonamiento de retroalimentación dinámica.
- Fusión de nube de puntos LiDAR TOF dual: percepción omnidireccional de 360° sin puntos ciegos; mapeo de navegación/planificación de red de carreteras; planificación de rutas y navegación multipunto.
- Planificación de red de carreteras: crear, editar y gestionar redes de rutas compuestas por puntos y líneas de conexión; soporta la selección de la ruta más corta en redes de rutas estilo sandbox.
- Brazo robótico visual 3D de 6DOF: agarre, clasificación y transporte en espacio 3D; reconocimiento de nube de puntos 3D; posicionamiento y seguimiento de objetivos; cálculo de distancia/volumen; mapeo de escenas reales en 3D.
- Aplicaciones de tecnología de visión profunda: YOLOv26 / Transformer, MediaPipe / OpenCV, reposicionamiento de navegación por fusión visual, segmentación de nube de puntos en tiempo real PCL.
- Módulo de voz y altavoz de modelo grande de IA integrado: admite la conversión en tiempo real entre voz y texto.
- Soporte de simulación MoveIt2.
Especificaciones
| Modelo | ROSMASTER M3 Pro |
| Sistema | ROS2 Humble |
| Chasis | Cuerpo de aleación de aluminio; suspensión de péndulo de rueda Mecanum; estructura de suspensión de péndulo de rueda trasera |
| Tamaño de la rueda | Ruedas Mecanum de 80mm |
| LiDAR | LiDAR TOF dual (disposición diagonal: frente derecho + trasero izquierdo); escaneo de 360° |
| Detección LiDAR (del gráfico comparativo) | Percepción omnidireccional de 360°; distancia de detección de 24m |
| Cámara de profundidad | Cámara de profundidad de luz estructurada binocular |
| FOV de la cámara de profundidad (del gráfico comparativo) | H91° V62° |
| Brazo robótico | Brazo robótico 6DOF; 6PCS servos de bus serie inteligente (soporta la lectura de posición/estado y otra información) |
| Capacidad del agarre (de la descripción del brazo) | Sujeta hasta 410g; precisión de posicionamiento repetible 0.5mm |
| Batería | Paquete de batería de alta capacidad de 9600mAh |
| Pantalla táctil | Pantalla táctil IPS de alta definición de 7 pulgadas (opcional); variantes de configuración mostradas: con pantalla / sin pantalla |
| Motores | Motor metálico con codificador de alto torque; suspensión independiente oscilante con motor de alto torque |
| Placa de control ROS | Placa de control ROS de 3ª generación |
| MoveIt | MoveIt2 |
| Esquemas de aplicación de modelos grandes de IA | Agente AI OpenClaw; plataforma de flujo de trabajo Dify opcional |
| Agente AI OpenClaw – control maestro compatible | Raspberry Pi 5; Jetson Orin Nano SUPER; Jetson Orin NX SUPER |
| Agente AI OpenClaw – métodos de interacción | Voz, WAP, comandos de texto web/terminal |
| OpenClaw agente de IA – modo de control de robot | MCP, CLI |
| Plataforma de flujo de trabajo Dify – control maestro compatible | Raspberry Pi 5; Jetson Orin Nano SUPER; Jetson Orin NX SUPER; Jetson Nano B01 |
| Plataforma de flujo de trabajo Dify – modo de control de robot | http |
| Algoritmo de seguimiento visual de IA (de comparación de soluciones) | OpenClaw: modelo Transformer; Dify: KCF |
| Escenario opcional de modelo grande de IA mesa de arena / mapa de caja de arena | Tamaño: 3m × 4.1m (accesorio opcional; no incluido con ROSMASTER M3 Pro) |
Opciones de Placa de Control Maestro (para selección)
| Opción | Especificación clave de cálculo mostrada | Potencia (mostrada) | Sistema ROS (mostrado) | OpenClaw (mostrado) |
| Jetson Nano B01 4GB | 0.5 TFLOPS (FP16); Quad-Core Arm Cortex-A57 MPCore; GPU NVIDIA Maxwell de 128 núcleos; 4GB LPDDR4 de 64 bits (25.6 GB/s) | 5W, 10W | Ubuntu 18.04 LTS + Docker + ROS2 Humble | No compatible |
| Raspberry Pi 5 (8GB/16GB) | Cortex-A76; VideoCore VII; RAM: 8GB/16GB | 10W | Raspberry Pi OS + Docker + ROS2 Humble | (Ver nota de soporte de OpenClaw arriba) |
| Jetson Orin Nano SUPER 8GB | 67 TOPS; CPU Arm Cortex-A78AE v8.2 de 64 bits de 6 núcleos (1.5MB L2 + 4MB L3); 1024-core NVIDIA Ampere GPU with 32 Tensor Cores; 8GB 128-bit LPDDR5 (102 GB/s) | 7W, 15W, 25W | Ubuntu 22.04 LTS + ROS2 Humble | Soporte |
