RBM3P-M3 หุ่นยนต์สำหรับการเรียนการสอน ROS MASTER M3 Pro ROS2 Robot

รุ่นบอร์ด	GPU / CUDA Core	RAM	AI Performance	เหมาะสำหรับ	หมายเหตุ
Raspberry Pi 5	CPU-only (Broadcom BCM2712)	8 GB	ต่ำ	การสอน ROS2 พื้นฐาน	ไม่เหมาะกับ Vision/LLM
Jetson Nano B01	128 CUDA cores	4 GB	0.5 TFLOPS	AI พื้นฐาน, SLAM, Vision	มี Lag หากใช้ Voice/LLM
Jetson Orin Nano SUPER	1024 CUDA + 32 Tensor cores	8 GB	40 TOPS	AI/SLAM/Voice/3D Vision	แนะนำ
Jetson Orin NX SUPER	1024 CUDA + 32 Tensor cores	16 GB	70 TOPS	งานวิจัยระดับสูง, RAG, LLM	แนะนำที่สุด

• ถ้าเน้น AI, Voice Interaction, SLAM, Grasping, 3D Vision → ใช้ Orin NX SUPER
• ถ้าใช้เพื่อ สอน ROS2 / SLAM พื้นฐาน / AI Demo → ใช้ Orin Nano SUPER ก็เพียงพอ

รหัสสินค้า 5 รุ่นย่อย

1. RB-M3P-PI5-16G-D Controller Raspberry Pi 5 RAM 16GB + Display
2. RB-M3P-JN-4G-D Controller Jetson Nano B01 RAM 4GB + Display
3. RB-M3P-ONNS-8G-D Controller Jetson Orin Nano SUPER RAM 8GB + Display
4. RB-M3P-ONXS-8G-D Controller Jetson Orin NX SUPER RAM 8GB + Display
5. RB-M3P-ONXS-16G-D Controller Jetson Orin NX SUPER RAM 16GB + Display

Dimension mm

Shipping List

Option Controller

Option Display

ภาพรวมระบบเต็ม

ROSMASTER M3 Pro – องค์ประกอบฮาร์ดแวร์

แขนกลหุ่นยนต์ 6 แกน (6DOF Robotic Arm)

แขนกลประกอบด้วยเซอร์โวมอเตอร์อัจฉริยะ 6 ตัว (5 ตัวแรงบิด 15 กิโลกรัม และ 1 ตัวแรงบิด 6 กิโลกรัม)
ให้ความแม่นยำในการทำซ้ำสูงถึง ±0.5 มิลลิเมตร
มีรัศมีการหยิบจับสูงสุด 50 เซนติเมตร
สามารถยกวัตถุที่มีน้ำหนักไม่เกิน 410 กรัม ได้อย่างมั่นคง

---

กล้องวัดระยะเชิงลึก DABAI DCW2

วัดระยะได้ไกลถึง 5 เมตร
พื้นที่บอด (Blind Zone) เพียง 0.15 เมตร
มุมมองภาพกว้าง (FOV สูง) เหมาะกับการใช้งานทั้งในอาคารและนอกอาคาร
รองรับการสร้างภาพ 3 มิติ (3D Vision), การหยิบจับด้วยแขนกล และงานด้าน AI Vision

---

โมดูลเสียงอัจฉริยะ (AI Large Model Voice Module)

ใช้ชิปควบคุมหลัก CM108B + CT1302
พร้อมไมโครโฟน MEMS ความไวสูงและลำโพงภายในตัว
รองรับการจับเสียงระยะไกล (Far-field), ตัดเสียงสะท้อน, ลดเสียงรบกวน
และสามารถโต้ตอบด้วยเสียงกับระบบ AI ได้แบบเรียลไทม์

---

เซนเซอร์เลเซอร์วัดระยะ T-mini Plus LiDAR

ใช้เทคโนโลยี TOF (Time of Flight) ทนแสงสูงถึง 60 klux
สามารถวัดระยะได้ตั้งแต่ 0.05 – 12 เมตร
อัตราการสแกนสูงถึง 4,000 ครั้งต่อวินาที
รองรับการทำแผนที่ (SLAM), การหลบสิ่งกีดขวาง และการนำทางอัตโนมัติทั้งในและนอกอาคาร

ระบบ AI ขนาดใหญ่ 3 รูปแบบ (Built-in Three AI Large Models)

