Yahboom ROSMASTER M3 Pro ROS2 Robot com OpenClaw Agente IA, Duplo TOF LiDAR, Braço 6DOF, Mecanum SLAM
Yahboom ROSMASTER M3 Pro ROS2 Robot com OpenClaw Agente IA, Duplo TOF LiDAR, Braço 6DOF, Mecanum SLAM
Yahboom
Não foi possível carregar a disponibilidade de recolha
Visão Geral
ROSMASTER M3 Pro é uma plataforma de robô ROS2 da Yahboom para educação em ROS, experiências de pesquisa científica e ensino de aplicações de IA. Utiliza um chassis de rodas Mecanum com suspensão de pêndulo para movimento omnidirecional e é desenvolvido no ROS2 Humble. A plataforma integra um braço robótico de 6DOF, uma câmara de profundidade de luz estruturada binocular para integração de visão 3D mão-olho, e duplo LiDAR TOF para mapeamento SLAM omnidirecional, navegação autónoma, desvio de obstáculos e planeamento de trajetórias. Também suporta interação multimodal com grandes modelos de IA (texto/imagem/voz) com reconhecimento de fala e compreensão de linguagem natural para planeamento e execução de tarefas.
Características Principais
- Implementação do agente AI OpenClaw (com tutorial de implementação e uso). Nota: A implementação do OpenClaw não é suportada na versão Jetson Nano B01.
- Capacidades de modelo multimodal incorporado: base de conhecimento RAG extensível, modelo de linguagem visual de grande escala, modelo de linguagem de texto de grande escala, arquitetura de raciocínio de modelo duplo e raciocínio de feedback dinâmico.
- Fusão de nuvem de pontos Dual TOF LiDAR: percepção omnidirecional de 360° sem pontos cegos; mapeamento de navegação/planeamento de rede rodoviária; planeamento de percurso e navegação multiponto.
- Planeamento de rede rodoviária: criar, editar e gerir redes de rotas compostas por pontos e linhas de ligação; suporta seleção de caminho mais curto em redes de rotas estilo sandbox.
- Braço robótico visual 3D com 6DOF: apreensão, classificação e transporte em espaço 3D; reconhecimento de nuvem de pontos 3D; posicionamento e rastreamento de alvos; cálculo de distância/volume; mapeamento de cena real 3D.
- Aplicações de tecnologia de visão profunda: YOLOv26 / Transformer, MediaPipe / OpenCV, reposicionamento de fusão visual para navegação, segmentação de nuvem de pontos em tempo real PCL.
- Módulo de voz com modelo de IA integrado e altifalante: suporta conversão em tempo real entre voz e texto.
- Suporte de simulação MoveIt2.
Especificações
| Modelo | ROSMASTER M3 Pro |
| Sistema | ROS2 Humble |
| Chassis | Corpo em liga de alumínio; suspensão de pêndulo com rodas Mecanum; estrutura de suspensão de pêndulo na roda traseira |
| Tamanho da roda | Rodas Mecanum de 80mm |
| LiDAR | LiDAR TOF duplo (layout de desvio diagonal: frente direita + traseira esquerda); varredura de 360° |
| Detecção LiDAR (do gráfico comparativo) | Percepção omnidirecional de 360°; distância de detecção de 24m |
| Câmera de profundidade | Câmera de profundidade de luz estruturada binocular |
| FOV da câmera de profundidade (do gráfico comparativo) | H91° V62° |
| Braço robótico | Braço robótico 6DOF; 6PCS servos de barramento serial inteligente (suporta leitura de posição/estado e outras informações) |
| Capacidade do gripper (da descrição do braço) | Agarra até 410g; precisão de posicionamento repetível 0.5mm |
| Bateria | Pacote de baterias de alta capacidade de 9600mAh |
