粉丝843获赞3426
哈喽,大家好,我是小朱老师,今天我们要给大家开箱测评一款仿生六组机器人,也就是我面前的这款来自亚博智能的 moto is ai 视觉 rose 六组机器人, 拥有十八个自由度关节,采用全新的 rose two 操作系统,搭载激光雷达、深度相机和语音交互模块,支持说明派和 jasonano 两款主控,功能非常丰富。那么现在就让我们打开包装一探究竟。 这里就是 motor r s 的所有零配件了,它一共有六个配置可以选择数媒派主板和 jasonando 版本的主控,每个主控可以选择标配套餐 a 和 套餐 b, 标配的话是有一个机身以及一些零配件,加上一个深度相机和一个 ae 的雷达。套餐 a 是在标配版的基础上增加了一个语音交互模块,而套餐 b 则是在套餐 a 的基础上将 ae 雷达升级换成 yd 雷达,佛若斯激光雷达。那么详细的配置区别,大家可以看一下屏幕前的表格,那么这里我们给大家测评的是接送单的版本主控的升级套餐币。 那么首先我们来看到摩托 is 的机身,可以看到他出场是一个半成品的一个状态,大部分的零配件都已经组装好了,我们只需要将主板、深度相机或者是雷达这些零配件组装上去,就可以直接来进行体验了。那么他的全身是一个铝合 的机身,上面一共有十八个自由度,他每条腿上面一共呢是有三个关节,可以看到这里是第一个,然后呢这里是第二个,还有这里还有一个, 然后我们来看到这里呢是一个 usb 手柄和一个手柄的支架以及适配器和说明书。我们可以使用这个手柄来对它进行一个遥控,也可以将手机通过支架和手柄连接,以第一视觉的人口, 以第一视觉人称的视觉去进行遥控。这里是一个深度相机和深度相机的连接线,以及一个铝合金支架和说明书。深度相机不仅可以实现高清摄像头的所有 ai 视觉玩法,还可以实现深度图像、数据 范围、建图、导航等进阶功能玩法。搭配这个深度降低的支架,我们可以在这里装到机器人身上之后通过手动去调节它的一个扶氧角度。 这是一个 ydlida for rose 高性能激光雷达,雷达的转接板以及雷达的一些线材。 外地利达 phone rose 高性能激光雷达,它采用的是 t o f 测距方式,抗七十到一百千流米的室外强光照射,支持室内室外箭头导航,测量半径高达三十米,测量盲区仅有五厘米, 采样频率为两万次每秒,测量的速度既快速又准确。如果大家没有室外见图的使用需求的话,也可以选择经济更加经济 实惠的标配版 a 一雷达。这里是语音交互模块,里面内置了科大讯飞定制的语音识别算法和发音人声,可以让 moto is 六组机器人具有能听能答的特点, 支持语音指令控制摩托 is 六度机器人移动和一些语音的玩法互动。这里是杰斯奈诺的主控版 disneyl 的一个配件包,里面有线材,风扇和这个铜柱以及天线。 这里是一个电源的配件包,里面是电源的一些线材和安装铜柱,那么这里呢就是他的一个电池了,他是一个七点四伏九千九百毫安的大容量电池,这里是电池的充电器组装用的螺丝刀, 然后三包凭证和一些线材。一个 oled 屏幕可以实时显示我们机器人上面的一些状态信息,比如 ip 地址等等。最后这里呢是一本说明书, 里面有配置清单或者组装说明和一些接线图,安使用步骤等等,中音双语的内容非常的详细。那么现在所有的零配件我们已经介绍完毕,现在我们来开始组装, 现在我们就组装好了,接下来我们来通过手机 app 对他进行遥控。首先是机器遥控,在这里面呢我们可以控制他的一个运动方向,以及他的一个速度高度,比如说我们现在把他的高度调低,速度调低,来体验一下前进 后退、后退,左平移,右平移, 把他的速度再切高,再试一下,可以看到速度明显的变快了。除此之外呢,还可以控制他抬 头、低头,左旋、右旋、左旋。 那么第二个功能呢,可以控制他完成一些表演动作,这里呢一共呢有八个表演动作,比如说控制他伸懒腰、打招呼、热身、蹲起、原地转圈、 挥手说不。第三个是全屏控制,在这里我们可以将手机与手柄相结合,通过手机支架连接在一起, 这样就可以以第一视角人称去对它进行遥控了。这个呢是数据监测的功能,在这里面我们可以看到 人的一些状态,比如说 cpu 占用率, cpu 温度,内存、内存总量等等,还有电池电量。 那么最后一个呢,是机器人校准,在机器人出现异常的时候,我们可以通过这个机器人校准最后这个功能让他恢复正常,那么现在他如果是正常的话,我们就不需要去对他进行调整或者是校准了,那么手机 app 的功能就已经体验完了。 除了遥控控制外, moto r s 还支持非常多有趣的功能。我们可以看到 moto r s 的课程内容非常丰富,拥有一百八十四节课程案例内容由浅入深,小白也能够轻松上手学习。 我们可以通过 python 代码驱动机器人上面的硬件外设,比如说控制机器人摆眼动作、驱动摄像头等等,它可以与它进 行 ai 视觉互动,比如颜色识别,追踪颜色,还可以进行视觉巡线摸透。