01. Large Language Model – โมเดลภาษาขนาดใหญ่

ROSMASTER M3 Pro เชื่อมต่อกับแพลตฟอร์มโมเดลภาษาขนาดใหญ่แบบเรียลไทม์ ทำหน้าที่เป็น “สมองหลัก (Super Brain)” ที่สามารถ

• เข้าใจคำสั่งจากข้อความ (Text Command)
• สร้างคำตอบอัตโนมัติอย่างยืดหยุ่น
• ประมวลผลข้อมูลเชิงตรรกะและเนื้อหาทางวิทยาศาสตร์ได้

ตัวอย่างการทำงานของระบบ AI ภาษาขนาดใหญ่:

• Text Generation: สร้างโค้ดหรือเนื้อหาตามคำสั่ง เช่น “ช่วยเขียนโปรแกรม Line Tracking ด้วย Python”
• Q&A: ตอบคำถามทั่วไป เช่น “พระอาทิตย์ขึ้นทางทิศไหน”
• Science Summary: สรุปเนื้อหาทางวิทยาศาสตร์ เช่น “ขั้นตอนการพัฒนา Raspberry Pi”

---

Voice Large Model – โมเดลเสียงอัจฉริยะ

ROSMASTER M3 Pro มาพร้อม โมดูลเสียง AI ขนาดใหญ่ (AI Voice Model Module) และลำโพงในตัว
สามารถแปลงเสียง ↔ ข้อความได้แบบเรียลไทม์
เมื่อต่อกับโมเดล AI จะสามารถ “ฟัง” และ “พูด” ได้เสมือนผู้ช่วยอัจฉริยะจริง

ตัวอย่าง:
เมื่อผู้ใช้พูดว่า “Hi Yahboom, Tell me a story”
ระบบจะตอบกลับด้วยเรื่องเล่าเสียงพูดแบบธรรมชาติ พร้อมเนื้อหาที่ AI สร้างขึ้นเอง

---

Visual Large Model – โมเดลการมองเห็นอัจฉริยะ

ติดตั้ง กล้องตรวจจับเชิงลึก DABAIDCW2 Depth Camera
สามารถเข้าใจและวิเคราะห์ภาพได้แบบเรียลไทม์ โดยใช้เทคโนโลยี AI Vision ขนาดใหญ่

ฟังก์ชันหลัก:

• วิเคราะห์และระบุวัตถุในภาพอย่างแม่นยำ (Object Recognition)
• เข้าใจฉากและสภาพแวดล้อม (Scene Understanding)
• ให้ผลลัพธ์เป็นทั้ง “ข้อความ” และ “เสียง” แบบโต้ตอบ

ตัวอย่าง:
AI จะตรวจจับวัตถุ เช่น ต้นไม้ ลูกฟุตบอล กระต่ายจำลอง เป็ดสีเหลือง นักบินอวกาศ และแบบจำลองอาคาร
พร้อมสรุปเสียงตอบกลับว่า

“I saw tree, cacti, football, architectural model, astronaut, yellow duck, and green plush rabbits…”

การประยุกต์ใช้งานเชิงสร้างสรรค์ของโมเดลการมองเห็นหลายมิติ (Creative Application of Multi-modal Visual Model)

ROSMASTER M3 Pro สามารถรับรู้สภาพแวดล้อมรอบตัวได้อย่างแม่นยำด้วยโครงสร้างฮาร์ดแวร์ประสิทธิภาพสูง
โดยผสานการทำงานของ โมเดล AI ขนาดใหญ่แบบหลายมิติ (Multi-modal Large Model)
และ สถาปัตยกรรมตรรกะสองชั้น (Dual-Model Reasoning Architecture)
ทำให้หุ่นยนต์สามารถ

• เข้าใจสภาพแวดล้อม
• วางแผนการทำงานอย่างยืดหยุ่น
• ประสานงานระหว่าง “คนกับหุ่นยนต์” (Human–Machine Collaboration) ได้อย่างเป็นธรรมชาติและมีประสิทธิภาพมากขึ้น

---

01. การติดตามด้วยการมองเห็น (Visual Tracking)

ด้วยพลังการประมวลผลจากโมเดลภาพขนาดใหญ่ ROSMASTER M3 Pro
สามารถระบุและติดตามวัตถุเป้าหมายได้แบบเรียลไทม์
แม้อยู่ในสภาพแวดล้อมที่ซับซ้อน

ตัวอย่าง:

