Yahboom Muto RS 18DOF ROS2 Kit Robot Hexapod dengan Model AI Besar, LiDAR & Kamera Kedalaman untuk Raspberry Pi 5

Gambaran Keseluruhan

Yahboom Muto RS adalah robot bionik hexapod model AI tahap desktop yang dibina pada sistem operasi ROS2 dan direka untuk berfungsi dengan Raspberry Pi (termasuk pilihan Raspberry Pi 5). Ia menggunakan badan aloi aluminium sepenuhnya dan struktur sendi 18 DOF yang digerakkan oleh 18PCS servo bas bersiri 35KG, dan mengintegrasikan sensor seperti kamera kedalaman dan LiDAR serta modul interaksi suara. Dengan pengaturcaraan Python3 dan algoritma terbina dalam (termasuk kinematik songsang), ia menyokong interaksi visual AI, pemetaan/navigasi SLAM, interaksi suara, pembelajaran mendalam, dan simulasi RViz untuk pembangunan dan pendidikan ROS.

Ciri-ciri Utama

• 18 sendi gerakan DOF dengan bahagian struktur aloi aluminium; tiga sendi setiap kaki; 18 servo berprestasi tinggi.
• 18PCS servo bas bersiri logam 35KG untuk kawalan gerakan yang stabil dan terkoordinasi.
• Kawalan ketepatan algoritma kinematik songsang; menyokong berjalan gaya segi tiga dan frekuensi langkah boleh laras.
• Kebolehsuaian gerakan: Terjemahan X/Y, putaran diri 360°, pelarasan ketinggian badan, superposisi postur (berjalan gaya tinggi/sederhana/rendah), dan kelajuan berjalan boleh laras (halaju linear, halaju sudut, ketinggian, ketinggian langkah, panjang langkah).
• Penyepaduan model besar AI multimodal: pangkalan pengetahuan RAG yang boleh diskala, seni bina penaakulan maklum balas dinamik dwi-modal, pemahaman semantik teks, dan dialog pertuturan semula jadi.
• Kamera kedalaman + pengiktirafan visual: pengesanan halangan kamera kedalaman, pemetaan masa nyata 3D, pengukuran jarak kedalaman, dan pengiktirafan awan titik 3D.
• Persepsi persekitaran berasaskan LiDAR: Penginderaan omnidirectional 360°, pemetaan dan navigasi, perancangan laluan, pengelakan halangan dinamik, navigasi berbilang titik, dan perancangan rangkaian jalan.
• Rangka kerja/algoritma yang disokong (disenaraikan): MediaPipe, OpenCV; Gmapping, Cartographer; slam_toolbox; Odometer radar RF2O; Perancangan laluan DWA.
• Fungsi interaksi visual AI (disenaraikan): Penjejakan objek KCF, penjejakan warna, kawalan arahan kod QR, penjejakan garis visual.
• Kawalan interaktif suara: arahan suara boleh mengawal keadaan pergerakan; menyokong fungsi seperti penjejakan warna, pengecaman warna, dan rondaan garis visual.
• Kawalan merentas platform: aplikasi kawalan jauh iOS/Android, aplikasi navigasi pemetaan iOS/Android, kawalan komputer hos PC, dan kawalan pemegang tanpa wayar 2.4G/USB.
• FPV penghantaran video masa nyata: sambung ke rangkaian kawasan setempat melalui aplikasi telefon bimbit untuk melihat video HD masa nyata yang dirakam oleh robot.
• Kawalan interkoneksi berbilang mesin: menyokong navigasi serentak berbilang robot dengan pengelakan halangan dinamik pada peta yang sama, dan kawalan serentak melalui komputer hos tunggal.
• Mod pengajaran: pergerakan satu kaki manual pada robot hos boleh dicerminkan oleh robot hamba yang melakukan tindakan yang sama.
• Sumber pembelajaran: “200+ contoh kursus” dirujuk; kursus ROS yang disertakan dan contoh aplikasi model bahasa besar AI diterangkan (URL tutorial dikeluarkan untuk pematuhan).

Untuk bantuan pemilihan pra-jualan atau sokongan persediaan, hubungi https://rcdrone.top/ atau e-mel [email protected] .