六组机器人还可以借助深度学习框架 jason inference 和机器学习框架 medialpip, 实现高效的物体识别、人体关键点检测和手势识别, 从而能够快速准确的与环境互动。还可以学习 doctor 容器以及 rose two 的基础内容, 在 rose 环境下驱动机器人体验深度相机玩法,进行深度相机、深度数据开发,学习 open cv mediotype 图像处理, 使用激光雷达进行建图导航、避障巡逻、跟随警卫等等,甚至是三维建图导航。还可以使用语音来进行交互控制,如果你有多台摸头,还可以进行多机 互联控制,那么功能已经体验完了,接下来我们来进行总结。 motor ifai 视觉 rose 六速机器人在仿生结构的基础上,搭载了深度相机、激光雷达、语音交互模块等高性能硬件配置, 可以实现机器人运动控制、 ai 视觉互动、建图导航、多克容器开发、 rose two 开发、深度视觉追踪、雷达、跟锥避障、三维建图导航、语音交互等应用, 不仅适用于六足的运动学习和验证,还为 rose 开发提供了便捷的集成解决方案。 moto is 提供大量的 rose two 课程案例和完全开源的拍摄代码,非常适合仿生机器人爱好者和 rose 开发者群体选购。
大家好,今天我们要给大家开箱测评一款 micro rose 机器人,很多朋友可能不知道 micro rose 是什么,简单来说, micro rose 是 rose two 官方专为微控制器环境设计的 rose two 轻量化版本, 支持在资源受限的硬件平台上高效运行 rose two 应用是学习 rose two 的高性价比方案。 也就是说我们今天测评的这款机器人小车,可以在 esp 三二微控制器环境下,通过 micro rose 来实现 rose to 应用,比如说 slain 键图导航、俄多机器人协同动作等, 无需昂贵的 jason、 苏媒派等,按主控也能学习 rose two 开发,发售价仅八百九十九,还标配一个市场价四百七十九的 tof 高性能雷达, 在肉丝机器人里面,他的性价比可以说是非常高了。那么现在我们直接来开箱, 可以看到机器人小车出厂是已经组装好的,我们仅需要安装好电池就可以使用了,非常的方便。 机器人外部是一层坚固且质感出众的铝合金框架,采用独特的封闭式车舱设计, 流线造型优雅美观。顶部是一个零售价四百七十九元的激光雷达,采用 q f 测距方式,抗三十千留名的室外强光照射, 支持室内外建筑导航。测量半径可达十二米,测量盲区仅三厘米,采样频率四千五百次每秒,彩描频率七到十五赫兹, 测量速度既快速又准确。底部搭载的是四个编码器,金属减速电机,内置霍尔编码器,可以实现对速度和位置的高精度反馈控制。金属材质耐磨耐用,延长使用寿命, 并且提供精确稳定的运动控制。内部预装了一个麦克 rose 扩展版,这是一个轻量级的 rose two 驱动控制器,也是一款 esp 三二双核开发版。 控制版集成了 esp 三二核心模组控制单元、电机驱动、座机驱动、六轴 mu 姿态传感器等重要外设,支持 wifi、 蓝牙串口等通讯功能。支持搭载四路编码器电机、 两路 p w m 舵机、一路激光雷达以及一路为顺媒派五供电的 p t 电源出厂带外 驱动固件程序,用户直接接入 s two 环境使用即可,操作便利,使用简单又高效。接下来我们将电池安装到小车中来,进行遥控测试。 操作 microsero boss 时需配备一台虚拟机,这是因为他的运算任务已经转移至 pc 端的虚拟机环境,执行 底盘行驶的里程记数据、雷达的数据等一些其他传感器的数据均由 esp 三二处理器通过 micros 无线透传到了处理机系统中, 实现对机器人状态的高效监控与控制。然后接下来我们来体验一下 app 建图导航。 接下来我们来到课程,主要的课程包含两部分,一部分是实训课程,从快速使用机器人到机器人控制激光雷达、 多机器人协同,由易到难的学习机器人的控制。另一部分是理论课程,从 linux 系统基础操作到多核开发、环境配置,构建扎实的底层基础。既然系统的学习 rose two 框架通信机制以及节点编程, 同时还囊括了 micro rose 在嵌入式平台上面的应用开发和 esp 三二的基础历程,全链路学习机器人开发过程。最后我们来进行总结, micro rose robot 和传统的 rose 小车不同,它使用了虚拟机来替代数媒派等 on 主控。 这样做的优势,一是学习成本显著降低,二是利用 pc 强大的计算性能,操作流畅度和运行效果都明显优于普通的嵌入式设备。 麦蔻 rose robot 为寻求低成本入门的 rose two 开发者提供了理想的解决方案。我们的课程不仅包括深入学习 rose two 机器人操作系统的内容,还涵盖了全面详尽的底层硬件驱动教程, 旨在全方位助力开发者精通 rose two 机器人软硬件开发技术。今天的视频就到这里啦,我们下期视频再见。