Yahboom ROSMASTER M3 Pro ROS2 機器人，配備 OpenClaw AI 智能代理、雙 TOF LiDAR、6 自由度機械臂、麥克納姆輪 SLAM
Yahboom ROSMASTER M3 Pro ROS2 機器人，配備 OpenClaw AI 智能代理、雙 TOF LiDAR、6 自由度機械臂、麥克納姆輪 SLAM
Yahboom
無法載入取貨服務供應情況
概述
ROSMASTER M3 Pro 是由 Yahboom 推出的 ROS2 機器人平台，適用於 ROS 教育、科學研究實驗和 AI 應用教學。它使用具有擺動懸掛的麥克納姆輪底盤進行全方位移動，並基於 ROS2 Humble 開發。該平台集成了 6DOF 機械臂、雙目結構光深度相機，用於 3D 視覺手眼集成，以及雙 TOF LiDAR 用於全方位 SLAM 繪圖、自主導航、避障和路徑規劃。它還支持多模態 AI 大模型交互（文本/圖像/語音），具備語音識別和自然語言理解功能，用於任務規劃和執行。
主要特點
- OpenClaw AI 代理部署（附有部署和使用教程）。注意： Jetson Nano B01 版本不支持 OpenClaw 部署。
- 嵌入式多模態大型模型功能：可擴展的RAG知識庫、視覺大型語言模型、文本大型語言模型、雙模型推理架構和動態反饋推理。
- 雙TOF LiDAR點雲融合：360°全方位感知無盲點；地圖導航/路網規劃；路徑規劃和多點導航。
- 路網規劃：創建、編輯和管理由點和連接線組成的路徑網絡；支持沙盒式路徑網絡中的最短路徑選擇。
- 6DOF 3D視覺機械臂：3D空間抓取、分類和運輸；3D點雲識別；目標定位和跟踪；距離/體積計算；3D實景映射。
- 深度視覺技術應用：YOLOv26 / Transformer、MediaPipe / OpenCV、視覺融合重定位導航、PCL實時點雲分割。
- 內建AI大型模型語音模組和揚聲器：支持語音與文字之間的實時轉換。
- 支持MoveIt2模擬。
規格
| 型號 | ROSMASTER M3 Pro |
| 系統 | ROS2 Humble |
| 底盤 | 全鋁合金車身；麥克納姆輪擺動懸掛；後輪擺動懸掛結構 |
| 輪子尺寸 | 80mm 麥克納姆輪 |
| LiDAR | 雙TOF LiDAR（對角偏移佈局：右前+左後）；360°掃描 |
| LiDAR檢測（來自比較圖表） | 360°全方位感知；24米檢測距離 |
| 深度相機 | 雙目結構光深度相機 |
| 深度相機視場（來自比較圖表） | H91° V62° |
| 機械臂 | 6DOF 機械臂；6個智能串行總線伺服器（支持讀取位置/狀態和其他信息） |
| 夾爪能力（來自臂描述） | 夾持能力達到410克；重複定位精度0。5mm |
| 電池 | 9600mAh 高容量電池組 |
| 觸控螢幕 | 7 吋 IPS 高清觸控螢幕（可選）；配置變體顯示：有顯示器 / 無顯示器 |
| 馬達 | 高扭矩編碼器金屬馬達；獨立擺動懸掛配高扭矩馬達 |
| ROS 控制板 | 第三代 ROS 控制板 |
| MoveIt | MoveIt2 |
| AI 大模型應用方案 | OpenClaw AI 代理；可選 Dify 工作流程平台 |
| OpenClaw AI 代理 – 支持主控 | Raspberry Pi 5；Jetson Orin Nano SUPER；Jetson Orin NX SUPER |
| OpenClaw AI 代理 – 互動方式 | 語音、WAP、網頁/終端文字命令 |
| OpenClaw AI agent – 機器人控制模式 | MCP, CLI |
| Dify 工作流程平台 – 支援主控 | Raspberry Pi 5; Jetson Orin Nano SUPER; Jetson Orin NX SUPER; Jetson Nano B01 |
| Dify 工作流程平台 – 機器人控制模式 | http |
| AI 視覺追蹤算法（來自解決方案比較） | OpenClaw: Transformer 模型; Dify: KCF |
| 可選 AI 大模型場景沙盤 / 沙箱地圖 | 尺寸: 3m × 4.1m（可選配件；不包含在 ROSMASTER M3 Pro 中） |
主控板選項（供選擇）
| 選項 | 關鍵計算規格顯示 | 功率（顯示） | ROS 系統（顯示） | OpenClaw（顯示） |
