Przegląd
Yahboom ROSMASTER M3 to platforma samochodu-robota ROS2 zaprojektowana dla Jetson Orin Nano/Orin NX SUPER, Raspberry Pi 5 i RDK X5. Integruje multimodalną AI (tekst/wizja/głos) z nawigacją SLAM i posiada podwozie z kołami Mecanum z niezależnym zawieszeniem wahadłowym do ruchu 360° w każdym kierunku. W zależności od konfiguracji, obsługuje opcjonalne pojedyncze/podwójne TOF LiDAR i wykorzystuje kamerę głębi DaBai DCW2 do aplikacji wizji 3D.
Kluczowe funkcje
- Zastosowania wielomodalnego modelu językowego AI: zrozumienie semantyczne, dialog mowy i zrozumienie sceny
- Wsparcie platformy rozwoju przepływu pracy Dify dla tworzenia i wdrażania przepływów pracy z dużymi modelami
- Architektura wnioskowania z podwójnym modelem z dynamicznym sprzężeniem zwrotnym i wsparciem dla przerywania rozmów
- Fuzja LiDAR + enkoder + IMU (żyroskop) do mapowania i nawigacji; obsługuje wiele algorytmów mapowania
- Kamera głębi DaBai DCW2 : obraz głębi + chmura punktów do mapowania wizji 3D, pomiaru i rozpoznawania
- Koła klasy profesjonalnej Mecanum + zawieszenie wahadłowe w celu zmniejszenia wpływu poślizgu kół na rozpoznawanie enkodera i zmniejszenia błędu licznika kilometrów
- Zintegrowane reflektory RGB/pasek LED z efektami świetlnymi przepływu, oddychania i markizy; konfigurowalne kolory/jasność
- Obsługa stosu wizji AI: OpenCV / MediaPipe / YOLOv11; zawiera funkcje takie jak rozpoznawanie gestów, rozpoznawanie kodów QR, szacowanie pozycji, segmentacja obrazu i wykrywanie obiektów
- Sterowanie formacją i połączeniem wielorobotowym: nawigacja wielorobotowa i dynamiczne unikanie przeszkód na tej samej mapie; wiele robotów kontrolowanych przez jednego hosta
Specyfikacje
| Rozmiar robota | 276.97 x 212.4 x 199.18 mm |
| Podwozie | Podwozie z kołami Mecanum (ruch we wszystkich kierunkach) |
| Zawieszenie | Struktura niezależnego zawieszenia wahadłowego |
| Kamera głębi | Kamera głębi DaBai DCW2 |
| LiDAR | T-MINI PLUS LiDAR (opcjonalnie pojedynczy/podwójny TOF LiDAR; fuzja chmur punktów dla wersji Ultimate) |
| Oświetlenie | Zintegrowane reflektory RGB/pasek LED |
| Bateria | Pakiet baterii 6000mAh |
| Opcjonalny wyświetlacz | Wyświetlacz 7-calowy (opcjonalny; zależy od wersji) |
| OS / ROS (według kontrolera) | Raspberry Pi OS + Docker + ROS2 Humble; Ubuntu 22.04 + ROS2 Humble; Ubuntu 22.04 LTS + ROS2 Humble |
| Pamięć (według konfiguracji) | 128GB / 256GB (e.g. , 128GB karta TF; 256GB SSD) |
Opcje wersji (Wybór konfiguracji)
| Przedmiot | Zestaw standardowy | Zestaw superior | Wersja ultimate |
|---|---|---|---|
| Obsługiwane główne sterowanie | Raspberry Pi 5 8GB; RDK X5 8GB; ORIN-NANO-8GB | Raspberry Pi 5 8GB; ORIN-NANO-8GB; ORIN-NX-8GB | Raspberry Pi 5 8GB; ORIN-NANO-8GB; ORIN-NX-8GB; ORIN-NX-16GB |
