ZEKEEP AI 智能交互桌面机械臂

视觉识别 × 语音交互 × 机器人执行，让桌面机械臂理解任务并完成抓取。

ZEKEEP AI 智能交互桌面机械臂是一款面向人工智能教育、机器人编程与综合实践开发的桌面机器人平台。产品以 STM32 三自由度机械臂为核心，采用基座旋转、大臂俯仰和小臂俯仰结构，配备真空吸盘末端执行器，并结合工业控制计算机、USB 摄像头及相关软件环境，实现机械臂控制与 AI 应用的结合。

在机械控制方面，平台继承了同系列 STM32 桌面机械臂的基础控制思路，可围绕关节运动、串口通信、目标定位和机械臂动作执行开展实践。同系列机械臂资料给出了 0.5 kg 额定负载、约 1 mm 重复定位精度及可调速度等参考参数；具体机械性能以三自由度 AI 版本的实际规格为准。

在视觉识别方面，平台结合 YOLO 系列 / YOLO-World 目标检测和 OpenCV 图像处理，可围绕彩色方块、几何形状及其他示例目标开展识别实验。通过相机标定和坐标映射，可以进一步学习如何将图像中的目标位置转换为机械臂工作空间中的抓取位置。

在语音交互方面，平台采用 FunASR 相关语音识别技术，将语音指令转化为后续任务解析的信息。例如，用户提出“把红色方块放到三角形上”的指令后，系统可以结合语音识别结果、目标检测结果及位置映射流程，组织抓取与放置任务。

在软件开发方面，平台资料展示了 Ubuntu 22.04、Python 3.10、ROS 2、OpenCV 及 FunASR 等技术组件，可用于机器人基础控制、视觉算法、语音交互及综合任务开发。结合实际开放的接口和项目代码，学习者能够从单项功能调试逐步进入完整的机器人交互任务。

与单纯执行固定动作的桌面机械臂相比，该平台更注重视觉输入、语音指令和机械臂动作之间的协同关系，能够将机械控制、计算机视觉、语音识别与程序设计联系起来，为 AI 机器人教学和创新实践提供综合学习载体。

🌟 核心亮点与产品特点

1. 三自由度 STM32 机械臂，建立机器人控制基础

真实机械结构与嵌入式控制相结合。

平台采用三自由度桌面机械臂，由基座旋转、大臂俯仰和小臂俯仰三个关节组成，使用 STM32 控制器及步进电机驱动结构。

学习者可以围绕关节运动、机械臂控制、串口通信及基础定位开展实践，理解机器人硬件与控制程序之间的关系。

2. AI 视觉识别，让机器人获取目标信息

从图像采集到目标识别，为抓取任务提供输入。

平台结合 YOLO 系列 / YOLO-World 和 OpenCV 等视觉技术，可用于彩色方块、几何形状及其他示例目标的识别。

通过获取目标类别、像素坐标及相关图像信息，学习者可以进一步探索位置映射与机械臂抓取控制。

3. 语音交互与任务解析，让操作更直观

通过自然语言指令组织机器人任务。

采用 FunASR 相关语音识别技术，将用户语音转换为文本，并结合程序逻辑解析目标对象、动作类型和放置位置。

例如，用户可以提出将指定颜色的方块放到指定图形位置的任务，再结合视觉识别和机械臂控制完成相应操作。具体支持的指令范围以实际软件实现为准。

4. 视觉与机器人坐标映射，连接识别与执行

让图像中的目标位置成为机械臂可以使用的坐标信息。

平台资料展示了相机内参标定、Homography 坐标映射等技术方向。

通过视觉标定、目标定位与坐标转换，学习者能够理解图像空间与机械臂工作空间之间的关系，为视觉引导抓取建立基础。

5. 可拓展的基础运动控制与轨迹实验

从简单点位运动逐步进入轨迹控制。

同系列 STM32 桌面机械臂资料列有点对点、直线运动、直线偏移及码垛轨迹等功能，并支持关节坐标和世界坐标等控制方式。

AI 版本可结合实际保留的控制接口，开展机械臂基础运动、抓取路径调试及目标位置调整等实验。

6. Python、ROS 2 与 AI 软件结合

将机械控制与软件开发放在同一学习流程中。

平台软件资料展示了 Ubuntu 22.04、Python 3.10、ROS 2、OpenCV 及 FunASR 等技术组件。

通过基础控制、视觉识别和语音任务处理等模块的组合，学习者能够理解不同软件组件之间的数据交互与任务协同。

7. 从单项实验到完整任务，适合项目化教学

从相机标定、目标识别到抓取放置，逐步提升实践难度。

平台可以围绕视觉识别、语音输入、任务解析、坐标转换和机械臂控制设计分层实验。

从基础硬件操作到综合任务执行，帮助学生建立机器人感知、任务处理和动作控制之间的系统认知。

常见问题（FAQ）

1. AI 智能交互桌面机械臂有几个自由度？

该版本采用三自由度机械臂，包括基座旋转、大臂俯仰和小臂俯仰三个关节。与同系列四轴机械臂相比，三轴版本不包含额外的末端旋转关节。

2. 这款机械臂的额定负载和重复定位精度是多少？

为 0.5 kg 额定负载和 ±1 mm 重复定位精度。

3. 机械臂的工作范围是多少？

同系列资料给出的最大伸展距离为约 340 mm。

4. 这款机器人支持 AI 视觉识别吗？

基于了 YOLO 系列 / YOLO-World 目标检测和 OpenCV 图像处理等技术方向，可用于彩色方块、几何形状及其他示例目标识别，并为后续坐标转换和抓取任务提供视觉信息。

5. 这款机器人支持语音控制吗？

基于 FunASR 的语音识别及任务解析流程，可围绕目标识别、抓取和放置等指令开展综合实验。实际支持的语言和指令范围取决于软件版本和任务逻辑。

6. 支持哪些机器人运动控制功能？

点对点、直线运动、直线偏移、码垛轨迹及关节坐标、世界坐标等功能。以当前控制程序和接口为准。

7. 机械臂使用什么电源？

机械臂电源规格为 DC 24V / 8A，AI 版本的工控机、显示设备及其他组件可能需要独立供电。

8. 这款机器人适合哪些课程？

适用于机器视觉、人工智能、机器人编程、自动化控制、嵌入式开发及 STEM 创新实践等课程。具体课程适配程度应结合学校的实验项目和教学目标确定。

9. 产品是否支持二次开发？

具体可开放的接口、项目代码、软件包及控制权限，应以实际交付清单为准。

产品选型与咨询建议

为更好地匹配教学与开发需求，建议重点确认以下内容：

• 机械性能： 额定负载、最大伸展距离、水平臂展、重复定位精度和最高运动速度。

• 控制系统： STM32 控制器、USB-TTL 串口通信及 DI/DO 接口是否在 AI 版本中完整保留。

• 视觉与语音： 摄像头规格、目标检测模型、FunASR 运行环境及实际支持的指令范围。

• 软件开放程度： Python、ROS 2、视觉算法和机械臂控制接口的可修改范围。

• 设备配置： 工控机、显示设备、麦克风、相机、标定板和实验物料是否包含在标准套装中。

• 部署要求： 整套平台的实际尺寸、重量、电源需求及周边操作空间。

通过明确教学目标、实验内容及软硬件配置，可以更准确地确定该平台的适用范围和交付要求。