| Jetson Nano B01 4GB | 0.5 TFLOPS (FP16); 四核 Arm Cortex-A57 MPCore; 128 核 NVIDIA Maxwell GPU; 4GB 64 位 LPDDR4 (25.6 GB/s) | 5W, 10W | Ubuntu 18.04 LTS + Docker + ROS2 Humble | 不支持 |
| Raspberry Pi 5 (8GB/16GB) | Cortex-A76; VideoCore VII; RAM: 8GB/16GB | 10W | Raspberry Pi OS + Docker + ROS2 Humble | （請參閱上面的 OpenClaw 支持說明） |
| Jetson Orin Nano SUPER 8GB | 67 TOPS; 6 核 Arm Cortex-A78AE v8.2 64 位 CPU (1.5MB L2 + 4MB L3); 1024-core NVIDIA Ampere GPU with 32 Tensor Cores; 8GB 128-bit LPDDR5 (102 GB/s) | 7W, 15W, 25W | Ubuntu 22.04 LTS + ROS2 Humble | 支持 |
| Jetson Orin NX SUPER 8GB | 117 TOPS; 6-core NVIDIA Arm Cortex-A78AE v8.2 64-bit CPU (1.5MB L2 + 4MB L3); 1024-core NVIDIA Ampere GPU with 32 Tensor Cores; 8GB 128-bit LPDDR5 (102 GB/s) | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble | 支持 |
| Jetson Orin NX SUPER 16GB | 157 TOPS; 8-core NVIDIA Arm Cortex-A78AE v8.2 64-bit CPU (2MB L2 + 4MB L3); 1024-core NVIDIA Ampere GPU with 32 Tensor Cores; 16GB 128-bit LPDDR5 (102 GB/s) | 10W, 15W, 25W, 40W | Ubuntu 22.04 LTS + ROS2 Humble | 支持 |
功能案例測試比較（顯示）
| 版本 | 離線語音識別 / 語音合成 | AI大型模型任務決策規劃時間 | 簡單任務加載時間 | 複雜任務加載時間 | 追蹤 & 色塊抓取 | 高級3D視覺功能 | MediaPipe開發 | MoveIt2模擬 |
| Raspberry Pi 5 16GB | 無 | 2秒 | 10秒 | 15秒 | 15fps | 15fps | 15fps | 使用伴隨虛擬機 |
| Jetson Nano B01 4GB | 無 | 2秒 | 12秒 | 13秒 | 15fps | 15fps | 10fps | 使用伴隨虛擬機 |
| 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+ |
如需配置選擇幫助（Raspberry Pi 與 Jetson 選項）或售後支持，請聯繫https://rcdrone.top/或發送電子郵件至[email protected].
應用
- ROS2 教育和實驗室：SLAM 地圖構建、導航、避障和道路網絡規劃。
- 3D 視覺 & 操作：3D 識別/抓取、分類、跟踪和使用 6DOF 機械臂和深度點雲進行處理。
- 多模態 AI 互動：語音/文本/圖像互動，任務分解、長期調度、記憶搜索和主動響應邏輯（OpenClaw 工作流程）。
- AI 視覺識別（顯示示例）：人體特徵識別、手勢識別、指尖軌跡識別、人體骨架識別、3D 檢測、3D 人臉檢測、標籤碼識別、零樣本 Transformer 物體跟踪、視覺重定位融合導航解決方案、旋轉物體檢測和抓取。
- 深度相機功能（示例顯示）：深度圖像/點雲、距離測量、PCL實時點雲分割和定位、RTAB-Map 3D視覺地圖導航、區域目標高度測量、木塊體積測量。
