Unitree
zzgl. MwSt.
Verfügbarkeit für Abholungen konnte nicht geladen werden
HangZhou YuShu TECHNOLOGY CO., LTD
https://www.unitree.com/
sales_zty@unitree.com
Building 1, No.88 DongLiu Road 88
Room 306, Hangzhou
China
Preismodelle
Vergleiche Optionen klar, schnell, ohne Kleingedrucktes. Unsere Empfehlung ist hervorgehoben.
Flexibel finanzieren
Inklusive
Günstigster Preis
Inklusive
Flexible Konditionen
Inklusive
ㅤ
Wechseln Sie zwischen den Registern, um Inhalte zu sehen.
Effiziente Überwachung kritischer Infrastruktur mit hoher Reichweite, liefert präzise Inspektionsdaten durch fortschrittliche Sensorik und hybride Mobilität.
Die ultimative Hardware-Plattform für Robotik-Studien, bietet volle Kontrolle über Bewegungsalgorithmen und KI-Integration in Echtzeit.
Schnelle Analyse von Außenbereichen und unebenen Flächen, kombiniert die Geschwindigkeit von Rädern mit der Hindernisüberwindung eines Quadrupeds.
Automatisierte Überprüfung komplexer Fertigungsumgebungen, optimiert Wartungsintervalle durch präzise, wiederholbare Inspektionsrouten.
Intelligente Bestands- und Sicherheitskontrolle auf großen Hallenflächen, navigiert hocheffizient und autonom durch dynamische Logistikzentren.
Laufruhige und reaktionsschnelle Überwachung sensibler Areale, erhöht die Sicherheit durch kontinuierliche Präsenz und moderne Objekterkennung.
Terra Robotics
https://terra-robotics.de/
mail@terra-robotics.de
Zeißstraße 10,
32584 Löhne
Deutschland
Abmessungen: 540 × 440 × 617 mm
Gewicht: 53 kg
Schrubbbreite: 330 mm
Steigfähigkeit (Reinigung): 5,2 %
Max. Fahrgeschwindigkeit: 0,8 m/s
Minimale Durchgangsbreite: 600 mm
Mindest-Wendekreis: 750 mm
Akku: 40 Ah LiFePO₄ (24 V)
Laufzeit: 4 – 4,5 h (Schrubben)
Ladezeit: ca. 2 h
Sensorik: 6× LiDAR & 1 Kamera (erweiterte 360°-Erfassung)
Rechenmodul: NVIDIA Jetson Orin NX (100 TOPS)
Abmessungen: 540 × 440 × 617 mm
Gewicht: 53 kg
Schrubbbreite: 330 mm
Steigfähigkeit (Reinigung): 5,2 %
Max. Fahrgeschwindigkeit: 0,8 m/s
Minimale Durchgangsbreite: 600 mm
Mindest-Wendekreis: 750 mm
Akku: 40 Ah LiFePO₄ (24 V)
Laufzeit: 4 – 4,5 h (Schrubben)
Ladezeit: ca. 2 h
Sensorik: 6× LiDAR (Mid-360 3D LiDAR) & 1 Kamera
Rechenmodul: NVIDIA Jetson Orin NX (100 TOPS)
Abmessungen: 540 × 440 × 617 mm
Gewicht: 53 kg
Schrubbbreite: 330 mm
Steigfähigkeit (Reinigung): 5,2 %
Max. Fahrgeschwindigkeit: 0,8 m/s
Minimale Durchgangsbreite: 600 mm
Mindest-Wendekreis: 750 mm
Akku: 40 Ah LiFePO₄ (24 V)
Laufzeit: 4 – 4,5 h (Schrubben)
Ladezeit: ca. 2 h
Sensorik: 6× LiDAR (Hesai XT16) & 1 Kamera
Rechenmodul: NVIDIA Jetson Orin NX (100 TOPS)
Der Unitree Go2W kombiniert modernste KI-gestützte Bewegungssteuerung mit präziser Sensorik. Durch seine 6 LiDAR-Sensoren und eine Tiefenkamera erkennt der Roboterhund seine Umgebung in Echtzeit und reagiert dynamisch auf Hindernisse oder Geländeänderungen. Dank der Unitree-AI-Engine bewegt sich der Go2W flüssig, sicher und autonom – sowohl auf ebenen Flächen als auch in komplexen Indoor-Umgebungen. Die EDU-Varianten (Plus, Mid, XT) bieten dabei zusätzliche Rechenleistung durch das integrierte Jetson Orin NX-Modul (100 TOPS), ideal für Forschung, KI-Entwicklung und universitäre Anwendungen.
