Yahboom Muto RS 18自由度 ROS2 六足機器人套件，配備AI大型模型、LiDAR與深度攝影機，適用於Raspberry Pi 5
Yahboom Muto RS 18自由度 ROS2 六足機器人套件，配備AI大型模型、LiDAR與深度攝影機，適用於Raspberry Pi 5
Yahboom
無法載入取貨服務供應情況
概述
Yahboom Muto RS 是一款桌面級 AI 大模型仿生六足機器人，基於 ROS2 操作系統構建，設計用於搭配 Raspberry Pi（包括 Raspberry Pi 5 選項）。它採用全鋁合金機身和 18 自由度關節結構，由 18PCS 35KG 串行總線伺服驅動，並集成了深度攝像頭和 LiDAR 等傳感器以及語音交互模塊。通過 Python3 編程和內置算法（包括逆運動學），支持 AI 視覺交互、SLAM 繪圖/導航、語音交互、深度學習和 RViz 模擬，用於 ROS 開發和教育。
主要特點
- 18 自由度運動關節 ，配備鋁合金結構部件；每條腿有三個關節；18 個高性能伺服器。
- 18PCS 35KG 金屬串行總線伺服器 ，實現穩定、協調的運動控制。
- 逆向運動學演算法精度控制; 支持三角步態行走和可調節步頻。
- 運動可調性: X/Y 平移、360° 自旋轉、身高調整、姿勢疊加（高/中/低姿態行走），以及可調節行走速度（線速度、角速度、高度、步高、步長）。
- 多模態 AI 大模型整合: 可擴展 RAG 知識庫、雙模態動態反饋推理架構、文本語義理解和自然語音對話。
- 深度攝像頭 + 視覺識別: 深度攝像頭障礙物檢測、3D 實時映射、深度距離測量和 3D 點雲識別。
- 基於LiDAR的環境感知: 360°全向感測、地圖繪製與導航、路徑規劃、動態障礙物避讓、多點導航及路網規劃。
- 支持的框架/算法（列出）: MediaPipe, OpenCV; Gmapping, Cartographer; slam_toolbox; 雷達里程計 RF2O; DWA 路徑規劃。
- AI視覺交互功能（列出）: KCF目標追蹤、顏色追蹤、QR碼命令控制、視覺線路追蹤。
- 語音交互控制: 語音命令可控制運動狀態；支持顏色追蹤、顏色識別和視覺線路巡邏等功能。
- 跨平台控制: iOS/Android 遠程控制應用，iOS/Android 地圖導航應用，PC主機控制，及2.4G/USB無線手柄控制。
- FPV 實時視頻傳輸: 通過手機應用程序連接到局域網以查看機器人捕獲的實時高清視頻。
- 多機互聯控制: 支持多機器人同時導航，並在同一地圖上進行動態避障，通過單台主機進行同步控制。
- 教學模式: 主機器人的單腿手動動作可以由從屬機器人鏡像執行相同的動作。
- 學習資源: 參考“200+課程示例”；描述了配套的ROS課程和AI大型語言模型應用示例（為遵循規範已移除教程URL）。
如需售前選擇幫助或設置支持，請聯繫https://rcdrone.top/或發送電子郵件至[email protected] .
