Yahboom Muto RS 18DOF ROS2 Hexapod Robot Kit met AI Groot Model, LiDAR & Dieptecamera voor Raspberry Pi 5

Overzicht

De Yahboom Muto RS is een desktop-niveau AI groot model bionische hexapod robot gebouwd op het ROS2 besturingssysteem en ontworpen om te werken met Raspberry Pi (inclusief Raspberry Pi 5 opties). Het gebruikt een volledig aluminiumlegering lichaam en een 18 DOF gewrichtsstructuur aangedreven door 18PCS 35KG seriële bus servos, en integreert sensoren zoals een dieptecamera en LiDAR plus een spraakinteractiemodule. Met Python3 programmering en ingebouwde algoritmen (inclusief inverse kinematica), ondersteunt het AI visuele interactie, SLAM mapping/navigatie, spraakinteractie, deep learning en RViz simulatie voor ROS ontwikkeling en educatie.

Belangrijkste Kenmerken

• 18 DOF bewegingsgewrichten met aluminiumlegering structurele onderdelen; drie gewrichten per poot; 18 hoogpresterende servos.
• 18PCS 35KG metalen seriële bus servos voor stabiele, gecoördineerde bewegingscontrole.
• Inverse kinematics algoritme precisiecontrole; ondersteunt driehoekige gangbeweging en verstelbare stapfrequentie.
• Bewegingsaanpasbaarheid: X/Y translatie, 360° zelfrotatie, lichaamshoogte-aanpassing, houdingsoverlapping (hoog/middel/laag houding lopen), en verstelbare loopsnelheid (lineaire snelheid, hoeksnelheid, hoogte, staphoogte, staplengte).
• Multimodale AI grote modelintegratie: schaalbare RAG kennisbank, dual-modale dynamische feedback redeneringsarchitectuur, tekst semantisch begrip, en natuurlijke spraakdialoog.
• Dieptecamera + visuele herkenning: dieptecamera obstakeldetectie, 3D realtime mapping, diepte-afstandmeting, en 3D puntenwolkherkenning.
• LiDAR-gebaseerde omgevingsperceptie: 360° omnidirectionele detectie, mapping en navigatie, padplanning, dynamische obstakelvermijding, multi-punt navigatie en wegennetwerkplanning.
• Ondersteunde frameworks/algoritmen (opgesomd): MediaPipe, OpenCV; Gmapping, Cartographer; slam_toolbox; Radar odometer RF2O; DWA padplanning.
• AI visuele interactiefuncties (opgesomd): KCF objecttracking, kleurtracking, QR-code commando controle, visuele lijntracking.
• Spraakinteractieve besturing: spraakopdrachten kunnen bewegingsstatus controleren; ondersteunt functies zoals kleurtracking, kleurherkenning en visuele lijnpatrouille.
• Cross-platform besturing: iOS/Android afstandsbedieningsapp, iOS/Android mapping navigatie-app, PC host computerbesturing en 2.4G/USB draadloze handgreepbesturing.
• FPV real-time video transmissie: verbinden met een lokaal netwerk via een mobiele app om real-time HD-video vastgelegd door de robot te bekijken.
• Multi-machine interconnectie controle: ondersteunt multi-robot gelijktijdige navigatie met dynamische obstakelvermijding op dezelfde kaart, en synchrone controle via een enkele hostcomputer.
• Leerstand: handmatige beweging van een enkele poot op de hostrobot kan worden gespiegeld door een slavenrobot die dezelfde actie uitvoert.
• Leermiddelen: “200+ cursusvoorbeelden” worden genoemd; bijbehorende ROS-cursussen en AI-toepassingsvoorbeelden van grote taalmodellen worden beschreven (tutorial URL verwijderd voor naleving).

Voor hulp bij pre-sales selectie of installatie-ondersteuning, neem contact op met https://rcdrone.top/ of e-mail [email protected].

