Yahboom ROSMASTER M3 Pro ROS2 Robot con OpenClaw AI Agent, doppio TOF LiDAR, braccio 6DOF, Mecanum SLAM
Yahboom ROSMASTER M3 Pro ROS2 Robot con OpenClaw AI Agent, doppio TOF LiDAR, braccio 6DOF, Mecanum SLAM
Yahboom
Impossibile caricare la disponibilità di ritiro
Overview
ROSMASTER M3 Pro è una piattaforma robotica ROS2 di Yahboom per l'educazione ROS, esperimenti di ricerca scientifica e insegnamento di applicazioni AI. Utilizza un telaio con ruote Mecanum e sospensione a pendolo per il movimento omnidirezionale ed è sviluppato su ROS2 Humble. La piattaforma integra un braccio robotico a 6DOF, una telecamera a profondità a luce strutturata binoculare per l'integrazione visiva mano-occhio 3D e doppio LiDAR TOF per mappatura SLAM omnidirezionale, navigazione autonoma, evitamento ostacoli e pianificazione del percorso. Supporta anche l'interazione multimodale AI con modelli di grandi dimensioni (testo/immagine/voce) con riconoscimento vocale e comprensione del linguaggio naturale per la pianificazione ed esecuzione dei compiti.
Caratteristiche principali
- Distribuzione dell'agente AI OpenClaw (con tutorial di distribuzione e utilizzo). Nota: La distribuzione di OpenClaw non è supportata sulla versione Jetson Nano B01.
- Capacità di modelli multimodali integrati: base di conoscenza RAG estensibile, modello linguistico visivo di grandi dimensioni, modello linguistico testuale di grandi dimensioni, architettura di ragionamento a doppio modello e ragionamento con feedback dinamico.
- Fusione di nuvole di punti LiDAR TOF doppio: percezione omnidirezionale a 360° senza punti ciechi; mappatura navigazione/pianificazione della rete stradale; pianificazione del percorso e navigazione multi-punto.
- Pianificazione della rete stradale: creare, modificare e gestire reti di percorsi composte da punti e linee di collegamento; supporta la selezione del percorso più breve in reti di percorsi in stile sandbox.
- Braccio robotico visivo 3D a 6DOF: presa, smistamento e trasporto nello spazio 3D; riconoscimento di nuvole di punti 3D; posizionamento e tracciamento del bersaglio; calcolo della distanza/volume; mappatura di scene reali in 3D.
- Applicazioni della tecnologia di visione profonda: YOLOv26 / Transformer, MediaPipe / OpenCV, riposizionamento di navigazione con fusione visiva, segmentazione in tempo reale di nuvole di punti PCL.
- Modulo vocale e altoparlante con grande modello AI integrato: supporta la conversione in tempo reale tra voce e testo.
- Supporto per la simulazione MoveIt2.