| Moduł głosowy | Wszystkie wersje zawierają moduł głosowy AI z dużym modelem | ||
| Kamera | DaBai DCW2 Kamera głębi | DaBai DCW2 Kamera głębi | DaBai DCW2 Kamera głębi |
| LiDAR | T-MINI PLUS LiDAR | T-MINI PLUS LiDAR | T-MINI PLUS LiDAR *2 |
| Wyświetlacz | / | Wyświetlacz 7-calowy | 7-calowy wyświetlacz |
Uwaga: Tylko wersja Ultimate jest wyposażona w podwójne LiDARy T-mini Plus.
Sugestie dotyczące wyboru kontrolera (Referencja)
Aby poprawić płynność działania dużych modeli i wyniki funkcjonalne, zaleca się wybór Jetson Orin Nano/NX SUPER. Jeśli wybierasz wersję bez płyty, przygotuj Raspberry Pi 5 z co najmniej 8GB RAM.
| Kontroler | Moc obliczeniowa | CPU | GPU | RAM | Pamięć | Moc | Dostarczony system ROS |
|---|---|---|---|---|---|---|---|
| Raspberry Pi 5 8GB | Około 0.5 TFLOPS (FP16) | Cortex-A76 | VideoCore VII | 8GB | Karta TF 128GB | 10W | Raspberry Pi OS + Docker + ROS2 Humble |
| RDK X5 8GB | 10 TOPS | 8-rdzeniowy Cortex-A55 @ 1.5GHz | 32Gflops | 8GB | / | 25W | Ubuntu 22.04 + ROS2 Humble |
| Jetson Orin Nano SUPER 8GB | 67 TOPS | 6-rdzeniowy procesor Arm Cortex-A78AE v8.2 64-bit 1,5MB L2 + 4MB L3 |
1024-rdzeniowy procesor graficzny NVIDIA Ampere z 32 rdzeniami Tensor | 8GB 128-bit LPDDR5 102 GB/s | 256GB SSD | 7W, 15W, 25W | Ubuntu 22.04 LTS + ROS2 Humble |
| Jetson Orin NX SUPER 8GB | 117 TOPS | 6-rdzeniowy procesor NVIDIA Arm Cortex-A78AE v8.2 64-bit 1,5MB L2 + 4MB L3 |
1024-rdzeniowy procesor graficzny NVIDIA Ampere z 32 rdzeniami Tensor | 8GB 128-bit LPDDR5 102 GB/s | 256GB SSD | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble |
| Jetson Orin NX SUPER 16GB | 157 TOPS | 8-rdzeniowy procesor NVIDIA Arm Cortex-A78AE v8.2 64-bit CPU 2MB L2 + 4MB L3 |
1024-rdzeniowy procesor graficzny NVIDIA Ampere z 32 rdzeniami Tensor | 16GB 128-bit LPDDR5 102 GB/s | 256GB SSD | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble |
Odniesienie wydajności (Porównanie testu funkcjonalnego)
| Element testowy | Raspberry Pi 5 8GB | RDK X5 8GB | Orin Nano SUPER 8GB | Orin NX SUPER 8GB | Orin NX SUPER 16GB |
|---|---|---|---|---|---|
| YOLO V11 Wykrywanie obiektów | 4fps | 12fps | 30fps | 30fps | 30fps |
| Mediapipe | 12fps | 13fps | 30fps | 30fps | 30fps |
| Śledzenie kodu maszynowego AprilTag | 30fps | 20fps | 30fps | 30fps | 30fps |
| Śledzenie obiektów KCF | 12fps | 15fps | 30fps | 30fps | 30fps |
| Duży model AI śledzenia wizualnego | 20fps | 10fps | 20fps | 30fps | 30fps |
| Wizualna autonomiczna jazda (model offline) | Nie obsługiwane | 22fps | 25fps | 30fps | 30fps |
| Duży model AI fuzji autonomicznej jazdy | Nie obsługiwane | 18fps | 25fps | 30fps | 30fps |
