学校教学利器！启智MANI移动抓取机器人探索AI教学

随着技术的发展，计算机科学家已经开发出越来越先进的技术来训练和操作机器人。总的来说，这些方法可以在越来越广泛的现实世界环境中促进机器人系统的集成。

在教育领域，机器人教育已经成为国家教育发展的重要内容。据相关新闻报道，机器人人工智能方面的相关人才，在10到20年后，将会产生上百万的缺口。

机器人技术综合了多学科的发展成果，融合了机械原理、电子传感器、计算机软硬件及人工智能等众多先进技术，代表了高技术的发展前沿，涉及到信息技术的多个领域，为学生能力、素质的培养承载着新的使命。

在这几年中，伴随着移动机器人、机械臂、环境感知等机器人与人工智能技术的突飞猛进，移动抓取机器人作为机器人技术的“集大成者”，也如雨后春笋，野蛮生长。

启智MANI移动抓取机器人

人才是推动机器人技术向前发展的核心动力，而人才培养的关键在于理论与实践的创新。工好的机器人学习和实践平台，能让老师的理论教学得心应手，让学生的创新实践畅通无阻。

启智MANI是一款专门用于移动抓取教学的机器人平台。其拥有麦克纳姆轮全向移动底盘、硬件里程计、激光测距雷达、立体视觉相机、四自由度机械臂等一系列配置。机载计算单元集成384枚GPU硬件加速器，具有极强的三维图形处理和神经网络运算能力。

所有实验例程基于ROS机器人操作系统，实验内容覆盖ROS的Navigation、MoveIt、OpenCV、PCL等多个子系统和函数库，可以进行完整的环境建图、定位导航、运动学规划、机器视觉和三维感知等经典技术的应用实验。除了基于硬件实体的现场实验，还特别设计了基于Gazebo的软件仿真实验，极其适合移动抓取机器人技术的教学和研究。

1、底盘系统

启智MANI机器人底盘为麦克纳姆轮四驱结构，具备360°全向移动特性。减震系统采用针对麦克纳姆轮进行特别优化的增强型麦弗逊独立悬挂，相较于传统麦弗逊，具有更强的轮面稳定性，确保麦克纳姆轮与地面的接触角度，在提高越障能力的同时，依然保持了全向运动的位移精度。

2、激光雷达

启智MANI机器人使用最新版本的RPLIDAR激光雷达。相较于上一代版本，在360°全方向扫描障碍物的同时，具备更高的采集频率和更远的探测距离，进一步增强了机器人的环境探测能力和运动避障性能。

3、机械臂

启智MANI机器人搭载了一套OpenManipulator-X机械臂。该机械臂运动轻巧灵活，每个关节都具备位置环和电流环控制功能，可通过总线通讯精确反馈每个关节的当前角度。结合ROS的MoveIt!子系统，可以轻松实现机械臂的运动学正反解，快速精准的完成各种物体抓取和放置任务。

4、GPU硬件加速

启智MANI机器人的主控计算机，使用NVIDIA最新推出的Jetson Xavier NX运算单元，在保持车体结构紧凑的同时，带来了强大计算性能。Jetson Xavier NX内置 384 枚 CUDA 硬件运算核心、48 个 Tensor Core 和 2 个 NVDLA 引擎，具备21 TOPS 的计算加速能力。

如此强悍的性能，让其可以并行运行多个现代神经网络，并同时处理来自多个传感器的高分辨率数据。

5、三维视觉系统

启智MANI机器人的视觉系统，使用微软最新推出的第四代Azure Kinect立体相机。该相机集成了深度，视觉，声音和方向四大类传感器，其中包括100万像素TOF深度传感器、1200万像素RGB彩色摄像头、7麦克风圆形阵列和6轴惯性测量单元IMU。

三维视觉分辨率比上一代Kinect v2提高了四倍，探测范围扩大了50%，配合强大的GPU计算能力，可以更快更精确的识别、定位和追踪目标物体。

抓取机器人软件功能

1、URDF模型描述——启智MANI机器人具备完整的URDF模型描述，可以在ROS系统里直接加载。

2、三维立体视觉——启智MANI机器人采用最第四代的TOF立体相机，探测距离达到12米，最大视角120°，适用于对室内环境的三维模型重构。

3、SLAM环境建图——启智MANI机器人装备了新一代360°激光雷达，可以实时扫描机器人周围的障碍物分布状况，借助HectorSLAM和GMapping算法，创建环境地图。

4、自主定位导航——启智MANI机器人将激光雷达扫描的距离信息与电机里程计数据进行融合，使用AMCL方法进行地图定位，结合ROS的move_base进行自主导航。

5、机械臂运动学——启智MANI机器人可使用MoveIt!子系统对机械臂进行运动学正反解计算，并完成运行路径的自动规划。

6、物品抓取——启智MANI机器人通过立体相机获得三维点云，对点云中的物品进行检测、匹配和轮廓辨识，计算每个物品的外形尺寸和三维空间坐标。然后使用机械臂完成物品抓取操作。

7、多机器人系统——启智MANI机器人可以多台实现相互配合协作。基于ROS开发的群体决策模型，拥有任务分解、效用考核、角色分配、行为同步等多个层级的系统架构，能够很好的协调多个机器人协同完成复杂任务。

8、GAZEBO仿真系统——启智MANI机器人的模型文件具备完整的物理惯量和传感器配置描述，可以在GAZEBO仿真环境里直接加载。附赠的源码资源中，包含多个物理仿真场景，可以脱离机器人实体，在纯软件环境中进行算法模拟。

总的来说，启智MANI机器人充分建图导航和视觉抓取等多种技能，很好的将机器人课程中分散的独立知识点进行了融合贯通，让学生真正做到学以致用，学之能用，最大程度的投入到机器人各项技术的学习实践中来，为将来在人工智能行业的就业和学术研究奠定一个坚实的基础。

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！