Specifiche
| Modello | ROSMASTER M3 Pro |
| Sistema | ROS2 Humble |
| Chassis | Corpo in lega di alluminio; sospensione a pendolo con ruote Mecanum; struttura di sospensione a pendolo posteriore |
| Dimensione ruote | Ruote Mecanum da 80mm |
| LiDAR | Doppio LiDAR TOF (disposizione diagonale: anteriore destro + posteriore sinistro); scansione a 360° |
| Rilevamento LiDAR (dal grafico comparativo) | Percezione omnidirezionale a 360°; distanza di rilevamento di 24m |
| Telecamera di profondità | Telecamera di profondità a luce strutturata binoculare |
| FOV telecamera di profondità (dal grafico comparativo) | H91° V62° |
| Braccio robotico | Braccio robotico 6DOF; 6 servocomandi a bus seriale intelligente (supporta la lettura della posizione/stato e altre informazioni) |
| Capacità del gripper (dalla descrizione del braccio) | Pinza fino a 410g; precisione di posizionamento ripetibile 0.5mm |
| Batteria | Pacco batteria ad alta capacità da 9600mAh |
| Schermo tattile | Schermo tattile IPS ad alta definizione da 7 pollici (opzionale); varianti di configurazione mostrate: con display / senza display |
| Motori | Motore metallico con encoder ad alta coppia; sospensione indipendente oscillante con motore ad alta coppia |
| Scheda di controllo ROS | 3ª generazione di scheda di controllo ROS |
| MoveIt | MoveIt2 |
| Schemi di applicazione AI di grandi modelli | Agente AI OpenClaw; piattaforma di flusso di lavoro Dify opzionale |
| Agente AI OpenClaw – controllo principale supportato | Raspberry Pi 5; Jetson Orin Nano SUPER; Jetson Orin NX SUPER |
| Agente AI OpenClaw – metodi di interazione | Comandi vocali, WAP, testo web/terminale |
| OpenClaw AI agent – modalità di controllo robot | MCP, CLI |
| Piattaforma di workflow Dify – controllo master supportato | Raspberry Pi 5; Jetson Orin Nano SUPER; Jetson Orin NX SUPER; Jetson Nano B01 |
| Piattaforma di workflow Dify – modalità di controllo robot | http |
| Algoritmo di tracciamento visivo AI (dal confronto delle soluzioni) | OpenClaw: modello Transformer; Dify: KCF |
| Scenario opzionale AI con grande modello tavolo di sabbia / mappa sandbox | Dimensioni: 3m × 4.1m (accessorio opzionale; non incluso con ROSMASTER M3 Pro) |
Opzioni Scheda di Controllo Principale (per selezione)
| Opzione | Specifiche chiave di calcolo mostrate | Potenza (mostrata) | Sistema ROS (mostrato) | OpenClaw (mostrato) |
| Jetson Nano B01 4GB | 0.5 TFLOPS (FP16); Quad-Core Arm Cortex-A57 MPCore; GPU NVIDIA Maxwell a 128 core; 4GB LPDDR4 a 64 bit (25.6 GB/s) | 5W, 10W | Ubuntu 18.04 LTS + Docker + ROS2 Humble | Non supportato |
| Raspberry Pi 5 (8GB/16GB) | Cortex-A76; VideoCore VII; RAM: 8GB/16GB | 10W | Raspberry Pi OS + Docker + ROS2 Humble | (Vedi nota di supporto OpenClaw sopra) |
| Jetson Orin Nano SUPER 8GB | 67 TOPS; CPU a 6 core Arm Cortex-A78AE v8.2 64-bit (1.5MB L2 + 4MB L3); 1024-core NVIDIA Ampere GPU con 32 Tensor Cores; 8GB 128-bit LPDDR5 (102 GB/s) | 7W, 15W, 25W | Ubuntu 22.04 LTS + ROS2 Humble | Supporto |
| 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 con 32 Tensor Cores; 8GB 128-bit LPDDR5 (102 GB/s) | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble | Supporto |
| 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 con 32 Tensor Cores; 16GB 128-bit LPDDR5 (102 GB/s) | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble | Supporto |
Confronto test caso funzionale (mostrato)
| Versione | Riconoscimento vocale offline / sintesi vocale | Tempo di pianificazione decisionale per compiti di grandi modelli AI | Tempo di caricamento compiti semplici | Tempo di caricamento compiti complessi | Tracciamento & presa blocco colore | Funzioni visive 3D avanzate | Sviluppo MediaPipe | Simulazione MoveIt2 |
| Raspberry Pi 5 16GB | Nessuno | 2s | 10s | 15s | 15fps | 15fps | 15fps | Utilizzando una macchina virtuale compagna |
| Jetson Nano B01 4GB | Nessuno | 2s | 12s | 13s | 15fps | 15fps | 10fps | Utilizzando una macchina virtuale compagna |
| 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+ |
Per assistenza nella selezione della configurazione (opzioni Raspberry Pi vs Jetson) o supporto post-vendita, contattare https://rcdrone.top/ o inviare un'email a [email protected].
