JetRover หุ่นยนต์ Jetson พร้อมแขนกล AI รองรับ ROS1 และ ROS2

Hiwonder JetRover รถหุ่นยนต์ Jetson พร้อมแขนกล AI Vision รองรับ ROS1 และ ROS2, โมเดล AI ขนาดใหญ่ (ChatGPT), ระบบ SLAM สำหรับการสร้างแผนที่และนำทาง, AI Voice Interaction และการคัดแยกวัตถุอัจฉยะ

รายละเอียดสินค้า
Hiwonder JetRover เป็นแพลตฟอร์มหุ่นยนต์แบบผสม (Composite ROS Robot) ที่ออกแบบมาเพื่อการศึกษา วิจัย และพัฒนาด้าน ROS (Robot Operating System) โดยรองรับทั้ง ROS1 และ ROS2 พร้อมโครงสร้างแชสซีที่สามารถเลือกใช้งานได้ 3 รูปแบบ ได้แก่
• Mecanum Wheel Chassis – เคลื่อนที่ได้ทุกทิศทาง
• Ackermann Chassis – ระบบบังคับเลี้ยวแบบรถยนต์
• Tank Chassis – ระบบสายพานสำหรับการเคลื่อนที่บนพื้นที่ขรุขระ

JetRover รองรับการติดตั้งหน่วยประมวลผล NVIDIA Jetson หรือ Raspberry Pi พร้อมมอเตอร์กำลังสูงที่ติดตั้ง Magnetic Encoder และ แขนกลหุ่นยนต์ 6 องศาอิสระ (6DOF Robotic Arm) ช่วยให้สามารถควบคุมการเคลื่อนที่และหยิบจับวัตถุได้อย่างแม่นยำ

ตัวหุ่นยนต์มาพร้อมฮาร์ดแวร์ประสิทธิภาพสูง ได้แก่ LiDAR, กล้องตรวจจับความลึกแบบ 3 มิติ (3D Depth Camera), หน้าจอ LCD ขนาด 7 นิ้ว, ชุดไมโครโฟนระยะไกล (Far-field Microphone Array) จึงสามารถรองรับการประยุกต์ใช้งานด้านหุ่นยนต์และ AI ได้อย่างครบวงจร เช่น
• การควบคุมการเคลื่อนที่ของหุ่นยนต์ (Robot Motion Control)
• การสร้างแผนที่และระบบนำทางด้วย SLAM (SLAM Mapping & Navigation)
• การวางแผนเส้นทาง (Path Planning)
• การติดตามเป้าหมายและหลบหลีกสิ่งกีดขวาง (Tracking & Obstacle Avoidance)
• การขับเคลื่อนอัตโนมัติ (Autonomous Driving)
• การหยิบจับวัตถุแบบ 3 มิติ (3D Grasping)
• การนำทางและเคลื่อนย้ายวัตถุอัตโนมัติ (Autonomous Navigation & Handling)
• การโต้ตอบผ่านการเคลื่อนไหวของร่างกาย (Somatosensory Interaction)
• การสั่งงานด้วยเสียงระยะไกล (Far-field Voice Interaction)
• การควบคุมหุ่นยนต์หลายตัวพร้อมกัน (Multi-Robot Formation Control)

JetRover ยังรองรับการใช้งาน โมเดล AI เชิงกำเนิดแบบมัลติโหมด (Multimodal Generative AI) เช่น ChatGPT เพื่อยกระดับความสามารถด้าน Embodied AI ทำให้หุ่นยนต์สามารถรับรู้ วิเคราะห์ วางแผน และดำเนินงานได้อย่างชาญฉลาด

ด้วยการประมวลผลข้อมูลจากกล้อง เซ็นเซอร์ LiDAR และระบบเสียง JetRover สามารถนำไปประยุกต์ใช้งานด้าน AI ขั้นสูง เช่น
• การโต้ตอบด้วยภาษาธรรมชาติ (Natural Language Interaction)
• การทำความเข้าใจสภาพแวดล้อม (Scene Understanding)
• การตรวจจับและจำแนกวัตถุ (Object Recognition)
• การคัดแยกวัตถุอัจฉริยะ (Intelligent Sorting)
• การหยิบจับและขนย้ายวัตถุแบบอัตโนมัติ
• การนำทางและปฏิบัติภารกิจด้วย AI

เพื่อสนับสนุนการเรียนรู้และการพัฒนาต่อยอด Hiwonder ยังมี ซอร์สโค้ดแบบ Open Source, เอกสารประกอบ, คู่มือการใช้งาน และตัวอย่างโปรเจกต์ต่าง ๆ ช่วยให้นักเรียน นักวิจัย และนักพัฒนาสามารถต่อยอดโครงการด้าน ROS, AI Robotics, Machine Vision, SLAM และ Embodied AI ได้อย่างมีประสิทธิภาพ ทั้งในด้านการศึกษา งานวิจัย และการใช้งานจริงในภาคอุตสาหกรรม