DJI RoboMaster TT undervisningsdrone

Som en pædagogisk drone udviklet af DJI Education, er RoboMaster TT forpligtet til at sænke tærsklen for robot- og AI-læring og dyrke elevernes nysgerrighed og selvtillid under deres første kontakt med naturvidenskabelige og teknologiske uddannelser. For at opfylde dette mål omfavner RoboMaster TT open source og er blevet opgraderet på basis af Tello EDU for at lette multi-drone-kontrol og AI-applikationer gennem fremragende software- og hardware-skalerbarhed. Derudover tilbyder RoboMaster TT komplette drone- og AI-kurser og et nyt konkurrencesystem for at skabe en ny oplevelse inden for robotteknologi og fuldt ud stimulere elevernes kreativitet.

Fremragende undervisningsværktøj

Højtydende mekanisk tilbehør

Kraftige kompatibilitetsfunktioner og -evner

Introduktion til Real-World AI-implementering

Undervisningsressourcer

Projektbaserede kurser

Velegnet til flere klassetrin

Er i overensstemmelse med læseplanens standarder

Konkurrencedatabase

Konkurrenceregler og driftsplaner

Konkurrencearrangementer, der kan tilpasses

Praktisk hands-on læring

Helt nyt produkt. En lille drone til store drømme

Som branchens førende uddannelsesdrone leverer RoboMaster TT kraftfuld flyveydelse med et kompakt fodaftryk og bruger de banebrydende DJI -flyvekontrolalgoritmer til at sikre flyvesikkerhed og stabilitet. Den har også et 5MP HD-kamera, som leverer jævne og stabile flyvebilleder. Det nyligt tilføjede ESP32 open source-modul og andre programmerbare moduler kombineres med et mangfoldigt programmeringsmiljø for at skabe en professionel droneuddannelsesplatform, der er praktisk for både lærere og elever.

Open source, tilpasset gameplay

Indbygget ESP32 open source modul: Den indbyggede ESP32 chip giver Arduino og Micro Python open source programmeringsmiljøer og understøtter Arduino, Micro Python, grafisk programmering og flere offline programmeringsmetoder. Det skaber en open source flyvende hardwareplatform for elever og lærere, der gør det praktisk for eleverne at lære indlejret programmering og udvikle forskellige applikationer af luftrobotter.

Lys flimrende med dronen for en bedre visuel oplevelse

Programmerbar vejrtrækningsindikator: Når du bruger RoboMaster TT med RGB fuldfarve LED-indikatoren, kan du styre lysets farve og blinkefrekvens gennem grafisk programmering, Python, Arduino og andre programmeringsmetoder. På denne måde er programmeringsresultatet mere intuitivt, og flyveeffekten er mere imponerende.

Flere innovationer vises på skærmen

Programmerbar dot-matrix-skærm: RoboMaster TT har en 8×8 rød-og-blå LED dot-matrix-skærm. Du kan bruge den grafiske programmering, Python, Arduino og andre programmeringsmetoder til at vise forskellige simple mønstre, simple animationer eller rullende tegn på dot-matrix-skærmen. På dette grundlag giver dot-matrix-skærmen flere muligheder for man-drone-interaktion.

Afstandsmåling, undgåelse af forhindringer og intelligent bevidsthed

Integreret ToF infrarød afstandssensor: RoboMaster TT er integreret med en enkeltpunkts ToF-sensor med en maksimal måleafstand på 1,2 meter. Dronen er velegnet til en række anvendelser i forskellige undervisningsscenarier og kan implementere miljøopfattelse og intelligent undgåelse af forhindringer.

Meget stabil dual-band kommunikation

Nyt 5,8-GHz Wi-Fi-modul: Dette modul understøtter 2,4-GHz/5,8-GHz dual-band-kommunikation, hvilket i høj grad forbedrer stabiliteten af droneforbindelsen og gør det muligt for dronen bedre at tilpasse sig sit miljø. Dronen kan flyve problemfrit i komplekse Wi-Fi-miljøer. I klasseværelsesundervisningsscenariet kan flere droner tilsluttes samtidigt end før, og stabiliteten af multi-drone formation forbedres.

Udforsk flere muligheder

Adapterudvidelseskort: Det giver 2×7-bens 2,54 mm in-line pakkeinterface, understøtter programmeringsprotokollerne I2C, SPI, UART og GPIO og leverer 5-V/3,3-V strømforsyningen. Med dette board kan du nemt tilføje og debugge nye sensorer for at få mere kreative ideer.