Applicazioni
- Educazione e laboratori ROS2: mappatura SLAM, navigazione, evitamento ostacoli e pianificazione della rete stradale.
- Manipolazione visione 3D &: riconoscimento/presa 3D, smistamento, tracciamento e gestione con un braccio 6DOF e nuvola di punti di profondità.
- Interazione AI multimodale: interazione vocale/testo/immagine con decomposizione dei compiti, pianificazione a lungo termine, ricerca di memoria e logica di risposta proattiva (flusso di lavoro OpenClaw).
- Riconoscimento visivo AI (esempi mostrati): riconoscimento delle caratteristiche umane, riconoscimento dei gesti, riconoscimento della traiettoria della punta delle dita, riconoscimento dello scheletro umano, rilevamento 3D, rilevamento del volto 3D, riconoscimento del codice tag, tracciamento degli oggetti Transformer zero-shot, soluzione di navigazione di fusione di rilocalizzazione visiva, rilevamento e presa di oggetti rotanti.
- Funzioni della telecamera di profondità (esempi mostrati): immagine di profondità/nuvola di punti, misurazione della distanza, segmentazione e localizzazione in tempo reale della nuvola di punti PCL, navigazione visiva 3D RTAB-Map, misurazione dell'altezza del bersaglio regionale, misurazione del volume del blocco di legno.
- Funzioni LiDAR (esempi mostrati): mappatura Gmapping/Cartographer/slam_toolbox, filtraggio di fusione duale LiDAR, evitamento dinamico degli ostacoli DWA, navigazione a punto singolo/multiplo, mappatura e navigazione tramite app, mappatura e navigazione di riposizionamento, pianificazione della rete stradale, evitamento ostacoli LiDAR, inseguimento LiDAR, guardia LiDAR.
Manuali
- Pagina Tutorial/Studio: https://www.yahboom.net/study/ROSMASTER-M3PRO
Dettagli
Una piattaforma educativa ROS2 Humble all-in-one che combina mobilità omnidirezionale, visione 3D e un braccio robotico a 6DOF.
Le funzionalità di interazione multimodale e autonomia supportano la mappatura, la navigazione, la presa e l'esecuzione di compiti in un'unica piattaforma.
OpenClaw consente la pianificazione dei compiti in linguaggio naturale con opzioni per comandi vocali, tramite app e basati su testo.
La fusione Dual TOF LiDAR offre una percezione a 360° per la mappatura SLAM, l'evitamento degli ostacoli e la pianificazione flessibile dei percorsi.
Tre tipi di modelli integrati coprono il ragionamento testuale, l'interazione vocale e la comprensione visiva per dimostrazioni robotiche più ricche.
Scegli tra il deployment OpenClaw integrato o una piattaforma di workflow opzionale a seconda delle esigenze del tuo progetto.
Un tavolo modulare per scenari supporta scene di addestramento ripetibili per esercizi di smistamento, conteggio e navigazione.
I progetti di esempio evidenziano come il controllo basato su agenti possa essere applicato a compiti di laboratorio quotidiani e dimostrazioni interattive.
I flussi di lavoro degli agenti possono collegare istruzioni basate su chat con comportamenti di mappatura, navigazione e trasporto.
Strumenti come la ricerca di memoria e le chiamate in stile MCP aiutano a collegare l'intento di alto livello ad azioni robotiche affidabili.
Comportamenti guidati dalla visione includono il tracciamento dei bersagli, il riconoscimento dei colori, la navigazione autonoma e le azioni coordinate del braccio.
La rilevazione della profondità a luce strutturata binoculare supporta la coordinazione mano-occhio per la misurazione, il riconoscimento e la presa in 3D.
Il confronto delle configurazioni aiuta a selezionare la giusta combinazione di sensori e calcolo per la tua aula o laboratorio.
