Przegląd
Yahboom Muto S2 to 18DOF robot-hexapod zaprojektowany dla Raspberry Pi 5 lub NVIDIA Jetson NANO jako główny kontroler. Jest to robot-hexapod na poziomie biurkowym z korpusem z aluminium, 18 stopniami swobody i wbudowanym algorytmem kinematyki odwrotnej do sterowania symulowanymi chodem. Dzięki programowaniu w Python3 i przetwarzaniu obrazu OpenCV, obsługuje funkcje interakcji wizualnej AI, takie jak rozpoznawanie kolorów, śledzenie/podążanie, śledzenie twarzy, rozpoznawanie kodów QR i patrolowanie linii wizualnej. Metody sterowania obejmują aplikację na telefon komórkowy, bezprzewodowe sterowanie uchwytem oraz sterowanie stroną internetową komputera (Jupyter Lab), z transmisją wideo w czasie rzeczywistym (FPV).
Kluczowe cechy
- Robot Hexapod z Wizją AI: Algorytm Kinematyki Odwrotnej, Bioniczny Chód, 18DOF Stawów, Wizualna Interakcja AI.
- 18DOF stawy ruchowe: Wykorzystuje 18 wysokowydajnych serwomechanizmów i części strukturalne z aluminium do połączenia trzech stawów na każdej nodze.
- 35KG inteligentny system serwomechanizmów szeregowych: 18 sztuk 35KG metalowych serwomechanizmów.
- 2D kamera PTZ: 2DOF kamera PTZ do zastosowań wizyjnych.
- Transmisja wideo w czasie rzeczywistym: Połącz się przez sieć lokalną za pomocą aplikacji mobilnej, aby oglądać nagrania wideo HD w czasie rzeczywistym.
- Dostosowanie ruchu postawy& : Obsługuje swobodne dostosowanie prędkości chodzenia i wysokości ciała robota (Dostosowanie wysokości robota / Dostosowanie prędkości robota; dostosowanie prędkości chodzenia: wolno/szybko).
- Tryb nauczania: Ręczne sterowanie ruchem pojedynczej nogi maszyny głównej; inna maszyna podrzędna wykonuje tę samą akcję.
- Uwaga dotycząca wsparcia Raspberry Pi 5: „MUTO RS jest wyposażony w rozszerzoną płytę zasilania” dostosowaną do Raspberry Pi 5, zapewniającą stabilne zasilanie 5.1V/5A; limit prądu 0.6A zwiększa wyjście prądu portu USB do 1.6A (aby pomóc uniknąć zamarzania/ponownego uruchamiania).
W celu uzyskania pomocy przy wyborze i wsparcia posprzedażowego, skontaktuj się z https://rcdrone.top/ lub wyślij e-mail na [email protected].
Specyfikacje
| Model | Muto S2 |
| Typ robota | Robot AI Vision Hexapod |
| Stopnie swobody | 18DOF (18 stopni swobody) |
| Materiał korpusu | Stop aluminium |
| Serwomechanizmy | 18PCS 35KG metalowe serwomechanizmy; 35KG inteligentny serwomechanizm szeregowy |
| Kamera | 2MP 1080 HD kamera; USB 1080P kamera |
| Gimbal kamery | 2DOF kamera PTZ |
| Bateria | 7.4V 9900mAh pakiet baterii (9900mAh) |
| Kompatybilność z głównym kontrolerem | Raspberry Pi 5 / Jetson NANO |
| Programowanie | Python3 |
| Stos wizyjny | Przetwarzanie obrazu OpenCV; AI interakcja wizualna; głębokie uczenie |
| Zdalne sterowanie | Aplikacja mobilna, bezprzewodowy uchwyt, strona internetowa komputera (Jupyter Lab); sterowanie WiFi |
Porównanie głównych kontrolerów (zgodnie z dostarczonymi danymi)
| Płyta główna kontrolera | Raspberry Pi 5 8G | Jetson NANO 4GB SUB |
| Moc obliczeniowa | Dwukrotna moc obliczeniowa Raspberry Pi 4B | 0.5 TFLOPS |
| CPU | Cortex-A76 | Procesor Quad-Core Arm Cortex-A57 MPCore |