Mit seiner hochauflösenden 3D-Umgebungserkennung ermöglicht der Go2W eine präzise und stabile Navigation – egal, ob im Labor, Showroom oder industriellen Umfeld. Das integrierte SLAM-System (Simultaneous Localization and Mapping) erstellt digitale Karten in Echtzeit und optimiert permanent die Routenführung. Die Varianten EDU Plus-Mid und EDU Plus-XT sind zusätzlich mit Mid-360 LiDAR bzw. Hesai XT16 LiDAR ausgestattet – für noch höhere Reichweite, Detailtiefe und Objekterkennung auf Forschungs- und Robotikniveau.
Der Go2W ist mehr als ein Roboterhund – er ist eine offene Plattform für Robotik-Forschung und KI-Training. Über frei zugängliche SDKs, API-Schnittstellen und ROS-Integration können Entwickler eigene Algorithmen, Sensormodule und Bewegungsmuster implementieren. Die EDU-Reihe richtet sich gezielt an Hochschulen, Labore und Unternehmen, die Machine-Learning-Modelle, Sensorfusion oder autonome Bewegungslogik testen und erweitern möchten. Mit seiner modularen Architektur bietet der Go2W so die perfekte Grundlage für Robotik-Prototyping, KI-Forschung und Simulationsumgebungen.
Der Unitree Go2W vereint leistungsstarke KI-Navigation, präzise LiDAR-Erkennung und flexible Bewegungssteuerung in einem kompakten, lernfähigen Roboterhund. Ob Standard- oder EDU-Version – der Go2W bietet maximale Stabilität, Effizienz und Anpassungsfähigkeit für Forschung, Industrie und Bildung.
Der Unitree Go2W EDU Roboterhund eignet sich für Forschung, Lehre, Robotikentwicklung, autonome Navigation, KI-Training, Industrieinspektion, Energieanlagen, Geländeinspektion, Lager- und Logistikinspektion sowie Sicherheitsrundgänge auf Werksgeländen. Terra Robotics positioniert den Go2W EDU besonders für Anwender, die einen programmierbaren Roboterhund mit Rädern für reale Testumgebungen, Datenerfassung und mobile Robotikprojekte benötigen.
Der Unitree Go2W EDU ist ein hybrider Roboterhund von Unitree, der vierbeinige Beweglichkeit mit effizienter Radmobilität kombiniert. Die EDU-Version ist als offene Forschungs- und Entwicklungsplattform ausgelegt und eignet sich für Hochschulen, Labore und Unternehmen, die eigene Algorithmen, Sensorik-Setups, ROS-Workflows und KI-gestützte Bewegungslogik testen möchten.
Der Unitree Go2W EDU richtet sich stärker an Forschung, Lehre und sekundäre Entwicklung als die Standardversion. Im Mittelpunkt stehen offene Schnittstellen, ROS-Integration, SDK- und API-Nutzung, zusätzliche Rechenleistung und erweiterte Sensoroptionen. Dadurch ist der Go2W EDU besonders geeignet, wenn nicht nur demonstriert, sondern aktiv entwickelt, gemessen, programmiert und getestet werden soll.
