کیت ربات شش‌پای Yahboom Muto RS با ۱۸ درجه آزادی، مدل هوش مصنوعی، LiDAR و دوربین عمق برای رزبری پای ۵

بررسی اجمالی

ربات شش‌پای بایونیک مدل بزرگ AI سطح دسکتاپ Yahboom Muto RS بر روی سیستم عامل ROS2 ساخته شده و برای کار با Raspberry Pi (شامل گزینه‌های Raspberry Pi 5) طراحی شده است. این ربات از بدنه‌ای با آلیاژ آلومینیوم و ساختار مفصلی ۱۸ درجه آزادی که توسط ۱۸ سروو باس سریال ۳۵ کیلوگرمی هدایت می‌شود، استفاده می‌کند و حسگرهایی مانند دوربین عمق و LiDAR به همراه ماژول تعامل صوتی را یکپارچه می‌کند. با برنامه‌نویسی Python3 و الگوریتم‌های داخلی (شامل سینماتیک معکوس)، از تعامل بصری AI، نقشه‌برداری/ناوبری SLAM، تعامل صوتی، یادگیری عمیق و شبیه‌سازی RViz برای توسعه و آموزش ROS پشتیبانی می‌کند.

ویژگی‌های کلیدی

• ۱۸ مفصل حرکتی DOF با قطعات ساختاری آلیاژ آلومینیوم؛ سه مفصل در هر پا؛ ۱۸ سروو با عملکرد بالا.
• ۱۸ سروو باس سریال فلزی ۳۵ کیلوگرمی برای کنترل حرکت پایدار و هماهنگ.
• کنترل دقت الگوریتم معکوس سینماتیک; پشتیبانی از راه رفتن با گام مثلثی و فرکانس گام قابل تنظیم.
• قابلیت تنظیم حرکت: ترجمه X/Y، چرخش ۳۶۰ درجه، تنظیم ارتفاع بدن، انباشت وضعیت (راه رفتن با حالت بالا/متوسط/پایین)، و سرعت راه رفتن قابل تنظیم (سرعت خطی، سرعت زاویه‌ای، ارتفاع، ارتفاع گام، طول گام).
• یکپارچه‌سازی مدل بزرگ AI چند حالته: پایگاه دانش RAG قابل مقیاس، معماری استدلال بازخورد پویا دو حالته، درک معنایی متن، و گفتگوی طبیعی.
• دوربین عمق + تشخیص بصری: تشخیص موانع دوربین عمق، نقشه‌برداری سه‌بعدی در زمان واقعی، اندازه‌گیری فاصله عمق، و تشخیص ابر نقطه‌ای سه‌بعدی.
• ادراک محیطی مبتنی بر LiDAR: حسگر ۳۶۰ درجه همه‌جانبه، نقشه‌برداری و ناوبری، برنامه‌ریزی مسیر، اجتناب از موانع پویا، ناوبری چند نقطه‌ای و برنامه‌ریزی شبکه جاده‌ای.
• چارچوب‌ها/الگوریتم‌های پشتیبانی‌شده (فهرست‌شده): MediaPipe، OpenCV؛ Gmapping، Cartographer؛ slam_toolbox؛ کیلومترشمار رادار RF2O؛ برنامه‌ریزی مسیر DWA.
• توابع تعامل بصری هوش مصنوعی (فهرست‌شده): ردیابی شیء KCF، ردیابی رنگ، کنترل فرمان کد QR، ردیابی خط بصری.
• کنترل تعاملی صوتی: دستورات صوتی می‌توانند حالت حرکت را کنترل کنند؛ از توابعی مانند ردیابی رنگ، تشخیص رنگ و گشت‌زنی خط بصری پشتیبانی می‌کند.
• کنترل چندپلتفرمی: اپلیکیشن کنترل از راه دور iOS/Android، اپلیکیشن ناوبری نقشه‌برداری iOS/Android، کنترل کامپیوتر میزبان PC و کنترل دسته بی‌سیم 2.4G/USB.
• انتقال ویدئوی زنده FPV: اتصال به شبکه محلی از طریق اپلیکیشن موبایل برای مشاهده ویدئوی HD زنده ضبط شده توسط ربات.
• کنترل اتصال چند دستگاهی: پشتیبانی از ناوبری همزمان چند ربات با اجتناب از موانع پویا در همان نقشه و کنترل همزمان از طریق یک کامپیوتر میزبان.
• حالت آموزش: حرکت دستی تک‌پا بر روی ربات میزبان می‌تواند توسط یک ربات برده که همان عمل را انجام می‌دهد، منعکس شود.
• منابع آموزشی: به "بیش از 200 مثال دوره" اشاره شده است؛ دوره‌های همراه ROS و مثال‌های کاربردی مدل زبان بزرگ AI توصیف شده‌اند (آدرس آموزش برای رعایت قوانین حذف شده است).

برای کمک در انتخاب پیش‌فروش یا پشتیبانی راه‌اندازی، تماس بگیرید https://rcdrone.top/ یا ایمیل بزنید [email protected] .