| Ecrã tátil | Ecrã tátil IPS de alta definição de 7 polegadas (opcional); variantes de configuração mostradas: com ecrã / sem ecrã |
| Motores | Motor de metal com codificador de alto torque; suspensão independente com motor de alto torque |
| Placa de controlo ROS | Placa de controlo ROS de 3ª geração |
| MoveIt | MoveIt2 |
| Esquemas de aplicação de modelos grandes de IA | Agente AI OpenClaw; plataforma de fluxo de trabalho Dify opcional |
| Agente AI OpenClaw – controlo mestre suportado | Raspberry Pi 5; Jetson Orin Nano SUPER; Jetson Orin NX SUPER |
| Agente AI OpenClaw – métodos de interação | Comandos de voz, WAP, texto via web/terminal |
| OpenClaw AI agent – modo de controlo do robô | MCP, CLI |
| Plataforma de fluxo de trabalho Dify – controlo mestre suportado | Raspberry Pi 5; Jetson Orin Nano SUPER; Jetson Orin NX SUPER; Jetson Nano B01 |
| Plataforma de fluxo de trabalho Dify – modo de controlo do robô | http |
| Algoritmo de rastreamento visual de IA (da comparação de soluções) | OpenClaw: modelo Transformer; Dify: KCF |
| Cenário opcional de modelo grande de IA mesa de areia / mapa de sandbox | Tamanho: 3m × 4.1m (acessório opcional; não incluído com ROSMASTER M3 Pro) |
Opções de Placa de Controle Principal (para seleção)
| Opção | Especificação de computação chave mostrada | Potência (mostrada) | Sistema ROS (mostrado) | OpenClaw (mostrado) |
| Jetson Nano B01 4GB | 0.5 TFLOPS (FP16); Quad-Core Arm Cortex-A57 MPCore; GPU NVIDIA Maxwell de 128 núcleos; 4GB LPDDR4 de 64 bits (25.6 GB/s) | 5W, 10W | Ubuntu 18.04 LTS + Docker + ROS2 Humble | Não suportado |
| Raspberry Pi 5 (8GB/16GB) | Cortex-A76; VideoCore VII; RAM: 8GB/16GB | 10W | Raspberry Pi OS + Docker + ROS2 Humble | (Veja a nota de suporte do OpenClaw acima) |
| Jetson Orin Nano SUPER 8GB | 67 TOPS; CPU Arm Cortex-A78AE v8.2 de 6 núcleos e 64 bits (1.5MB L2 + 4MB L3); GPU NVIDIA Ampere com 1024 núcleos e 32 Tensor Cores; 8GB LPDDR5 de 128 bits (102 GB/s) | 7W, 15W, 25W | Ubuntu 22.04 LTS + ROS2 Humble | Suporte |
| Jetson Orin NX SUPER 8GB | 117 TOPS; CPU NVIDIA Arm Cortex-A78AE v8.2 de 64 bits com 6 núcleos (1.5MB L2 + 4MB L3); GPU NVIDIA Ampere com 1024 núcleos e 32 Tensor Cores; 8GB LPDDR5 de 128 bits (102 GB/s) | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble | Suporte |
| Jetson Orin NX SUPER 16GB | 157 TOPS; CPU NVIDIA Arm Cortex-A78AE v8.2 de 64 bits com 8 núcleos (2MB L2 + 4MB L3); GPU NVIDIA Ampere com 1024 núcleos e 32 Tensor Cores; 16GB LPDDR5 de 128 bits (102 GB/s) | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble | Suporte |
Comparação de Teste de Caso Funcional (mostrado)
| Versão | Reconhecimento de fala offline / síntese de fala | Tempo de planeamento de decisão de tarefa de modelo AI grande | Tempo de carregamento de tarefa simples | Tempo de carregamento de tarefa complexa | Rastreamento & agarrar bloco de cor | Funções visuais 3D avançadas | Desenvolvimento MediaPipe | Simulação MoveIt2 |
| Raspberry Pi 5 16GB | Nenhum | 2s | 10s | 15s | 15fps | 15fps | 15fps | Usando uma máquina virtual companheira |
| Jetson Nano B01 4GB | Nenhum | 2s | 12s | 13s | 15fps | 15fps | 10fps | Usando uma máquina virtual companheira |
| 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+ |
Para ajuda na seleção de configuração (opções Raspberry Pi vs Jetson) ou suporte pós-venda, contacte https://rcdrone.top/ ou envie um email para [email protected].
