Yahboom Muto S2 18DOF AI Vision Hexapod Robot för Raspberry Pi 5 & Jetson NANO, 2DOF PTZ FPV

Översikt

Yahboom Muto S2 är en 18DOF hexapodrobot designad för Raspberry Pi 5 eller NVIDIA Jetson NANO som huvudkontroller. Det är en bionisk hexapodrobot på skrivbordsnivå med en kropp av aluminiumlegering, 18 frihetsgrader och inbyggd algoritm för invers kinematik för simulerade gångarter. Med Python3-programmering och OpenCV-bildbehandling stöder den AI-visuell interaktionsfunktioner som färgigenkänning, spårning/följning, ansiktsspårning, QR-kodigenkänning och visuell linjepatrull. Kontrollmetoder inkluderar mobiltelefonapp, trådlös handtagskontroll och datorwebbsida (Jupyter Lab) kontroll, med realtidsvideotransmission (FPV).

Viktiga Funktioner

• AI Vision Hexapod Robot: Invers Kinematik Algoritm, Bionisk Gång, 18DOF Led, AI Visuell Interaktion.
• 18DOF rörelseleder: Använder 18 högpresterande servon och aluminiumlegeringsstrukturella delar för att ansluta tre leder på varje ben.
• 35KG smart seriell buss servosystem: 18PCS 35KG metallservon.
• 2D kamera PTZ: 2DOF kamera PTZ för visionsapplikationer.
• Realtidsvideotransmission: Anslut via lokalt nätverk genom mobilappen för att se HD-videomaterial i realtid.
• Hållning & rörelsejustering : Stödjer fri justering av gånghastighet och robothöjd (Robot Height Adjustment / Robot Speed Adjustment; gånghastighetsjustering: långsam/snabb).
• Undervisningsläge: Manuell kontroll av enbensrörelse hos värdmaskinen; en annan slavmaskin utför samma rörelse.
• Raspberry Pi 5 supportanteckning: “MUTO RS är utrustad med ett reglerat strömförsörjningskort” anpassat till Raspberry Pi 5, vilket ger en stabil 5.1V/5A strömförsörjning; den 0.6A strömbegränsningen ökar USB-portens strömutgång till 1.6A (för att undvika frysning/omstart).

För urvalshjälp och eftermarknadssupport, kontakta https://rcdrone.top/ eller mejla [email protected].

Specifikationer

Huvudkontrolljämförelse (enligt tillhandahållande)

Muto S2-roboten tillhandahåller två huvudkontroller, Raspberry Pi 5 och Jetson NANO 4GB SUB, och användningsmetoderna är i princip desamma, båda använder Ubuntu-systemet. Olika huvudkontroller påverkar endast systemets jämnhet något.Kursmaterialen, produktfunktionerna och den medföljande kontrollprogramvaran är konsekventa.

Funktionslista (Kurser/Exempel)

Kamera PTZ

• 00. Färg HSV-värde kalibrering
• 01. Färgigenkänning
• 02. Färgspårning
• 03. Följa färg
• 04. Färgigenkännings åtgärdsgrupp
• 05. Ansiktsdetektering
• 06. Ansiktsspårning
• 07. Hälsa på människor
• 08. QR-kodigenkänning
• 09. QR-kod instruktioner
• 10. Visuell linjeföljning
• 11. Rörelselärande
• 12. Lärarmanschett synkroniserad åtgärd

Maskininlärning

• 01. KNN
• 02. TensorFlow grundläggande handledning
• 03. Grundläggande användning av PyTorch
• 04. Yolov5 upptäcker objekt i realtid
• 05. Jetson-inference miljökonstruktion
• 06. Objektigenkänning och åtgärd
• 07. Kroppsrörelsekontrollrobot
• 08. Geststyrd robot

Jetson NANO-kurs

• 1. Om JetsonNano-systemet
• 2. Nätverkskonfiguration och Jtop
• 3. Ökad swap-utrymme
• 4. API-användning av GPIO-bibliotek
• 5. Hårdvarubibliotekskonfiguration
• 6. Pinläsningsfunktion
• 7. Pin-nivåutgångskontroll
• 8. Kontrollera LED
• 9. Jetson Nano kommunicerar med externa enheters seriella portar
• 10. Jetson nano I2C-kommunikation

Fjärrkontrollkurs

• 1. Stäng APP-kontrollprocessen
• 2. Mobil APP fjärrkontrollhandledning
• 3. USB trådlös handtagsfjärrkontroll

Robot grundkurs

• 1. Kontrollera summer
• 2. Kontrollera PWM-servon
• 3. Kontrollera buss-servon
• 4. Robot framåt och bakåt
• 5.Robot rör sig vänster och höger
• 6. Robot roterar vänster och höger
• 7. Kontrollera höjd
• 8. Kontrollera huvud
• 9. Åtgärdsgruppens prestanda
• 10. Läs data
• 11. Värddatorstyrning
• 12. Kameradrivrutin

Raspberry Pi-kurs

• 1. Bygg Python-miljö
• 2. Helloworld
• 3. Pin-utgång höga och låga nivåer
• 4. Läs pin höga och låga nivåer
• 5. Utgång PWM
• 6. Seriell kommunikation
• 7. I2C-kommunikation
• 8. Seriell kommunikation
• 9. I2C-kommunikation

