Zaawansowany robot gąsienicowy do nauki ROS i AI
Transbot SE to edukacyjna platforma robotyczna przeznaczona do nauki robotyki, programowania, sztucznej inteligencji, widzenia komputerowego oraz pracy w środowisku ROS. Robot łączy stabilny napęd gąsienicowy, kamerę AI, ramię robotyczne 3DOF oraz solidną aluminiową konstrukcję, dzięki czemu sprawdzi się zarówno w edukacji, jak i w bardziej zaawansowanych projektach technicznych.
Jedna platforma, różne warianty konfiguracji
Produkt dostępny jest w kilku wariantach, dzięki czemu można dobrać wersję odpowiednią do posiadanego sprzętu i planowanego zastosowania. Transbot SE występuje m.in. w konfiguracjach przygotowanych pod Raspberry Pi 5 lub Jetson Nano B01, a także w wersjach z płytą główną lub bez niej. Pozwala to dopasować robota do poziomu zaawansowania użytkownika, budżetu oraz środowiska pracy.
Dostępne warianty:
Kamera AI i widzenie komputerowe
Transbot SE został wyposażony w kamerę 2DOF 2 MP, która umożliwia podgląd obrazu w czasie rzeczywistym oraz realizację projektów związanych z widzeniem komputerowym. Robot obsługuje rozwiązania takie jak OpenCV i MediaPipe, dzięki czemu może być wykorzystywany do rozpoznawania twarzy, wykrywania obiektów, śledzenia kolorów, obsługi gestów czy odczytywania kodów QR.
Ramię robotyczne 3DOF
Wbudowane ramię robotyczne 3DOF pozwala na chwytanie, przenoszenie i manipulowanie obiektami. To praktyczne rozszerzenie możliwości robota, które umożliwia naukę podstaw sterowania manipulatorem, pracy z serwomechanizmami oraz planowania ruchu. Ramię może być również wykorzystywane w środowisku MoveIt do symulacji i nauki kinematyki.
Stabilna konstrukcja gąsienicowa
Gąsienicowy układ jezdny zapewnia dobrą przyczność i stabilność podczas poruszania się po różnych powierzchniach. Aluminiowa konstrukcja zwiększa trwałość robota, a zastosowane silniki enkoderowe 520 pozwalają na precyzyjne sterowanie ruchem. Dzięki temu Transbot SE dobrze sprawdza się w ćwiczeniach z jazdy autonomicznej, nawigacji i kontroli położenia.
Wygodne sterowanie
Robot może być obsługiwany na kilka sposobów — przez aplikację, kontroler zdalny, Jupyter Lab oraz środowisko ROS. Taka elastyczność pozwala dopasować sposób pracy do poziomu zaawansowania użytkownika i rodzaju realizowanego projektu.