Spesifikasi

Perbezaan Konfigurasi (seperti disenaraikan)

Raspberry Pi 5 (maklumat ditunjukkan)

Aplikasi

• Pembelajaran dan pembangunan ROS2 untuk pergerakan multi-kaki (hexapod) dan kinematik songsang.
• Eksperimen pemetaan/navigasi SLAM: navigasi titik tunggal dan berbilang titik, perancangan rangkaian jalan, dan pengelakan halangan dinamik.
• Projek penglihatan komputer dan persepsi menggunakan kamera kedalaman dan pengecaman visual AI (rujukan OpenCV / MediaPipe).
• Interaksi suara dan demonstrasi model besar multimodal (rujukan integrasi teks/suara/visual).
• Kawalan penyelarasan multi-robot dan navigasi multi-robot (rujukan kawalan interkoneksi multi-mesin).

Manual

Sumber tutorial dirujuk untuk produk ini (halaman kajian pengeluar disebut dalam sumber; URL luaran dikeluarkan untuk pematuhan).

Butiran

Dibina di atas ROS2 untuk Raspberry Pi, Muto RS menggabungkan mobiliti hexapod 18-DOF dengan persepsi AI untuk pembelajaran robotik desktop.

Dari pemetaan dan navigasi SLAM kepada interaksi penglihatan dan suara, platform ini direka sebagai kit pembangunan ROS2 serba lengkap.

Aliran kerja AI multimodal digabungkan dengan konsep perancangan rangkaian jalan untuk menyokong demo penyelidikan dan pengajaran di bilik darjah.

Pilih konfigurasi yang sesuai dengan keperluan pengawal dan sensor anda, dengan pilihan berpusat pada pengkomputeran Raspberry Pi.

Model teks, suara, dan penglihatan boleh diintegrasikan untuk membina tingkah laku kecerdasan terwujud dalam Python dan ROS2.

Gunakan arahan peringkat tinggi untuk pergerakan, persepsi Q&A, penjejakan sasaran, dan tugas navigasi autonomi.

Persepsi berasaskan SLAM menyokong navigasi berbilang titik dan tingkah laku pencarian sasaran di seluruh persekitaran yang dipetakan.

Demo interaksi peringkat lebih tinggi termasuk pemahaman niat, tingkah laku pembelajaran tiruan, dan penerokaan persekitaran.

Pakej ROS2 terbina dalam menghubungkan data LiDAR dan kamera kedalaman untuk pemetaan, awan titik, dan kesedaran halangan.

Algoritma penglihatan dan arahan suara menambah kawalan bebas tangan, dengan sokongan untuk ciri penyelarasan multi-robot.

Mod pengajaran dan susun atur sendi 18-DOF penuh memudahkan untuk menunjukkan gaya berjalan dan pergerakan kaki yang diselaraskan.

Kinematik songsang dan perancangan gaya berjalan membantu menterjemahkan tetapan postur dan langkah kepada pergerakan hexapod yang stabil.

Suaikan ketinggian badan, kedudukan, dan kelajuan berjalan untuk disesuaikan dengan permukaan yang berbeza, demo, dan senario navigasi.

Video FPV dan tingkah laku meniru aksi menjadikan demo lebih interaktif untuk makmal, kelab, dan pembentangan.

Program dalam Python dan kawal robot dari aplikasi mudah alih, hos PC, atau pemegang tanpa wayar bergantung pada tetapan anda.

Kembangkan dan uji dalam simulasi RViz, kemudian gunakan pada stack ROS2 untuk eksperimen robotik yang boleh diulang.

Bahan pembelajaran Yahboom Muto RS ROS2 merangkumi visi AI, Mediapipe, navigasi rangkaian jalan, dan tutorial video asas ROS2.

Hexapod Muto RS menggunakan stack modular dengan komponen seperti lidar, kamera kedalaman, pengawal Raspberry Pi, dan servo bas bersiri untuk pergerakan kaki yang terkoordinasi.

Orbbec Astra Pro Plus penginderaan kedalaman dan modul SLAM LiDAR 2D menyediakan input kedalaman dan pemetaan untuk projek robotik ROS2.

Kit ini termasuk modul suara AI dengan pembesar suara berwayar serta pek bateri litium 7.4V 9900mAh untuk kuasa onboard.

Hexapod Yahboom Muto RS ROS2 termasuk rujukan dimensi mm pandangan pelbagai untuk membantu merancang pelepasan dan penempatan pemasangan.

Senarai pakej termasuk casis robot MUTO yang telah dipasang serta tambahan pilihan seperti Raspberry Pi 5, SLAM Lidar, dan kamera kedalaman, bersama dengan aksesori kuasa dan audio.