Aplicações
- Educação e laboratórios ROS2: mapeamento SLAM, navegação, desvio de obstáculos e planeamento de rede rodoviária.
- Manipulação de visão 3D &: reconhecimento/agarramento 3D, classificação, rastreamento e manuseio com um braço 6DOF e nuvem de pontos de profundidade.
- Interação multimodal de IA: interação por voz/texto/imagem com decomposição de tarefas, agendamento a longo prazo, pesquisa de memória e lógica de resposta proativa (fluxo de trabalho OpenClaw).
- Reconhecimento visual de IA (exemplos mostrados): reconhecimento de características humanas, reconhecimento de gestos, reconhecimento de trajetória da ponta dos dedos, reconhecimento de esqueleto humano, deteção 3D, deteção de rosto 3D, reconhecimento de código de etiqueta, rastreamento de objetos Transformer sem treino prévio, solução de navegação por fusão de re-localização visual, deteção e agarramento de objetos rotativos.
- Funções da câmara de profundidade (exemplos mostrados): imagem de profundidade/nuvem de pontos, medição de distância, segmentação e localização de nuvem de pontos em tempo real PCL, navegação de mapeamento visual 3D RTAB-Map, medição de altura de alvo regional, medição de volume de bloco de madeira.
- Funções LiDAR (exemplos mostrados): mapeamento Gmapping/Cartographer/slam_toolbox, filtragem de fusão de LiDAR duplo, evasão dinâmica de obstáculos DWA, navegação de ponto único/múltiplo, mapeamento de navegação por app, mapeamento de navegação de reposicionamento, planeamento de rede rodoviária, evasão de obstáculos LiDAR, seguimento LiDAR, guarda LiDAR.
Manuais
- Página de Tutorial/Estudo: https://www.yahboom.net/study/ROSMASTER-M3PRO
Detalhes
Uma plataforma educacional ROS2 Humble tudo-em-um que combina mobilidade omnidirecional, visão 3D e um braço robótico 6DOF.
Recursos de interação multimodal e autonomia suportam mapeamento, navegação, apreensão e execução de tarefas numa única plataforma.
OpenClaw permite o planeamento de tarefas em linguagem natural com opções para comandos de voz, aplicação e texto.
A fusão Dual TOF LiDAR oferece percepção de 360° para mapeamento SLAM, evitamento de obstáculos e planeamento de rotas flexível.
Três tipos de modelos integrados cobrem raciocínio de texto, interação por voz e compreensão visual para demonstrações de robótica mais ricas.
Escolha entre a implementação embutida do OpenClaw ou uma plataforma de fluxo de trabalho opcional, dependendo das necessidades do seu projeto.
Uma mesa de cenários modular suporta cenas de treino repetíveis para exercícios de classificação, contagem e navegação.
Projetos de exemplo destacam como o controlo baseado em agentes pode ser aplicado a tarefas de laboratório do dia-a-dia e demonstrações interativas.
Os fluxos de trabalho de agentes podem conectar instruções baseadas em chat com mapeamento, navegação e comportamentos de transporte.
Ferramentas como pesquisa de memória e chamadas no estilo MCP ajudam a conectar a intenção de nível superior a ações robóticas confiáveis.
Comportamentos guiados por visão incluem rastreamento de alvos, reconhecimento de cores, navegação autônoma e ações coordenadas de braço.
A deteção de profundidade por luz estruturada binocular suporta a coordenação mão-olho para medição, reconhecimento e apreensão em 3D.