| GPU | Broadcom VideoCore VII | 128-rdzeniowy GPU NVIDIA Maxwell |
| Pamięć | 4GB/8GB | 4GB |
| Przechowywanie | Karta TF 64GB za darmo | Dysk U 64GB za darmo |
| Zasilanie | 10W | 5W | 10W |
| Efekt przetwarzania obrazu AI | ★★★★ | ★★★ |
Robot Muto S2 oferuje dwa główne kontrolery, Raspberry Pi 5 i Jetson NANO 4GB SUB, a metody użytkowania są zasadniczo takie same, oba korzystają z systemu Ubuntu. Różne główne kontrolery tylko nieznacznie wpływają na płynność systemu.Materiały kursowe, funkcje produktów i dostarczone oprogramowanie sterujące są spójne.
Lista funkcji (Kursy/Przykłady)
Kamera PTZ
- 00. Kalibracja wartości HSV koloru
- 01. Rozpoznawanie koloru
- 02. Śledzenie koloru
- 03. Podążanie za kolorem
- 04. Grupa akcji rozpoznawania koloru
- 05. Wykrywanie twarzy
- 06. Śledzenie twarzy
- 07. Witanie ludzi
- 08. Rozpoznawanie kodu QR
- 09. Instrukcje kodu QR
- 10. Wizualne podążanie za linią
- 11. Nauka ruchu
- 12. Synchronizowana akcja z wisiorkiem uczącym
Głębokie uczenie maszynowe
- 01. KNN
- 02. Podstawowy tutorial TensorFlow
- 03. Podstawowe użycie PyTorch
- 04. Yolov5 wykrywa obiekty w czasie rzeczywistym
- 05. Konstrukcja środowiska Jetson-inference
- 06. Wykrywanie obiektów i akcja
- 07. Sterowanie ruchem ciała robota
- 08. Robot sterowany gestami
Kurs Jetson NANO
- 1. O systemie JetsonNano
- 2. Konfiguracja sieci i Jtop
- 3. Zwiększenie przestrzeni swap
- 4. Użycie API biblioteki GPIO
- 5. Konfiguracja biblioteki sprzętowej
- 6. Funkcja odczytu pinów
- 7. Sterowanie poziomem wyjścia pinów
- 8. Sterowanie LED
- 9. Komunikacja Jetson Nano z zewnętrznymi portami szeregowymi urządzeń
- 10. Komunikacja I2C Jetson Nano
Kurs zdalnego sterowania
- 1. Zamknięcie procesu sterowania aplikacją
- 2. Samouczek zdalnego sterowania aplikacją mobilną
- 3. Zdalne sterowanie bezprzewodowym uchwytem USB
Podstawowy kurs robota
- 1. Sterowanie brzęczykiem
- 2. Sterowanie serwem PWM
- 3. Sterowanie serwem magistrali
- 4. Ruch robota do przodu i do tyłu
- 5.Robot porusza się w lewo i prawo
- 6. Robot obraca się w lewo i prawo
- 7. Kontrola wysokości
- 8. Kontrola głowy
- 9. Wykonanie grupy akcji
- 10. Odczyt danych
- 11. Sterowanie komputerem głównym
- 12. Sterownik kamery
Kurs Raspberry Pi
- 1. Tworzenie środowiska Python
- 2. Helloworld
- 3. Wyjście pinów na wysokie i niskie poziomy
- 4. Odczyt wysokich i niskich poziomów pinów
- 5. Wyjście PWM
- 6. Komunikacja szeregowa
- 7. Komunikacja I2C
- 8. Komunikacja szeregowa
- 9. Komunikacja I2C
Kurs Open Source CV
- 1. Wprowadzenie do Open Source CV
- 2. Odczyt i wyświetlanie obrazu
- 3. Zapis obrazu
- 4. Jakość obrazu
- 5. Operacje na pikselach
- 6. Powiększanie obrazu
- 7. Przycinanie obrazu
- 8.Panoramowanie obrazu
- 9. Odbicie obrazu
- 10. Transformacja afiniczna
- 11. Obrót obrazu
- 12. Transformacja perspektywiczna
- 13. Przetwarzanie w skali szarości
- 14. Obraz binarny
- 15. Wykrywanie zielonych krawędzi
- 16. Rysowanie odcinków linii
- 17. Rysowanie prostokątnych okręgów
- 18. Rysowanie tekstu i obrazu
Wideo
Instrukcje / Samouczki
Link do samouczka (oficjalny): http://www.yahboom.net/study/Muto-S2
Szczegóły