Funkcje (LiDAR / Kamera głębokości / Wizja)
Funkcje LiDAR
- Wysokoprecyzyjny TOF LiDAR z danymi fuzji enkodera i IMU (żyroskop) do precyzyjnego mapowania i nawigacji
- Obsługuje wiele algorytmów mapowania i Archiwizację Map
- Obsługuje nawigację punktową i wielopunktową; może być obsługiwany za pomocą aplikacji
- Technologia nawigacji z relokacją zmniejsza dryf pozycjonowania, poprawiając stabilność i niezawodność nawigacji
- Pokazane tryby mapowania i nawigacji: mapowanie LiDAR Gmapping, mapowanie LiDAR Cartographer, mapowanie LiDAR slam_toolbox, filtrowanie fuzji IMU LiDAR, mapowanie i nawigacja APP
- Pokazane przykładowe zachowania: unikanie przeszkód LiDAR, śledzenie LiDAR, strażnik LiDAR, planowanie sieci drogowej
Funkcje kamery głębi
- 3D kamera głębi z oświetleniem strukturalnym generująca obrazy głębi i dane chmury punktów
- Obliczanie odległości i objętości głębi; tworzy precyzyjne mapy 3D w kolorze w połączeniu z danymi radarowymi
- Pokazane przykładowe zastosowania: mapowanie i nawigacja wizyjna 3D RTAB-Map, pomiar objętości bloków drewnianych, wykrywanie krawędzi, pomiar odległości kamerą głębi
Wykrywanie modelu YOLOv11
- Obsługuje segmentację obrazu, estymację pozycji, klasyfikację obrazów i wykrywanie obiektów zorientowanych
AI Rozpoznawanie wizualne / Interakcja
- Obsługuje frameworki takie jak OpenCV i MediaPipe
- Przykłady rozpoznawania pokazane: rozpoznawanie cech ludzkich, rozpoznawanie gestów, rozpoznawanie trajektorii końcówek palców, rozpoznawanie kodów QR, wykrywanie 3D, wykrywanie twarzy 3D, rozpoznawanie kolorów, wizja AR
- Przykłady interakcji pokazane: sterowanie gestami, śledzenie postawy MediaPipe, sterowanie kodem maszynowym, śledzenie linii wizualnej, śledzenie kolorów, śledzenie twarzy, śledzenie obiektów KCF, śledzenie obiektów za pomocą głębokiego uczenia
Notatki dotyczące autonomicznej jazdy (Sandbox)
Testowanie sandboxu autonomicznej jazdy jest pokazane jako obsługiwane na: RDK X5, Orin Nano i Orin NX.Płytki Raspberry Pi są pokazane jako nieobsługujące tej funkcji. Demonstrowane funkcje obejmują wykrywanie znaków drogowych, utrzymanie pasa ruchu, autonomiczne parkowanie i podejmowanie decyzji o kierowaniu.
Zastosowania
- Mapowanie SLAM i nawigacja
- Planowanie sieci drogowej, planowanie trasy i nawigacja wielopunktowa
- Zrozumienie sceny, śledzenie wizualne, głęboka odległość Q&A i demonstracje autonomicznego rejsu
- Sterowanie synchronicznym ruchem wielorobotowym i kontrola formacji
Samouczki
W celu uzyskania pomocy w konfiguracji przed zakupem (wersje, wybór kontrolera i akcesoria), skontaktuj się z https://rcdrone.top/ lub wyślij e-mail na [email protected].
Szczegóły