Öppen källkod CV-kurs

• 1. Introduktion till öppen källkod CV
• 2. Bildläsning och visning
• 3. Bildskrivning
• 4. Bildkvalitet
• 5. Pixeloperationer
• 6. Bildzoom
• 7. Bildbeskärning
• 8. Bildpanorering
• 9. Spegling av bild
• 10. Affin transformation
• 11. Bildrotation
• 12. Perspektivtransformation
• 13. Gråskalehantering
• 14. Binär bild
• 15. Kantdetektering i grönt
• 16. Ritning av linjesegment
• 17. Ritning av rektangulär cirkel
• 18. Ritning av text och bild

Video

Manualer / Handledningar

Handledning länk (officiell): http://www.yahboom.net/study/Muto-S2

Detaljer

En 18DOF bionisk hexapodplattform kombinerar omvänd kinematik gångkontroll med kamerabaserad AI-interaktion.

Byggd för att köras på Raspberry Pi 5 eller NVIDIA Jetson Nano för robotiklära, visionsprojekt och gångexperiment.

Viktiga funktioner inkluderar OpenCV-baserade visionsfunktioner, Python-programmering, WiFi-kontroll och FPV videoströmning.

Välj Raspberry Pi 5 eller Jetson Nano som huvudkontroller, med ett alternativ för strömexpansionskort designat för Pi 5 stabilitet.

En strukturerad funktionslista och inlärningsväg täcker PTZ-vision, grunderna i djupinlärning och steg-för-steg-kurser för båda kontrollerna.

Arton högmomentservon driver tre leder per ben för stabil, artikulerad hexapodrörelse.

Inbyggd invers kinematik hjälper till att koordinera fotbanor för smidigare, mer stabila simulerade gångarter.

Realtids-FPV låter dig köra och övervaka roboten från en telefonapp över en lokal nätverksanslutning.

Spara åtgärdsgrupper i appen för att utlösa förinställda rörelser eller finjustera individuella leder för anpassade poser.

Interaktiva rörelser stöder lekfulla beteenden som geststilshälsningar och rörelserutiner.

Reaktiva rörelsedemonstrationer visar balansjusteringar under hinder på nära håll och dynamiska rörelser.

Synbaserade beteenden kan stödja spårning och följning för praktiska AI-interaktionsexperiment.

Snabba kommandon möjliggör vanliga åtgärdstillstånd som att krypa ihop och röra sig framåt.

Justera kroppshöjd och gånghastighet för att matcha olika ytor, demonstrationer och inomhustestning på skrivbord.

Läget för undervisning tillåter att en robots benrörelse styrs manuellt och speglas av en andra enhet.

Kamerabaserade AI-funktioner inkluderar färgspårning, ansiktsspårning och QR-kodigenkänning med hjälp av OpenCV-arbetsflöden.

Utforska djupare AI-demonstrationer som objektdetektering, skelettbaserad posestimering och gestkontrollrutiner.

Programmera beteenden i Python och iterera snabbt från en bärbar dator för rörelsestyrning, bildbehandling och automation.

MUTO S2 stöder en plattformsoberoende iOS/Android-app för fjärrkontroll, robotkalibrering, prestandalägen och datamonitorering.

Muto S2 stöder PC-kontroll via en JupyterLab-webbsida och 2.4G/USB trådlös gamepad-kontroll för robotrörelse.

Kurskatalogen för Yahboom Muto S2 beskriver guidade moduler för montering, rörelsestyrning, OpenCV-bildfunktioner och AI-experiment.

Yahboom Muto S2 inkluderar organiserade inlärningsresurser med AI-visions- och djupinlärningskursfiler för steg-för-steg-installation och kodning.

Muto S2 hexapod-layouten inkluderar en OLED-skärm, 2DOF kamera PTZ-modul, USB-hub expansionskort och ett stort litiumbatterifäste.

Muto S2 använder en intelligent seriell bussservo med ett ledområde på 0–270° och listade specifikationer inklusive 35kgf·cm vridmoment och 6,0–8,4V drift.

USB HD 1080P-kameran PTZ använder en 2DOF-servo för pan/tilt-kontroll och ansluter via USB 2.0 med upp till 80–120° synfält.

7.4V 9900mAh litiumbatteripaketet använder ett DC 4.0×1.7 laddningsgränssnitt och cirka 15cm ledningar för enkel anslutning.

Yahboom Muto S2 levereras med en dimensionerad layout som visar topp- och frontvyer med mått i millimeter för planering av placering och frigång.

MUTO S2 finns tillgänglig med en Jetson Nano 4GB USB eller Raspberry Pi 5 huvudkontrollkort, båda stöder Python, 18DOF leder och cirka 3,7 timmars batteritid.

Muto S2 hexapod-kit innehåller robotchassi, PTZ-kameramodul, OLED-komponenter, USB-hub expansionskort, batteripaket, laddare, kablar och grundläggande verktyg, med Raspberry Pi eller Jetson Nano-tillbehör listade som tillägg‑