“Hi Yahboom, find the yellow duck and track it.”
ระบบจะตรวจพบ “เป็ดสีเหลืองบนบล็อกสีน้ำเงิน” และทำการติดตามทันที

---

02. การเคลื่อนที่อัตโนมัติ (Autonomous Cruising)

ด้วยความเข้าใจเชิงความหมาย (Semantic Understanding)
หุ่นยนต์สามารถระบุวัตถุ เช่น กรวยจราจร หรือสิ่งกีดขวางในเส้นทาง
พร้อมปรับเส้นทางเคลื่อนที่โดยอัตโนมัติได้

ตัวอย่าง:

“Hi Yahboom, what color is the cone on the ground?”
ระบบตอบ: “Go along at 30° to the right if you encounter an obstacle.”

---

03. การติดตามด้วยสี (Color Tracking)

โมเดลการมองเห็นของ M3 Pro สามารถวิเคราะห์และติดตามวัตถุจากสีภายในระยะมองเห็น
โดยใช้ อัลกอริทึม KCF + PID เพื่อให้การติดตามมีความแม่นยำสูง

ตัวอย่าง:

“Hi Yahboom, what color is the block in my hand?”
ระบบตอบ: “The block is blue. Tracking the blue target.”

การประยุกต์ใช้งานระบบปัญญาเชิงกายภาพ (Embodied Intelligence Applications)

01. การคัดแยกวัตถุอัจฉริยะ (Embodied Intelligent Sorting)

ROSMASTER M3 Pro สามารถตรวจจับและจำแนกวัตถุภายในขอบเขตการมองเห็นได้อย่างแม่นยำ
พร้อมตัดสินใจเคลื่อนไหวตามคำสั่งเสียงของผู้ใช้ เพื่อจัดเรียงหรือคัดแยกวัตถุโดยอัตโนมัติ

ตัวอย่าง:

“Hi Yahboom, how many colors of wood blocks are there on the table?”
ระบบตอบกลับ “I see wooden blocks in three colors: blue, yellow, and red.”
จากนั้นจะดำเนินการคัดแยกบล็อกสีน้ำเงินและสีแดงใส่ถังตามสีที่กำหนด

---

02. การติดตามและหยิบจับวัตถุอัจฉริยะ (Embodied Intelligent Tracking & Gripping)

M3 Pro สามารถติดตามวัตถุที่กำลังเคลื่อนที่ได้แบบเรียลไทม์
และใช้แขนกล 6 แกนในการหยิบวัตถุ จากนั้นวางลงในตำแหน่งที่ระบุไว้ตามคำสั่งเสียงของผู้ใช้

ตัวอย่าง:

“Hi Yahboom, grip the yellow duck.”
ระบบตอบกลับ “OK, I’m tracking and gripping.”
จากนั้นจะหยิบวัตถุแล้ววางลงในกล่องสีเขียวอัตโนมัติ

---

03. การขนย้ายวัตถุอัจฉริยะ (Embodied Intelligent Handling)

M3 Pro สามารถแยกวิเคราะห์คำสั่งเสียงที่ซับซ้อน
และดำเนินการขนย้ายวัตถุในเส้นทางหลายทิศทางได้อย่างแม่นยำ
แสดงให้เห็นถึงความสามารถของ AI เชิงปฏิบัติ (Embodied AI)
ที่ผสานการเข้าใจสภาพแวดล้อมกับการทำงานอัตโนมัติระดับสูง

ตัวอย่าง:

“Hi Yahboom, pick up the wooden block in front, walk ten steps forward, turn left, then walk ten steps forward.”
ระบบตอบกลับ “OK, I’m picking up the wooden block in front.”
และดำเนินการขนย้ายวัตถุตามเส้นทางที่กำหนดได้อย่างถูกต้อง

การนำทางอัจฉริยะและการรับรู้สิ่งแวดล้อม (Embodied Intelligent SLAM Navigation & Environmental Perception)

01. การนำทางอัจฉริยะด้วยระบบหลายจุด (Intelligent Multi-point Navigation)

ROSMASTER M3 Pro สามารถส่งข้อมูลสภาพแวดล้อมแบบเรียลไทม์เข้าสู่ โมเดลการมองเห็น AI ขนาดใหญ่ (Visual Large Model)
เพื่อทำการวิเคราะห์เชิงลึกและวางเส้นทางการเคลื่อนที่แบบไดนามิกตามคำสั่งเสียงของผู้ใช้ได้โดยอัตโนมัติ