Født til fremtiden. Mere kreativ og intelligent

RoboMaster TTs højt integrerede open source-udvidelsessæt kan bruges sammen med dets åbne kamera-videostreamdata til at implementere mere diversificerede AI-applikationer. Ved at bruge det nye RoboMaster SDK kan banebrydende AI-teknologier såsom machine vision og deep learning desuden bruges i klasseværelserne i folkeskoler og gymnasier. Dette gør AI mere velkendt og muliggør læring gennem leg for bedre resultater med mere sjov.

Understøtter eksterne tredjepartssensorer

RoboMaster TT kommer med en sensoradapter, som leverer strøm til tredjepartssensorer. Den officielle DJI SDK er også tilgængelig for alle brugere for at understøtte flere programmerbare sensorgrænseflader, såsom I2C, SPI, UART og GPIO. Studerende kan nemt udvide sensorer og udvikle programmer til at producere flere AI-applikationer.

RoboMaster SDK baseret på Python 3.0

Med Python 3.0 RoboMaster SDK kan du nemt lære Python-sproget og programmet til at styre droner. Du kan også bruge SDK'et til at skabe dine egne applikationer, implementere interaktionen mellem RoboMaster TT og RoboMaster EP, udvikle dine egne AI-algoritmer og give fuld leg til din kreativitet.

Understøttede AI-applikationer

Ved at tilføje forskellige tredjepartssensorer til RoboMaster TT kan du tilpasse en række kreative gameplay.

Miljøopfattelse

Brug den infrarøde afstandsteknologi og data om forhindringer til at opfatte miljøet og tegne indendørs kort. Du kan lære om indendørs robotnavigationsteknologi og automatisk undgåelse af forhindringer.

Ansigtsgenkendelse og auto-follow

Få videostreamen til ansigtsgenkendelse og sporing. Du kan lære banebrydende AI-teknologier, såsom machine vision, deep learning og konvolutionerende neurale netværk.

Gestikgenkendelse

Brug gestusgenkendelsessensorer og programmer dronen til at få gestusinformation og kontrolhandlinger af dronen. Du kan lære, hvordan sensordataene aflæses (hvor separate sensorer er påkrævet), og implementere man-drone-interaktion.

Håndflade kontrol

Baseret på den opnåede knobevægelsesstillingsinformation, udvikle et program til at etablere en forbindelse mellem håndfladestillinger og flyvehandlinger og implementere håndfladekontrol (hvor separate sensorer er påkrævet). Du kan forstå og lære om mikroelektronikteknologi og sensoregenskaber.

Perfekt kombination af teknologi og kunst. Nem opsætning af multi-drone-formation

RoboMaster TT understøtter Station-tilstand. Derfor kan flere RoboMaster TT-enheder tilsluttes den samme Wi-Fi-router, modtage programmeringskodeinstruktioner og give feedback, implementere statussynkronisering og kontrol af flere droner. Du kan bruge dronen til forskellige formål under undervisning, konkurrence eller performance.

sikrere

RoboMaster TT anvender et design, der er først i sikkerhed og inkorporerer følgende fysiske og softwarebeskyttelsesmetoder for at sikre brugernes flyvesikkerhed: beskyttelse af vingerne, præcis svævning og alarmering af lavt batteriniveau.

Stabler

RoboMaster TT bruger det nye 5,8 GHz Wi-Fi-modul, som har en lavere signaltransmissionsforsinkelse og bedre anti-signal-interferens ydeevne. På dette grundlag bliver multidronedannelsesprocessen og oplevelsen mere smidig.

Enklere

RoboMaster TT understøtter brug af grafisk programmering, Python og andre programmeringssprog til programmering af multidroneformationer. Derudover kan eleverne bruge appen til nemt og hurtigt at sætte simpel multidrone-formation op.

Mere imponerende

Med de programmerbare LED-indikatorer, musik og handlinger kan RoboMaster TT ændre belysningsfarver og deres frekvenser og levere en endnu mere imponerende multi-drone-formationseffekt.

Mere sjov

Med den programmerbare dot-matrix-skærm kan RoboMaster TT ændre mønstre på dot-matrix-skærmen under multi-drone-formation for at formidle unikke ideer.

Fremragende Drone og AI. Uddannelsesløsninger

Bakket op af innovative og kraftfulde banebrydende teknologier har DJI Education skræddersyet en professionel droneuddannelsesplatform til skoler og træningsbureauer. Derudover har det udviklet brancheførende drone- og AI-uddannelsesløsninger ved at kombinere en række kurser og professionelle konkurrencer, der hjælper med at bringe eleverne ind i den intelligente flyverden.