Comparações de configuração ajudam a selecionar a combinação certa de sensores e computação para a sua sala de aula ou laboratório.
Um guia de seleção resume as configurações comuns e as diferenças entre conjuntos de funções.
As capacidades principais do ROS cobrem mapeamento LiDAR, perceção por câmara de profundidade e pipelines de reconhecimento visual.
Simulação MoveIt2 e demonstrações de controlo de movimento suportam planeamento, fluxos de trabalho de apreensão e coordenação multi-robô.
Um chassis de alumínio mecanum com suspensão de pêndulo melhora a estabilidade enquanto mantém total compatibilidade com ROS2 Humble.
Métodos de controlo múltiplos e uma disposição clara da estrutura facilitam a configuração, manutenção e expansão do robô.
A plataforma ROSMASTER M3 Pro pode ser configurada com um braço robótico de 6DOF e uma câmara de profundidade de luz estruturada binocular para tarefas de apreensão e percepção baseadas em profundidade.
O LiDAR laser TOF suporta alcance de 0,05–12 m com até 4000 varreduras por segundo, enquanto o módulo de voz adiciona conexões de microfone e altifalante para interação por voz.
A placa de controlo do robô Yahboom ROSMASTER M3 Pro ROS2 fornece uma disposição compacta e etiquetada de conectores para construir e expandir um sistema de robô móvel.
O Yahboom ROSMASTER M3 Pro inclui acesso a mais de 200 cursos detalhados através de um repositório de tutoriais online para aprender ROS2 e IA.
O plano de aprendizagem do ROSMASTER M3 Pro abrange os fundamentos do controlo ROS juntamente com tarefas de visão OpenCV, mapeamento SLAM e funcionalidades de IA para prática progressiva de ROS2.
O roteiro de aprendizagem do ROSMASTER M3 Pro cobre tópicos como visão OpenCV, rastreamento MediaPipe, simulação MoveIt2 e fundamentos de ROS2.
O ROSMASTER M3 Pro inclui pastas de código open-source e tutoriais detalhados que cobrem os fundamentos do ROS, mapeamento, navegação e tarefas de visão.
O ROSMASTER M3 Pro vem com tutoriais em vídeo de ROS2 com legendas em inglês e fornece ficheiros de modelos 3D para apoiar o desenvolvimento e a integração.
A comparação da Série ROSMASTER destaca as principais diferenças no tipo de chassis, opções de câmaras RGBD, placas de controlo e capacidade da bateria para ajudar a escolher a plataforma de robô ROS2 certa.
A plataforma ROSMASTER M1 combina um chassis com rodas mecanum e motores de engrenagem 520 com opções de câmara, LiDAR e placa de controlo selecionáveis para desenvolvimento baseado em ROS.
O ROSMaster M3 Pro combina um chassis com rodas mecanum com opções de câmara RGBD, OLED de 0,91 polegadas/opcional ecrã tátil de 7 polegadas, e uma bateria de 12,6V 6000mAh.
A plataforma ROSMASTER M3 Pro lista um chassis com rodas mecanum, câmara RGBD opcional, braço robótico de 6 DOF, LiDAR duplo e opções de placa de controlo Raspberry Pi ou Jetson.
Os desenhos dimensionais do robô Yahboom ROSMASTER M3 Pro ROS2 listam as principais medidas gerais em milímetros para planeamento de ajuste e montagem.
O ROSMASTER M3 Pro suporta plataformas Raspberry Pi 5 ou Jetson Orin com programação em Python, rede WiFi e um pacote de baterias de 12,6V 9600mAh.
O kit ROSMASTER M3 Pro inclui o chassis do robô, braço 6DOF, controlador, placas de expansão, baterias, suportes e ferramentas básicas para montagem.
Os pacotes de acessórios opcionais estão organizados por opção de controlador, incluindo um conjunto de ecrã tátil de 7 polegadas e kits para placas Raspberry Pi ou NVIDIA Jetson com os cabos e suportes necessários.
Related Collections