ระบบสามารถ

• เดินทางไปยังตำแหน่งที่กำหนดหนึ่งหรือหลายจุดได้ (Single / Multi-Point)
• วางแผนเส้นทางอย่างชาญฉลาดตามสถานการณ์จริง
• ใช้เทคโนโลยี SLAM (Simultaneous Localization and Mapping) เพื่อสร้างแผนที่และระบุตำแหน่งของตนเอง

ตัวอย่าง:

“Hi Yahboom, navigate to Dinosaur Valley, then to the vegetable and fruit garden, and finally return home.”
ระบบจะตอบ “OK, I am going to Dinosaur Valley.”
และเริ่มการนำทางตามลำดับที่กำหนดอย่างแม่นยำ

---

02. การรับรู้สภาพแวดล้อม (Environmental Perception)

ผ่านการวิเคราะห์ภาพด้วยโมเดลการมองเห็นขนาดใหญ่ ROSMASTER M3 Pro
สามารถเข้าใจตำแหน่งวัตถุและโครงสร้างพื้นที่ในแต่ละโซนของแผนที่ได้อย่างลึกซึ้ง

ตัวอย่าง:

“Hi Yahboom, go to Dinosaur Valley to see what animals are there, then return home.”
ระบบจะตอบ:
“OK, I am heading to Dinosaur Valley.”
“I saw dinosaurs such as Triceratops, Brachiosaurus, and Velociraptor, as well as trees and cactus.”
“OK, I am going home.”

ระบบนี้ช่วยให้หุ่นยนต์สามารถรับรู้พื้นที่จำลองเช่น School, Home, Dinosaur Valley, Fruit & Vegetable Garden
และเคลื่อนที่โต้ตอบกับผู้ใช้อย่างเป็นธรรมชาติ — สาธิตการทำงานของ AI หุ่นยนต์ระดับสูงด้าน การรับรู้และนำทางเชิงกายภาพ (Embodied SLAM-AI Integration)

การนำทางอัจฉริยะและการรับรู้สิ่งแวดล้อม (Embodied Intelligent SLAM Navigation & Environmental Perception)

01. ระบบ AI ขนาดใหญ่ + การนำทางด้วยแผนที่ SLAM (AI Large Model + SLAM Map Navigation & Transportation)

ROSMASTER M3 Pro ผสานเทคโนโลยี AI ขนาดใหญ่แบบหลายมิติ (Multimodal Large Model)
เข้ากับระบบนำทางแบบ SLAM (Simultaneous Localization and Mapping)
เพื่อให้หุ่นยนต์สามารถเข้าใจคำสั่งเสียงของผู้ใช้และเคลื่อนที่ระหว่างหลายจุด (Multi-point Navigation) ได้อย่างชาญฉลาด

เมื่อถึงตำแหน่งที่กำหนด หุ่นยนต์จะสามารถ

• วิเคราะห์สภาพแวดล้อมและสิ่งของรอบตัวผ่านโมเดลภาพ (Visual Model)
• ใช้แขนกล 6 แกน (6-DOF Arm) จัดการวัตถุเป้าหมาย เช่น การหยิบและขนย้าย
• ปรับเปลี่ยนการทำงานได้ตามบริบทจริงของสภาพแวดล้อม

ตัวอย่าง:

“Hi Yahboom, I want to go to school to play football.”
ระบบตอบ: “Okay, I’m on the way to school.”
หลังจากนั้น: “I have arrived at the fruit and vegetable garden and am looking for strawberries.”

แสดงให้เห็นถึงการทำงานร่วมกันของ AI + SLAM + Manipulation อย่างสมบูรณ์ในระดับปฏิบัติจริง

---

02. การเข้าใจเจตนาและการตอบสนองตามบริบท (Large Model Intention Understanding & Context-aware Response)

ด้วยการขยายฐานความรู้แบบ RAG Knowledge Base, ROSMASTER M3 Pro
สามารถวิเคราะห์ “เจตนาของผู้ใช้ (User Intention)” และ “บริบทของสภาพแวดล้อม (Context Analysis)”
เพื่อวางแผนการทำงานด้วยตนเองโดยไม่ต้องรอคำสั่งละเอียดจากผู้ใช้

ตัวอย่าง:

ผู้ใช้พูดว่า: “Hi Yahboom, I found that the football was missing when I got home.”
ระบบตอบกลับ: “OK, I’m going to school to find the football.”
หรือเมื่อผู้ใช้พูดว่า: “I’m thirsty.”
ระบบตอบ: “OK, I’m going to the kitchen to find mineral water for you.”