- LiDAR功能（示例顯示）：Gmapping/Cartographer/slam_toolbox地圖構建、雙LiDAR融合過濾、DWA動態障礙物避讓、單點/多點導航、應用地圖導航、重新定位地圖導航、道路網絡規劃、LiDAR障礙物避讓、LiDAR跟隨、LiDAR守衛。
手冊
詳情
一個結合全向移動、3D視覺和6DOF機械臂的全方位ROS2 Humble教育平台。
多模態交互和自主功能支持在一個平台上進行地圖構建、導航、抓取和任務執行。
OpenClaw 支援自然語言任務規劃，提供語音、應用程式和文字指令選項。
雙TOF LiDAR融合提供360°感知，用於SLAM地圖構建、避障和靈活路徑規劃。
三種內建模型類型涵蓋文字推理、語音互動和視覺理解，提供更豐富的機器人演示。
根據您的專案需求，選擇嵌入式OpenClaw部署或可選的工作流程平台。
模組化場景桌支持可重複的訓練場景，用於分類、計數和導航練習。
範例專案展示了代理控制如何應用於日常實驗室任務和互動演示。
代理工作流程可以將基於聊天的指令與地圖構建、導航和運輸行為連接起來。
像記憶搜索和MCP風格調用這樣的工具有助於將高層次的意圖與可靠的機器人行動聯繫起來。
基於視覺的行為包括目標跟踪、顏色識別、自主巡航和協調的手臂動作。
雙目結構光深度感測支持手眼協調，用於3D測量、識別和抓取。
配置比較有助於為您的教室或實驗室選擇合適的感測和計算組合。
選擇指南總結了常見配置和功能集之間的差異。
核心ROS功能涵蓋LiDAR地圖構建、深度相機感知和視覺識別管道。
MoveIt2模擬和運動控制演示支持規劃、抓取工作流程和多機器人協調。
鋁製麥克納姆底盤配備擺式懸掛系統，提高穩定性，同時保持完整的ROS2 Humble兼容性。
多種控制方法和清晰的結構佈局使設置、維護和擴展機器人變得更加容易。
ROSMASTER M3 Pro平台可以配置6自由度機械臂和雙目結構光深度相機，用於抓取和基於深度的感知任務。
TOF激光LiDAR支持0.05–12米的測距，每秒可達4000次掃描，而語音模塊增加了麥克風和揚聲器連接，用於語音互動。
Yahboom ROSMASTER M3 Pro ROS2機器人控制板提供緊湊且標記清晰的連接器佈局，用於構建和擴展移動機器人系統。
Yahboom ROSMASTER M3 Pro包括通過在線教程庫訪問200多個詳細課程，以學習ROS2和AI。
ROSMASTER M3 Pro 的學習大綱涵蓋了 ROS 控制基礎、OpenCV 視覺任務、SLAM 繪圖和 AI 功能，以促進進階的 ROS2 練習。
ROSMASTER M3 Pro 的學習路線圖涵蓋了 OpenCV 視覺、MediaPipe 追蹤、MoveIt2 模擬和 ROS2 基礎等主題。
ROSMASTER M3 Pro 包含開源代碼文件夾和詳細教程，涵蓋 ROS 基礎、繪圖、導航和視覺任務。
ROSMASTER M3 Pro 附帶帶有英文字幕的 ROS2 視頻教程，並提供 3D 模型文件以支持開發和整合。
ROSMASTER 系列比較概述了底盤類型、RGBD 相機選項、控制板和電池容量的主要差異，以幫助選擇合適的 ROS2 機器人平台。
ROSMaster M1 平台結合了麥克納姆輪底盤和 520 齒輪馬達，並提供可選的攝像頭、LiDAR 和控制板選項，用於基於 ROS 的開發。
ROSMaster M3 Pro 結合了麥克納姆輪底盤和 RGBD 攝像頭選項、0.91 英寸 OLED/可選 7 英寸觸摸屏，以及 12.6V 6000mAh 電池。
ROSMaster M3 Pro 平台列出了麥克納姆輪底盤、可選的 RGBD 攝像頭、6 自由度機械臂、雙 LiDAR，以及 Raspberry Pi 或 Jetson 控制板選項。
Yahboom ROSMASTER M3 Pro ROS2 機器人的尺寸圖列出了以毫米為單位的關鍵整體測量值，用於規劃安裝和安置。
ROSMaster M3 Pro 支持 Raspberry Pi 5 或 Jetson Orin 平台，具有 Python 編程、WiFi 網絡和 12.6V 9600mAh 電池組。
ROSMASTER M3 Pro 套件包括機器人底盤、6DOF 機械臂、控制器、擴展板、電池、支架和基本組裝工具。
可選配件包按控制器選項組織，包括 7 英寸觸摸屏套裝以及適用於 Raspberry Pi 或 NVIDIA Jetson 板的套件，並附有所需的電纜和支架。