مشخصات

تفاوت‌های پیکربندی (همانطور که فهرست شده)

Raspberry Pi 5 (اطلاعات نشان داده شده)

کاربردها

• یادگیری و توسعه ROS2 برای حرکت چندپایی (هگزاپاد) و سینماتیک معکوس.
• آزمایش‌های نقشه‌برداری/ناوبری SLAM: ناوبری تک‌نقطه‌ای و چندنقطه‌ای، برنامه‌ریزی شبکه جاده‌ای و اجتناب از موانع پویا.
• پروژه‌های بینایی کامپیوتری و ادراک با استفاده از دوربین عمق و شناسایی بصری هوش مصنوعی (OpenCV / MediaPipe مرجع شده).
• تعامل صوتی و نمایش‌های مدل بزرگ چندوجهی (ادغام متن/صدا/بصری مرجع شده).
• کنترل همزمانی چندرباتی و ناوبری چندرباتی (کنترل اتصال بین ماشین‌ها مرجع شده).

دفترچه‌های راهنما

منابع آموزشی برای این محصول مرجع شده‌اند (صفحه مطالعه سازنده در منبع ذکر شده؛ URL خارجی برای رعایت حذف شده است).

جزئیات

ساخته شده بر روی ROS2 برای Raspberry Pi، Muto RS حرکت شش‌پای 18-DOF را با ادراک هوش مصنوعی برای یادگیری رباتیک رومیزی به ارمغان می‌آورد.

از نقشه‌برداری و ناوبری SLAM تا تعامل بینایی و صوتی، این پلتفرم به عنوان یک کیت توسعه همه‌کاره ROS2 طراحی شده است.

جریان‌های کاری AI چندوجهی با مفاهیم برنامه‌ریزی شبکه جاده‌ای جفت می‌شوند تا از نمایش‌های تحقیقاتی و آموزش در کلاس حمایت کنند.

یک پیکربندی را انتخاب کنید که با نیازهای کنترلر و حسگر شما مطابقت داشته باشد، با گزینه‌هایی که بر روی محاسبات Raspberry Pi متمرکز شده‌اند.

مدل‌های متن، صوت و بینایی می‌توانند برای ساخت رفتارهای هوش تجسم‌یافته در Python و ROS2 یکپارچه شوند.

از دستورات سطح بالا برای حرکت، درک Q&A، ردیابی هدف و وظایف ناوبری خودکار استفاده کنید.

درک مبتنی بر SLAM از ناوبری چند نقطه‌ای و رفتارهای جستجوی هدف در محیط‌های نقشه‌برداری شده پشتیبانی می‌کند.

نمایش‌های تعامل سطح بالاتر شامل درک نیت، رفتارهای یادگیری تقلیدی و کاوش در محیط است.

بسته‌های داخلی ROS2 داده‌های LiDAR و دوربین عمق را برای نقشه‌برداری، ابر نقطه‌ای و آگاهی از موانع متصل می‌کنند.

الگوریتم‌های بینایی و دستورات صوتی کنترل بدون دست را اضافه می‌کنند، با پشتیبانی از ویژگی‌های هماهنگی چند ربات.

حالت آموزش و یک چیدمان کامل ۱۸-DOF مفصل، نمایش گام‌ها و حرکت هماهنگ پاها را آسان‌تر می‌کند.

سینماتیک معکوس و برنامه‌ریزی گام به ترجمه تنظیمات وضعیت و گام به حرکت پایدار هگزاپاد کمک می‌کنند.

ارتفاع بدن، حالت و سرعت راه رفتن را برای تطابق با سطوح مختلف، نمایش‌ها و سناریوهای ناوبری تنظیم کنید.

ویدئوی FPV و رفتارهای تقلید عمل، نمایش‌ها را برای آزمایشگاه‌ها، باشگاه‌ها و ارائه‌ها تعاملی‌تر می‌کنند.

در Python برنامه‌نویسی کنید و ربات را از طریق اپلیکیشن‌های موبایل، میزبان PC یا یک کنترل بی‌سیم بسته به تنظیمات خود کنترل کنید.

در RViz شبیه‌سازی توسعه و آزمایش کنید، سپس به پشته ROS2 برای آزمایش‌های رباتیک تکرارپذیر مستقر کنید.

مواد آموزشی Yahboom Muto RS ROS2 شامل بینایی هوش مصنوعی، Mediapipe، ناوبری شبکه جاده‌ای و آموزش‌های ویدیویی اصول ROS2 است.

هگزاپاد Muto RS از یک پشته مدولار با اجزایی مانند لیدار، دوربین عمق، کنترلر Raspberry Pi و سرووهای باس سریال برای حرکت هماهنگ پاها استفاده می‌کند.

Orbbec Astra Pro Plus حسگر عمق و یک ماژول SLAM لیدار 2D ورودی‌های عمق و نقشه‌برداری را برای پروژه‌های رباتیک ROS2 فراهم می‌کنند.

این کیت شامل یک ماژول صدای هوش مصنوعی با یک بلندگوی سیمی به‌علاوه یک بسته باتری لیتیوم 7.4V 9900mAh برای تأمین برق داخلی است.

هگزاپاد Yahboom Muto RS ROS2 شامل یک مرجع ابعاد میلی‌متری چند نمایی است که به برنامه‌ریزی فضای نصب و جای‌گذاری کمک می‌کند.

فهرست بسته شامل شاسی ربات MUTO مونتاژ شده به همراه افزودنی‌های اختیاری مانند Raspberry Pi 5، SLAM Lidar و دوربین عمق، به همراه لوازم جانبی برق و صدا است.