| Jetson Orin NX SUPER 8GB | 117 TOPS; 6-core NVIDIA Arm Cortex-A78AE v8.2 64-bit CPU (1.5MB L2 + 4MB L3); 1024-core NVIDIA Ampere GPU with 32 Tensor Cores; 8GB 128-bit LPDDR5 (102 GB/s) | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble | Soporte |
| Jetson Orin NX SUPER 16GB | 157 TOPS; 8-core NVIDIA Arm Cortex-A78AE v8.2 64-bit CPU (2MB L2 + 4MB L3); 1024-core NVIDIA Ampere GPU with 32 Tensor Cores; 16GB 128-bit LPDDR5 (102 GB/s) | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble | Soporte |
Comparación de Pruebas de Caso Funcional (mostrado)
| Versión | Reconocimiento de voz sin conexión / síntesis de voz | Tiempo de planificación de decisiones de tareas de modelo AI grande | Tiempo de carga de tareas simples | Tiempo de carga de tareas complejas | Seguimiento & de agarre de bloque de color | Funciones visuales 3D avanzadas | Desarrollo de MediaPipe | Simulación MoveIt2 |
| Raspberry Pi 5 16GB | Ninguno | 2s | 10s | 15s | 15fps | 15fps | 15fps | Usando una máquina virtual complementaria |
| Jetson Nano B01 4GB | Ninguno | 2s | 12s | 13s | 15fps | 15fps | 10fps | Usando una máquina virtual complementaria |
| Jetson Orin Nano SUPER 8GB | 4s | 2s | 6s | 8s | 30fps | 30fps | 30fps | 30fps+ |
| Jetson Orin NX SUPER 16GB | 4s | 2s | 4s | 4s | 30fps | 30fps | 30fps | 30fps+ |
Para ayuda con la selección de configuración (opciones Raspberry Pi vs Jetson) o soporte postventa, contacte https://rcdrone.top/ o envíe un correo electrónico a [email protected].
Aplicaciones
- Educación y laboratorios ROS2: mapeo SLAM, navegación, evitación de obstáculos y planificación de redes viales.
- Manipulación de visión 3D &: reconocimiento/agarre 3D, clasificación, seguimiento y manejo con un brazo de 6DOF y nube de puntos de profundidad.
- Interacción de IA multimodal: interacción por voz/texto/imagen con descomposición de tareas, programación a largo plazo, búsqueda de memoria y lógica de respuesta proactiva (flujo de trabajo OpenClaw).
- Reconocimiento visual de IA (ejemplos mostrados): reconocimiento de características humanas, reconocimiento de gestos, reconocimiento de trayectoria de la punta del dedo, reconocimiento de esqueleto humano, detección 3D, detección de rostro 3D, reconocimiento de código de etiquetas, seguimiento de objetos Transformer sin entrenamiento previo, solución de navegación de fusión de re-localización visual, detección y agarre de objetos giratorios.
- Funciones de la cámara de profundidad (ejemplos mostrados): imagen de profundidad/nube de puntos, medición de distancia, segmentación y localización de nube de puntos en tiempo real PCL, navegación de mapeo visual 3D RTAB-Map, medición de altura de objetivo regional, medición de volumen de bloque de madera.
- Funciones de LiDAR (ejemplos mostrados): mapeo Gmapping/Cartographer/slam_toolbox, filtrado de fusión dual LiDAR, evitación dinámica de obstáculos DWA, navegación de punto único/múltiple, mapeo de navegación de aplicación, mapeo de navegación de reposicionamiento, planificación de red de carreteras, evitación de obstáculos LiDAR, seguimiento LiDAR, guardia LiDAR.
Manuales
- Página de tutorial/estudio: https://www.yahboom.net/study/ROSMASTER-M3PRO
Detalles
Una plataforma educativa todo en uno ROS2 Humble que combina movilidad omnidireccional, visión 3D y un brazo robótico de 6DOF.
Las características de interacción multimodal y autonomía apoyan el mapeo, la navegación, el agarre y la ejecución de tareas en una sola plataforma.
OpenClaw permite la planificación de tareas en lenguaje natural con opciones para comandos por voz, aplicación y texto.
La fusión de Dual TOF LiDAR ofrece percepción de 360° para mapeo SLAM, evitación de obstáculos y planificación de rutas flexibles.
Tres tipos de modelos integrados cubren razonamiento de texto, interacción por voz y comprensión visual para demostraciones de robótica más ricas.
Elija entre la implementación de OpenClaw integrada o una plataforma de flujo de trabajo opcional según las necesidades de su proyecto.