คุณสมบัตินี้แสดงถึงระดับความเข้าใจเชิงบริบทของหุ่นยนต์ (Context-aware AI)
ที่สามารถคาดการณ์ความต้องการของผู้ใช้ และตัดสินใจวางแผนการทำงานอย่างอิสระในสภาพแวดล้อมจำลอง

นวัตกรรมเทคโนโลยีปัญญาเชิงกายภาพ (Embodied Intelligence Technology Innovation)

Innovation 1 – สถาปัตยกรรมการให้เหตุผลแบบสองชั้น (Dual-Model Reasoning Architecture)

ROSMASTER M3 Pro ใช้โครงสร้างการประมวลผลแบบ สองโมเดลร่วม (Dual-Model System)
ประกอบด้วย

• Decision Layer (ชั้นการตัดสินใจ) – ทำหน้าที่เข้าใจคำสั่งของผู้ใช้และวางแผนการทำงานผ่าน Large Language Model (LLM)
• Execution Layer (ชั้นการปฏิบัติ) – ใช้ Visual Multi-Modal Model เพื่อสร้างรายการการกระทำจริงและดำเนินการในสภาพแวดล้อมจริง

กระบวนการนี้มี การให้เหตุผลแบบ Feedback Loop แบบไดนามิก (Dynamic Feedback Reasoning)
ที่ปรับปรุงผลลัพธ์อย่างต่อเนื่องจนกว่างานจะสำเร็จ

---

Innovation 2 – การให้เหตุผลแบบไดนามิก (Dynamic Feedback Reasoning)

ระบบ Feedback เชิงไดนามิกจะใช้ผลลัพธ์ที่ได้จากการทำงานแต่ละขั้น เพื่อปรับเปลี่ยนการกระทำถัดไปแบบเรียลไทม์
เช่น เมื่อตรวจพบลูกบอลสีแดง (Red Ball Found) ระบบจะอัปเดตการตัดสินใจใหม่อัตโนมัติ

เทคโนโลยีนี้ช่วยให้หุ่นยนต์

• ปรับตัวตามสภาพแวดล้อมจริง
• ลดความผิดพลาดระหว่างภารกิจ
• เพิ่มความแม่นยำและอัตราความสำเร็จของงาน

---

Innovation 3 – การเสริมประสิทธิภาพการดึงข้อมูลด้วย RAG (Large Model RAG Retrieval Enhancement)

RAG (Retrieval-Augmented Generation) คือสถาปัตยกรรมที่ผสาน “ระบบค้นคืนข้อมูล” เข้ากับ “ระบบสร้างผลลัพธ์”
ช่วยลดปัญหา “ข้อมูลหลอน (Hallucination)” ที่มักเกิดจากโมเดล AI ขนาดใหญ่

ใน ROSMASTER M3 Pro, ฐานความรู้ RAG ถูกตั้งค่ามาพร้อมข้อมูลจากโรงงาน
เช่น ตัวอย่างการฝึก (Training Samples) และคลังคำสั่งมาตรฐาน
พร้อมรองรับการปรับแต่งเฉพาะ (Customized Knowledge)
เพื่อให้หุ่นยนต์เรียนรู้บริบทและตอบสนองได้ตรงความต้องการของผู้ใช้มากขึ้น

---

Innovation 4 – การสนับสนุนการสนทนาแบบขัดจังหวะได้ (Support Free Conversation Interruption)

ระบบสนทนาแบบต่อเนื่อง (Continuous Dialogue) ของ M3 Pro
สามารถ “ขัดจังหวะ” หรือ “เปลี่ยนคำสั่งกลางทาง” ได้แบบเรียลไทม์

ตัวอย่าง:

“Hi Yahboom, go to the fruit and vegetable garden to get strawberries.”
(ระหว่างเดินทาง) ผู้ใช้พูดว่า “Wait, I said it wrong — go get the football.”
ระบบจะตอบ “No problem, I’m going to school now.”
หรือเมื่อพูดว่า “I changed my mind, go home.”
ระบบจะตอบ “OK, I’ll run home right away.”

คุณสมบัตินี้ช่วยเพิ่มความยืดหยุ่นและความสะดวกในการสื่อสารกับหุ่นยนต์ในสถานการณ์จริง