Drone- og AI-kurser

Tværfaglig integration

Kurserne integrerer naturvidenskabelig og teknologisk uddannelse med matematik og engelsk, og teoretisk læring med praktisk undersøgelse, implementerer STEAM-uddannelsestilgangen og sætter eleverne i stand til at bringe al den lærte viden sammen og forstå viden grundigt i den tværfaglige og tværfaglige undervisningsproces.

Projektbaseret udforskning

Ved at bruge problemer fra den virkelige verden som kontekst guider kurserne eleverne til at tage initiativ til at udforske løsninger, dyrke deres logiske tænkning, opbygge deres team-work spirit og forbedre deres problemløsningsevne gennem projektbaserede udforskningsaktiviteter.

Konstruktivisme

Baseret på Piagets teori om kognitiv udvikling designer kurserne læringsafsnit, der passer til elevernes psykologiske karakteristika og kognitive udviklingslove, og kombinerer droneapplikationer med programmeringsfærdigheder, så eleverne kan lære ny viden fra specifikke scenarier.

Interessedrevet

På kurserne bliver eleverne inspireret til selvstændigt at lære om droner og programmering i et behageligt undervisningsmiljø, hvilket skaber flere muligheder for eleverne i fremtiden.

Rigelige drone- og AI-konkurrencer

AI konkurrence

Udvikl et program til at styre dronen til automatisk at krydse forhindringer og vælg den korrekte landingsposition for at implementere nøjagtig landing baseret på billedgenkendelsesresultaterne. Videnpunkter: billedgenkendelse og PID-kontrol

Luft-jord drift

Dronen foretager rekognoscering i luften og sender placeringsoplysningerne til det ubemandede køretøj. Det ubemandede køretøj ankommer automatisk til destinationen og transporterer materialer. Videnspunkter: billedgenkendelse, luft-til-jord kommunikation og ruteplanlægning

Maze Race

Udvikl et program, der gør det muligt for dronen selv at udforske en vej ud i en labyrint med tilfældige ruter. Labyrinten indeholder også missionsblokke med skjulte opgaver.

Videnpunkter: indendørs positionering, brug af ToF-sensor, intra-labyrint-søgning og programmerbar dot-matrix-skærm

I kassen

Fly (propeller inkluderet) × 1

RoboMaster TT propelskærme × 1

Reservepropel (par) × 2

Dot-Matrix Display & afstandssensormodul × 1

Open Source-controller × 1

Forlængerkort × 1

Mission Pad × 4

Flybatteri × 1

Mikro USB-kabel × 1

Specifikationer

Drone modul

Drone

Startvægt 87 g (inklusive propelblade, propelbladsbeskytter og batterier)

Mål 98×92,5×41 mm

Propelblad 3''

Indbyggede funktioner Infrarød højdebestemmelse, barometer, LED-indikator, nedadgående synssensor, Wi-Fi og HD 750P billedtransmission

Interface Micro USB-opladningsport

Flyvepræstation

Maksimal flyvedistance 100 m

Maksimal flyvehastighed 8 m/s

Maksimal flyvetid 8 min

Maksimal flyvehøjde 30 m

Batteri

Aftageligt batteri 1,1 Ah/3,8 V

Kamera

Billede 5 MP

FoV 82,6°

Video HD720P30

Formater JPG (til billeder) og MP4 (til videoer)

Understøttet elektronisk billedstabilisering

Forlænger tilbehør

Open source controller

Vægt 12,5 g (inklusive open source-controlleren og området dot-matrix-skærm)

Mål 49,5×32×15,2 mm

Driftstilstand AP og Stationstilstand

Wi-Fi frekvensbånd 2,4 GHz og 5,8 GHz

Bluetooth 2,4 GHz

MCU ESP32-D2WD, dual-core ved 160 MHz, 400 MIPS

Open source Understøtter SDK-udvikling, Arduino, grafisk programmering og MicroPython-programmering.

Skalerbarhed 14-bens udvidet interface (til I2C, UART, SPI, GPIO, PWM og strømforsyning)

Programmerbar LED-indikator LED i fuld farve

Ranging dot-matrix skærmudvidelsesmodul

Mål 35,3×31,5×8,6 mm

Programmerbar dot-matrix LED-indikator 8×8 rød-og-blå indikator

Dot matrix kørefunktion IIC interface, automatisk dot matrix scanning, 256 niveauer justerbar overordnet lysstyrke og 256 niveauer justerbar single-LED lysstyrke

Afstandsmodul Infrarød afstandssensor (ToF)

Maksimal afstand målt 1,2 m (indendørs med hvide mål)

Adapter forlængerplade

DIY-tilpasning 14-bens udvidet interface til 2×7-bens 2,54 mm in-line pad, 2 strømindikatorpositioner og 2 fejlfindingsindikatorpositioner