規格
| 型號 | Muto RS |
| 機器人類型 | AI大型模型ROS六足機器人 |
| 自由度 | 18自由度關節 |
| 機身材料 | 鋁合金（參考全鋁合金機身） |
| 伺服器 | 18個35KG串行總線伺服器（金屬） |
| 操作系統 / 開發 | ROS2; Python3; 支援RViz模擬; docker容器開發（參考） |
| 傳感器 / 模組（參考） | 深度相機; LiDAR; 語音交互模組; 大容量電池組 |
| 深度相機（列出） | Astra Pro Plus深度相機 |
配置差異（如列出）
| 項目 | 終極套件 [A1 Lidar] | 終極套件 [4ROS Lidar] |
|---|---|---|
| 可選主控制器 | Raspberry Pi 5 8GB | Raspberry Pi 5 8GB–16GB |
| 注意（列出） | 如果選擇無板版本，請準備至少8GB RAM的Raspberry Pi 5。 | |
| 語音模組 | 預設配置：AI大型模型語音模組 | |
| 深度攝像頭 | Astra Pro Plus 深度攝像頭 | |
| LiDAR | SLAM A1 | EAI YDLIDAR 4ROS |
Raspberry Pi 5（顯示資訊）
| RAM（顯示） | 8GB RAM |
| 計算能力（顯示） | 約 500GFLOPS |
| GPU（顯示） | Broadcom Videocore VII |
| CPU（顯示） | 64 位元 2.4GHz 四核心 |
| 性能聲明（顯示） | Raspberry Pi 4B 性能的 2–3 倍（如所述） |
應用
- ROS2 多足（六足）運動和逆向運動學的學習和開發。
- SLAM 地圖繪製/導航實驗：單點和多點導航、道路網絡規劃和動態障礙物避讓。
- 使用深度相機和 AI 視覺識別（參考 OpenCV / MediaPipe）的計算機視覺和感知項目。
- 語音交互和多模態大模型演示（參考文本/語音/視覺整合）。
- 多機器人同步控制和多機器人導航（參考多機互聯控制）。
手冊
本產品參考了教程資源（來源中提到的製造商學習頁面；為遵循規範已移除外部 URL）。
詳情
基於 ROS2 為 Raspberry Pi 構建，Muto RS 將 18 自由度六足機器人的移動性與 AI 感知結合，用於桌面機器人學習。
從SLAM地圖繪製和導航到視覺和語音互動，該平台被設計為一個一體化的ROS2開發套件。
多模態AI工作流程與道路網絡規劃概念相結合，以支持研究演示和課堂教學。
選擇符合您控制器和傳感器需求的配置，選項以Raspberry Pi計算為中心。
可以整合文本、語音和視覺模型，以在Python和ROS2中構建具體化智能行為。
使用高級命令進行移動、感知Q&A、目標跟踪和自主導航任務。
基於SLAM的感知支持跨映射環境的多點導航和目標搜索行為。
更高層次的互動演示包括意圖理解、模仿學習行為和環境探索。
內建的ROS2套件連接LiDAR和深度相機數據，用於製圖、點雲和障礙物感知。
視覺算法和語音命令增加了免提控制，並支持多機器人協調功能。
教學模式和完整的18自由度關節佈局使演示步態和協調腿部運動變得更容易。
逆向運動學和步態規劃有助於將姿勢和步幅設置轉化為穩定的六足運動。
調整身體高度、姿態和行走速度以適應不同的表面、演示和導航場景。
FPV視頻和動作模仿行為使演示對於實驗室、俱樂部和演示更具互動性。
使用Python編程，並根據您的設置從移動應用程序、PC主機或無線手柄控制機器人。
在RViz模擬中開發和測試，然後部署到ROS2堆疊中以進行可重複的機器人實驗。
Yahboom Muto RS ROS2學習材料涵蓋AI視覺、Mediapipe、道路網絡導航和ROS2基礎視頻教程。
Muto RS六足機器人使用模塊化堆疊，包含激光雷達、深度攝像頭、Raspberry Pi控制器和串行總線伺服器等組件，以協調腿部運動。
Orbbec Astra Pro Plus深度感測和2D LiDAR SLAM模塊為ROS2機器人項目提供深度和映射輸入。
該套件包括一個帶有有線揚聲器的AI語音模塊以及一個7.4V 9900mAh鋰電池組以提供車載電源。
Yahboom Muto RS ROS2六足機器人包括一個多視圖毫米尺寸參考，以幫助計劃安裝間隙和位置。
包裝清單包括組裝好的MUTO機器人底盤以及可選的附加設備，如Raspberry Pi 5、SLAM Lidar和深度攝像頭，還有電源和音頻配件。