Una guida alla selezione riassume le configurazioni comuni e le differenze tra i set di funzioni.
Le capacità principali di ROS coprono la mappatura LiDAR, la percezione della telecamera di profondità e le pipeline di riconoscimento visivo.
Le simulazioni MoveIt2 e le dimostrazioni di controllo del movimento supportano la pianificazione, i flussi di lavoro di presa e il coordinamento multi-robot.
Un telaio in alluminio mecanum con sospensione a pendolo migliora la stabilità mantenendo la piena compatibilità con ROS2 Humble.
Molteplici metodi di controllo e una chiara disposizione della struttura facilitano l'installazione, la manutenzione e l'espansione del robot.
La piattaforma ROSMASTER M3 Pro può essere configurata con un braccio robotico a 6DOF e una telecamera a luce strutturata binoculare per compiti di presa e percezione basata sulla profondità.
Il LiDAR laser TOF supporta un range di 0,05–12 m con fino a 4000 scansioni al secondo, mentre il modulo vocale aggiunge connessioni per microfono e altoparlante per l'interazione vocale.
La scheda di controllo del robot Yahboom ROSMASTER M3 Pro ROS2 fornisce un layout compatto e etichettato dei connettori per costruire ed espandere un sistema robotico mobile.
Yahboom ROSMASTER M3 Pro include l'accesso a oltre 200 corsi dettagliati tramite un repository di tutorial online per l'apprendimento di ROS2 e AI.
Il piano di apprendimento del ROSMASTER M3 Pro copre le basi del controllo ROS insieme ai compiti di visione OpenCV, mappatura SLAM e funzionalità AI per una pratica progressiva con ROS2.
Il percorso di apprendimento del ROSMASTER M3 Pro copre argomenti come la visione OpenCV, il tracciamento MediaPipe, la simulazione MoveIt2 e le basi di ROS2.
Il ROSMASTER M3 Pro include cartelle di codice open-source e tutorial dettagliati che coprono le basi di ROS, mappatura, navigazione e compiti di visione.
Il ROSMASTER M3 Pro viene fornito con video tutorial su ROS2 con sottotitoli in inglese e fornisce file di modelli 3D per supportare lo sviluppo e l'integrazione.
Il confronto della serie ROSMASTER delinea le differenze chiave nel tipo di telaio, nelle opzioni della fotocamera RGBD, nelle schede di controllo e nella capacità della batteria per aiutare a scegliere la piattaforma robot ROS2 giusta.
La piattaforma ROSMASTER M1 abbina un telaio con ruote mecanum e motori a ingranaggi 520 con opzioni di telecamera, LiDAR e scheda di controllo selezionabili per lo sviluppo basato su ROS.
ROSMaster M3 Pro abbina un telaio con ruote mecanum a opzioni di telecamera RGBD, OLED da 0,91 pollici/touchscreen opzionale da 7 pollici e una batteria da 12,6V 6000mAh.
La piattaforma ROSMASTER M3 Pro elenca un telaio con ruote mecanum, telecamera RGBD opzionale, braccio robotico a 6 DOF, doppio LiDAR e opzioni di scheda di controllo Raspberry Pi o Jetson.
I disegni quotati del robot Yahboom ROSMASTER M3 Pro ROS2 elencano le misure complessive chiave in millimetri per pianificare l'adattamento e il montaggio.
ROSMaster M3 Pro supporta le piattaforme Raspberry Pi 5 o Jetson Orin con programmazione Python, rete WiFi e un pacco batteria da 12,6V 9600mAh.
Il kit ROSMASTER M3 Pro include il telaio del robot, braccio 6DOF, controller, schede di espansione, batterie, staffe e strumenti di base per l'assemblaggio.
I pacchetti accessori opzionali sono organizzati per opzione di controller, inclusi un set con schermo touch da 7 pollici e kit per schede Raspberry Pi o NVIDIA Jetson con i cavi e i supporti necessari.
Related Collections
