RAI-M4

フィジカルAI学習プラットフォーム

自然言語から行動へ
認識・判断・操作を一体化した具身知能を、ひとつに

RAI-M4は、「計画・認識・実行」を統合し、AIによる高度なインタラクションと柔軟なタスク遂行を実現するロボットプラットフォーム。

自然言語からタスクへの変換とマルチモーダル認識に対応し、多様なシナリオに柔軟に適応。

メカナムホイールによる全方向移動と4自由度アームを搭載し、高い機動性と操作性を両立。デュアル制御によりAI処理とリアルタイム制御を最適化。

ロボット技術とAIを統合した実践プラットフォームとして、教育分野で幅広く活用可能。

■ 対象分野・活用シーン

移動ロボット運動制御

AIモデル応用

ロボット工学

マシンビジョン

ROS

ナビゲーション制御

自己位置推定

製品特長

AIによる高度な知能化

自然言語理解とマルチモーダル認識に対応し、

タスク計画から実行までを一体化。

移動・操作一体型プラットフォーム

全方向移動とロボットアームを統合し、
狭小空間でも柔軟な作業を実現。

体系化された実習設計

段階的に学べるモジュール構成で、

幅広い教育シーンに対応。

仕様・スペック

■ 基本仕様

OS環境

Ubuntu 22.04 / ROS 2

アルゴリズム環境

OpenCV / YOLOv8

対応可能な言語モデル

Qwen / DeepSeek / ChatGPT / Gemini / Claude

※各API連携対応

外形寸法

240mm × 240mm 以上

シャーシ構成

4輪メカナムホイール全方向移動シャーシ

定格荷重

10kg

最大速度

0.5m/s

センサー

ジャイロセンサー内蔵

ロボットアーム

4自由度シリアルアーム + 1自由度グリッパ

アーム長さ

240mm

可搬重量

300g

制御システム構成

上位機：タスク計画・視覚認識・ナビゲーション制御

下位機：PID制御・サーボ制御・インタラクション制御（通信中継）

■ ハードウェア仕様

エッジコントローラ

型番

RDK X5

演算性能

10 TOPS

CPU

8コア Arm Cortex-A55（1.5GHz）

BPU

10 TOPS

GPU

32 FLOPS

メモリ

8GB LPDDR4

ストレージ

TFカード対応

備考

YOLOv8による顔検出は約100fpsで動作

LiDARセンサー

測定距離

0.12～8 m

サンプリング周波数

4000回/秒

スキャン周波数

5～10 Hz

角度分解能

0.6°～1.2°

質量

135 g

ビジョンカメラ

タイプ

RGB高解像度カメラ

画素数

200万画素

インターフェース

USB 3.0

S/N比

27 dB

動作電流

80～280 mA

■ オプション

深度カメラ

深度モジュール測距範囲

0.6m～8m

深度モジュール解像度

最大1280×720（90fps） 200万画素

深度モジュール視野角（FOV）

水平54.8° / 垂直45.5°

RGBカラーモジュール解像度

最大1920×1080（30fps）

RGBカラーモジュール視野角（FOV）

水平66.1° / 垂直40.2°

実験項目

ロボットビジョン

基礎的な画像処理から深層学習、マルチモーダル認識まで、一貫した実践学習の流れを構築。

■ OpenCVビジョン

・色認識、形状認識、QRコード認識、バーコード認識

・カラーマーカー検出（総合処理＋フィルタリング）

■ AIビジョン – YOLO

・YOLOモデルの導入・デプロイ

・データセットのアノテーション、学習、デプロイ

・ワーク検出

・顔検出

■ AIビジョン – 通義千問マルチモーダル大規模モデル

・通義千問マルチモーダルAPIの導入・デプロイ

・物体検出およびラベリング

大規模モデルの導入と応用

音声インタラクション、マルチモーダル認識、ロボット実行を統合した、エンドツーエンドのAIモデル実践にフォーカス。

■ 音声対話インタラクション

　・音声認識（ASR）の導入・実装 – 通義千問

　・意味理解（LLM）の導入・実装 – DeepSeek

　・音声合成（TTS）の導入・実装 – 火山引擎

　・大規模モデルを活用した音声対話機能の実装

　・音声対話による電卓機能の実装

　・音声対話による音楽再生機能の実装

■ マルチモーダル視覚認識

　・通義千問マルチモーダルAPIの導入・デプロイ

　・物体検出およびラベリング

■ ロボット応用との連携

　・MCPに基づく認識・把持タスクプランニング

　・MCPに基づくナビゲーションタスクプランニング

ロボット本体

シャーシおよびロボットアームの運動学と制御戦略に関する実践。

■ モバイルベース制御

　・エンコーダ付きモータのPID制御

　・全方向移動ベースの運動学制御

　・全方向移動ベースのオドメトリ制御（ジャイロセンサ含む）

■ ロボットアーム本体制御

　・サーボモータの位置制御

　・ロボットアームの運動学制御

　・ロボットアームの補間軌道制御

ロボットオペレーティングシステム(ROS)

ROSのトピック、サービス、パラメータ管理およびMoveItによるモーションプランニングなどの中核スキルを習得。

■ ROSの基礎操作

　・Topic、Service、Parameter による turtlesim の移動制御

　・パッケージ移植と実行 – キーボードによる turtlesim 制御

■ Moveit! によるロボットアーム動作計画

　・ロボットアームのURDFファイル設定

　・Moveit! によるロボットアーム運動学モデルの設定

　・RViz によるロボットアーム動作計画の実現

移動ロボットのナビゲーションと自己位置推定

システムインターフェース、マッピングおよびナビゲーションの一連のプロセスを網羅し、マルチポイントナビゲーションの実践に対応。

■ 地図構築　

・マッピング用プロジェクトファイルの設定　

・新規地図の構築

■ 地図ナビゲーション　

・指定点ナビゲーションの実装　

・自律回避ナビゲーションの実装　

・複数座標ナビゲーションの実装