Specificaties

Configuratieverschillen (zoals vermeld)

Raspberry Pi 5 (informatie getoond)

Toepassingen

• ROS2 leren en ontwikkelen voor meerpotige (hexapod) voortbeweging en inverse kinematica.
• SLAM mapping/navigatie-experimenten: enkelpunts- en multipuntsnavigatie, wegennetwerkplanning en dynamische obstakelvermijding.
• Computer vision en perceptieprojecten met behulp van dieptecamera en AI visuele herkenning (OpenCV / MediaPipe als referentie).
• Spraakinteractie en multimodale grote-model demonstraties (tekst/spraak/visuele integratie als referentie).
• Multi-robot synchronisatiecontrole en multi-robot navigatie (multi-machine interconnectiecontrole als referentie).

Handleidingen

Handleidingbronnen worden als referentie genoemd voor dit product (studiepagina van de fabrikant vermeld in bron; externe URL verwijderd voor naleving).

Details

Gebouwd op ROS2 voor Raspberry Pi, brengt Muto RS 18-DOF hexapod mobiliteit samen met AI perceptie voor desktoprobotica leren.

Van SLAM-mapping en navigatie tot visie- en spraakinteractie, het platform is ontworpen als een alles-in-één ROS2-ontwikkelingskit.

Multimodale AI-workflows combineren met wegennetwerkplanningsconcepten om onderzoekdemo's en klaslokaalinstructie te ondersteunen.

Kies een configuratie die past bij uw controller- en sensorbehoeften, met opties gericht op Raspberry Pi-computing.

Tekst-, spraak- en visiemodellen kunnen worden geïntegreerd om belichaamde intelligentiegedragingen in Python en ROS2 te bouwen.

Gebruik hoog-niveau commando's voor beweging, perceptie Q&A, doelvolgen en autonome navigatietaken.

Op SLAM gebaseerde perceptie ondersteunt navigatie met meerdere punten en doelzoekgedragingen in in kaart gebrachte omgevingen.

Interactiedemo's op hoger niveau omvatten intentiebegrip, imitatieleer-gedragingen en omgevingsverkenning.

Ingebouwde ROS2-pakketten verbinden LiDAR- en dieptecameragegevens voor mapping, puntenwolken en obstakelbewustzijn.

Visie-algoritmen en spraakopdrachten voegen handsfree bediening toe, met ondersteuning voor multi-robot coördinatiefuncties.

De leermodus en een volledige 18-DOF gewrichtsindeling maken het gemakkelijker om gangen en gecoördineerde beenbewegingen te demonstreren.

Inverse kinematica en gangplanning helpen bij het vertalen van houding- en pasinstellingen naar stabiele hexapodbewegingen.

Pas de lichaamshoogte, houding en loopsnelheid aan om aan te sluiten bij verschillende oppervlakken, demo's en navigatiescenario's.

FPV-video en actie-nabootsende gedragingen maken demo's interactiever voor laboratoria, clubs en presentaties.

Programmeert in Python en bestuur de robot vanaf mobiele apps, een pc-host of een draadloze controller, afhankelijk van uw setup.

Ontwikkel en test in RViz-simulatie, en implementeer vervolgens naar de ROS2-stack voor herhaalbare robotica-experimenten.

Yahboom Muto RS ROS2 leermaterialen behandelen AI-visie, Mediapipe, wegennetwerk navigatie, en ROS2 basis video tutorials.

De Muto RS hexapod gebruikt een modulaire stack met componenten zoals lidar, een dieptecamera, Raspberry Pi-controller, en seriële bus servos voor gecoördineerde beenbeweging.

Orbbec Astra Pro Plus dieptesensor en een 2D LiDAR SLAM-module bieden diepte- en mappinginvoer voor ROS2 robotica projecten.

De kit bevat een AI-spraakmodule met een bedrade luidspreker plus een 7.4V 9900mAh lithium batterijpakket voor stroomvoorziening aan boord.

De Yahboom Muto RS ROS2 hexapod bevat een multi-view mm dimensie referentie om te helpen bij het plannen van montagevrijheid en plaatsing.

De pakketlijst bevat het geassembleerde MUTO-robotchassis plus optionele toevoegingen zoals een Raspberry Pi 5, SLAM Lidar en dieptecamera, samen met stroom- en audioaccessoires.