Platforma bioniczna hexapod 18DOF łączy kontrolę chodu z odwrotną kinematyką z interakcją AI opartą na kamerze.

Zbudowana do pracy na Raspberry Pi 5 lub NVIDIA Jetson Nano do nauki robotyki, projektów wizji i eksperymentów z chodem.

Kluczowe możliwości obejmują funkcje wizji oparte na OpenCV, programowanie w Pythonie, kontrolę WiFi i strumieniowanie wideo FPV.

Wybierz Raspberry Pi 5 lub Jetson Nano jako główny kontroler, z opcją rozszerzenia zasilania zaprojektowaną dla stabilności Pi 5.

Strukturalna lista funkcji i ścieżka nauki obejmuje wizję PTZ, podstawy głębokiego uczenia oraz kursy krok po kroku dla obu kontrolerów.

Osiemnaście serwomechanizmów o wysokim momencie obrotowym napędza trzy stawy na nogę dla stabilnego, artykułowanego ruchu heksapoda.

Wbudowana kinematyka odwrotna pomaga koordynować trajektorie stóp dla płynniejszych, bardziej stabilnych symulowanych chódów.

FPV w czasie rzeczywistym pozwala sterować i monitorować robota z aplikacji na telefonie przez lokalne połączenie sieciowe.

Zapisz grupy akcji w aplikacji, aby wyzwalać zaprogramowane ruchy lub dostosowywać poszczególne stawy do niestandardowych pozycji.

Interaktywne ruchy wspierają zabawne zachowania, takie jak powitania w stylu gestów i rutyny ruchowe.

Pokazy reaktywnego ruchu podkreślają dostosowania równowagi podczas przeszkód bliskiego zasięgu i dynamicznego ruchu.

Zachowania oparte na wizji mogą wspierać śledzenie i podążanie w eksperymentach interakcji AI.

Szybkie polecenia umożliwiają wykonywanie typowych stanów akcji, takich jak zwijanie się i poruszanie do przodu.

Dostosuj wysokość ciała i prędkość chodzenia, aby dopasować do różnych powierzchni, pokazów i testów na biurku w pomieszczeniach.

Tryb nauczania pozwala na ręczne prowadzenie ruchu nogi jednego robota i odwzorowanie go przez drugi.

Funkcje AI oparte na kamerze obejmują śledzenie koloru, śledzenie twarzy i rozpoznawanie kodów QR przy użyciu przepływów pracy OpenCV.

Odkrywaj głębsze pokazy AI, takie jak wykrywanie obiektów, szacowanie pozycji oparte na szkielecie i rutyny sterowania gestami.

Programuj zachowania w Pythonie i szybko iteruj z laptopa dla kontroli ruchu, przetwarzania wizji i automatyzacji.

MUTO S2 obsługuje aplikację na iOS/Android do zdalnego sterowania, kalibracji robota, trybów wydajności i monitorowania danych.

Muto S2 obsługuje sterowanie PC przez stronę internetową JupyterLab oraz sterowanie ruchem robota za pomocą bezprzewodowego gamepada 2.4G/USB.

Katalog kursów Yahboom Muto S2 zawiera moduły z przewodnikiem do montażu, kontroli ruchu, funkcji wizji OpenCV i eksperymentów AI.

Yahboom Muto S2 zawiera zorganizowane zasoby edukacyjne z plikami kursów wizji AI i głębokiego uczenia do krok po kroku konfiguracji i kodowania.

Układ hexapoda Muto S2 zawiera ekran OLED, moduł kamery PTZ 2DOF, płytę rozszerzeń USB hub i uchwyt na dużą baterię litową.

Muto S2 wykorzystuje inteligentny serwomechanizm szeregowy z zakresem ruchu 0–270° i specyfikacjami obejmującymi moment obrotowy 35kgf·cm oraz działanie przy napięciu 6.0–8.4V.

Kamera USB HD 1080P PTZ wykorzystuje serwomechanizm 2DOF do kontroli panoramy/pochylenia i łączy się przez USB 2.0 z polem widzenia do 80–120°.

Pakiet baterii litowej 7.4V 9900mAh wykorzystuje interfejs ładowania DC 4.0×1.7 i przewody o długości około 15cm dla łatwego połączenia.

Yahboom Muto S2 jest dostarczany z układem wymiarowym pokazującym widoki z góry i z przodu z pomiarami w milimetrach do planowania rozmieszczenia i prześwitu.

MUTO S2 jest dostępny z główną płytą sterującą Jetson Nano 4GB USB lub Raspberry Pi 5, obie obsługują Python, 18DOF stawów i około 3.7 godziny pracy na baterii.

Zestaw Muto S2 hexapod zawiera podwozie robota, moduł kamery PTZ, komponenty OLED, płytę rozszerzeń USB hub, pakiet baterii, ładowarkę, kable i podstawowe narzędzia, z akcesoriami Raspberry Pi lub Jetson Nano wymienionymi jako dod‑
Related Collections