Poznaj ROSMASTER M3: platformę samochodową gotową na ROS2, zbudowaną do multimodalnej AI i nawigacji SLAM na popularnych kontrolerach brzegowych.

Interakcja multimodalna, percepcja 3D i mobilność omnidirectionalna łączą się w jednej zintegrowanej platformie.

Wsparcie przepływu pracy Dify i wiele opcji mapowania pomagają przejść od demonstracji do wdrażalnych aplikacji robotycznych.

Wybierz odpowiedni poziom zestawu, porównując czujniki percepcji, kompatybilność kontrolera i wydajność podwozia.

Opcjonalny pojedynczy/podwójny TOF LiDAR i programowalne oświetlenie RGB rozszerzają przypadki użycia nawigacji i prezentacji.

Uruchamiaj modele tekstowe, głosowe i wizualne razem dla bogatszego zrozumienia semantycznego i interaktywnej robotyki.

Praktyczny stos wizji wspiera śledzenie, rozpoznawanie i interaktywne Q&A dla scenariuszy rzeczywistych.

Przepływy pracy SLAM obejmują mapowanie, nawigację punkt-punkt i eksplorację zorientowaną na zadania.

Planowanie na wyższym poziomie łączy percepcję i mapowanie, aby wykonywać zadania krok po kroku bardziej niezawodnie.


Skorzystaj z przewodnika wyboru, aby dopasować swoje potrzeby dotyczące kontrolera i czujników w opcjach Standard, Superior i Ultimate.

Fuzja czujników i narzędzia ROS wspierają mapowanie, unikanie przeszkód i pomiary oparte na głębokości.

Funkcje wizji obejmują wykrywanie, śledzenie, rozpoznawanie gestów i kontrolę formacji wielorobotowej.

Zachowania autonomicznej jazdy obejmują utrzymanie pasa, rozpoznawanie znaków, rutyny parkowania i decyzje dotyczące kierowania.


Rozwój ROS2 Humble łączy się z symulacją RViz i elastycznymi opcjami zdalnego sterowania do testów i demonstracji.

Widok eksplodowany podkreśla modułowe dodatki, takie jak kamera głębi, LiDAR, opcjonalny wyświetlacz i oświetlenie pokładowe.


Zestaw płyty sterującej robota ROS zawiera akumulator Li-ion 12V 6000mAh i obsługuje opcjonalny 7-calowy ekran dotykowy HD do interaktywnego sterowania.

Program kursu ROSMASTER M3 przedstawia moduły lekcji wideo i plan nauki dla projektów robotów AI ROS2.

Zestaw ROSMASTER M3 zawiera zorganizowane foldery z samouczkami i kodem obejmujące tematy związane z kontrolą podwozia, konfiguracją LiDAR i rozwojem modeli AI.

Zasoby edukacyjne ROSMASTER M3 przedstawiają samouczki dotyczące dużych modeli AI, filmy z podstawowego kursu ROS2 oraz materiały praktyczne do prowadzenia konfiguracji i rozwoju.

Yahboom zapewnia pliki modeli 3D ROSMASTER M3 oraz wsparcie techniczne po sprzedaży, aby pomóc w modelowaniu DIY i konfiguracji.

Opcje platformy ROSMASTER M3 obejmują sterowanie Ackermann, wybór kamery RGBD/USB, wyświetlacz OLED 0,91 cala oraz różne wybory płyty sterującej.

ROSMASTER M3 wykorzystuje podwozie z kołami mecanum o średnicy 80 mm i oferuje opcje takie jak moduł głosowy AI, różne płyty kontrolne oraz baterię 12.6V 6000mAh.

ROSmaster M3 wykorzystuje podwozie z kołami mecanum z różnymi opcjami kamer i płyt kontrolnych, a także pakiet baterii 12.6V 6000mAh do budowy mobilnych.

ROSMaster M3 PRO łączy podwozie z kołami mecanum z 6‑DOF ramieniem robotycznym i obsługuje LiDAR, kamerę głębi oraz płyty kontrolne Raspberry Pi lub Jetson.

Specyfikacja ROSMASTER M3 zawiera rysunki wymiarowe i kluczowe szczegóły, takie jak wsparcie ROS2 i programowanie w Pythonie.

Zestaw ROSMASTER M3 zawiera podwozie robota wraz z podstawową elektroniką, czujnikami oraz niezbędnymi kablami i akcesoriami do montażu.

Linia akcesoriów ROSMASTER M3 obejmuje moduły LiDAR i kamery głębi, 7-calowy ekran z uchwytami, mocowania oraz różne zestawy głównych płyt sterujących.
Related Collections