Una mesa de escenarios modular soporta escenas de entrenamiento repetibles para ejercicios de clasificación, conteo y navegación.
Los proyectos de ejemplo destacan cómo el control basado en agentes puede aplicarse a tareas de laboratorio cotidianas y demostraciones interactivas.
Los flujos de trabajo de agentes pueden conectar instrucciones basadas en chat con comportamientos de mapeo, navegación y transporte.
Herramientas como la búsqueda de memoria y las llamadas al estilo MCP ayudan a conectar la intención de alto nivel con acciones de robot confiables.
Los comportamientos impulsados por visión incluyen seguimiento de objetivos, reconocimiento de colores, navegación autónoma y acciones coordinadas de brazos.
La detección de profundidad con luz estructurada binocular apoya la coordinación mano-ojo para medición, reconocimiento y agarre en 3D.
Las comparaciones de configuraciones ayudan a seleccionar la combinación adecuada de sensores y computación para su aula o laboratorio.
Una guía de selección resume configuraciones comunes y diferencias entre conjuntos de funciones.
Las capacidades centrales de ROS cubren mapeo LiDAR, percepción de cámaras de profundidad y flujos de reconocimiento visual.
Las simulaciones de MoveIt2 y las demostraciones de control de movimiento apoyan la planificación, los flujos de trabajo de agarre y la coordinación de múltiples robots.
Un chasis de aluminio mecanum con suspensión de péndulo mejora la estabilidad mientras mantiene la compatibilidad completa con ROS2 Humble.
Múltiples métodos de control y una disposición clara de la estructura facilitan la configuración, el mantenimiento y la expansión del robot.
La plataforma ROSMASTER M3 Pro se puede configurar con un brazo robótico de 6DOF y una cámara de profundidad de luz estructurada binocular para tareas de agarre y percepción basada en profundidad.
El LiDAR láser TOF admite un rango de 0.05–12 m con hasta 4000 escaneos por segundo, mientras que el módulo de voz agrega conexiones de micrófono y altavoz para la interacción por voz.
La placa de control del robot Yahboom ROSMASTER M3 Pro ROS2 proporciona un diseño compacto y etiquetado de conectores para construir y expandir un sistema de robot móvil.
Yahboom ROSMASTER M3 Pro incluye acceso a más de 200 cursos detallados a través de un repositorio de tutoriales en línea para aprender ROS2 y AI.
El esquema de aprendizaje del ROSMASTER M3 Pro cubre los conceptos básicos de control de ROS junto con tareas de visión de OpenCV, mapeo SLAM y características de IA para una práctica progresiva de ROS2.
La hoja de ruta de aprendizaje del ROSMASTER M3 Pro abarca temas como visión de OpenCV, seguimiento de MediaPipe, simulación de MoveIt2 y conceptos básicos de ROS2.
El ROSMASTER M3 Pro incluye carpetas de código de fuente abierta y tutoriales detallados que cubren los conceptos básicos de ROS, mapeo, navegación y tareas de visión.
El ROSMASTER M3 Pro viene con tutoriales en video de ROS2 con subtítulos en inglés y proporciona archivos de modelos 3D para apoyar el desarrollo e integración.
La comparación de la Serie ROSMASTER describe las diferencias clave en el tipo de chasis, opciones de cámara RGBD, placas de control y capacidad de batería para ayudar a elegir la plataforma de robot ROS2 adecuada.
La plataforma ROSMASTER M1 combina un chasis con ruedas mecanum y motores engranados 520 con opciones de cámara, LiDAR y placa de control seleccionables para el desarrollo basado en ROS.
ROSMaster M3 Pro combina un chasis con ruedas mecanum con opciones de cámara RGBD, pantalla OLED de 0.91 pulgadas/opcional de 7 pulgadas, y una batería de 12.6V 6000mAh.
La plataforma ROSMASTER M3 Pro incluye un chasis con ruedas mecanum, cámara RGBD opcional, brazo robótico de 6 DOF, doble LiDAR, y opciones de placa de control Raspberry Pi o Jetson.
Los dibujos de dimensiones del robot Yahboom ROSMASTER M3 Pro ROS2 enumeran las medidas generales clave en milímetros para planificar el ajuste y montaje.
ROSMaster M3 Pro es compatible con plataformas Raspberry Pi 5 o Jetson Orin con programación en Python, red WiFi, y un paquete de baterías de 12.6V 9600mAh.
El kit ROSMASTER M3 Pro incluye el chasis del robot, brazo 6DOF, controlador, placas de expansión, baterías, soportes y herramientas básicas para el montaje.
Los paquetes de accesorios opcionales están organizados por opción de controlador, incluyendo un conjunto de pantalla táctil de 7 pulgadas y kits para placas Raspberry Pi o NVIDIA Jetson con los cables y soportes necesarios.
Related Collections