Terra Robotics führt den Unitree Go2W EDU in den Varianten EDU Plus, EDU Plus-Mid und EDU Plus-XT. Die Varianten unterscheiden sich vor allem bei der Sensorik und LiDAR-Konfiguration. EDU Plus eignet sich für KI- und Robotikentwicklung mit erweiterter 360°-Erfassung, EDU Plus-Mid ergänzt Mid-360 3D-LiDAR und EDU Plus-XT setzt auf Hesai XT16 LiDAR für anspruchsvollere Forschungs- und Wahrnehmungsaufgaben.
Das Rad-Bein-Konzept des Unitree Go2W EDU ist interessant, weil der Roboterhund auf ebenen Flächen effizient rollen kann und gleichzeitig durch seine vierbeinige Struktur bei Übergängen, Kanten, Rampen oder wechselnden Untergründen stabil bleibt. Dadurch eignet sich der Hybrid-Roboterhund für lange Hallenwege, Labore, Showrooms, Industrieareale, Außenkanten und praxisnahe Indoor-Outdoor-Szenarien.
SLAM und LiDAR helfen dem Unitree Go2W EDU dabei, digitale Karten zu erstellen, seine Position zu bestimmen, Hindernisse zu erkennen und Routen autonom zu planen. Diese Funktionen sind besonders relevant für Forschung an autonomer Navigation, Sensorfusion, Mapping, Objekterkennung, Geländeinspektion und wiederholbaren Inspektionsrouten in Industrie, Labor und Logistik.
Ja, der Unitree Go2W EDU ist für offene Entwicklungsarbeit ausgelegt und kann über SDKs, API-Schnittstellen und ROS-Integration in eigene Robotik-Workflows eingebunden werden. Dadurch können Entwickler eigene Bewegungsmuster, Sensormodule, KI-Modelle, Navigationslogik und Datenerfassungsprozesse auf der Plattform testen und iterativ weiterentwickeln.
Der Unitree Go2W EDU ist für Hochschulen und Forschungslabore geeignet, weil er reale Robotikexperimente mit Sensorik, Mobilität, SLAM, KI-Integration und autonomer Bewegungssteuerung ermöglicht. Studierende und Forschungsteams können Themen wie Sim-to-Real, Sensorfusion, Embodied AI, mobile Datenerfassung, Hindernisvermeidung und autonome Navigation nicht nur simulieren, sondern auf einer physischen Roboterplattform testen.
Der Unitree Go2W EDU eignet sich für wiederkehrende Inspektionsaufgaben in Energieanlagen, technischen Betriebsbereichen, Industriehallen, Lagerflächen, Logistikzentren, Außenarealen und Werksgeländen. Der Roboterhund kann definierte Routen, Checkpoints, Datenerfassung und Monitoring-Prozesse unterstützen. Vor einem produktiven Einsatz sollten Sensorik, Funkabdeckung, Datenschutz, Sicherheitskonzept und konkrete Prüfaufgaben mit Terra Robotics geplant werden.
Der Unitree Go2W EDU kann bei Terra Robotics gekauft, geleast oder als individuelle Projektlösung angefragt werden. Kauf eignet sich für Hochschulen, Labore und Unternehmen, die den Roboterhund dauerhaft einsetzen möchten. Leasing bietet planbare monatliche Kosten, während eine Projektanfrage besonders bei Schulung, Zubehörplanung, KI-Integration, ROS-Workflows, Inspektionsrouten, Sicherheitskonzepten oder mehreren Robotiksystemen sinnvoll ist.
Der Unitree Go2W EDU ist ein Roboterhund mit Rädern, der die Vorteile eines vierbeinigen Roboters (Quadruped) mit effizienter Roll-Mobilität kombiniert. Dadurch entsteht eine Hybrid-Plattform, die auf ebenen Strecken schnell und energieeffizient fährt und gleichzeitig bei Übergängen, Kanten und wechselnden Bodenbedingungen stabil bleibt. Für Hochschulen, Labore und Entwicklerteams ist der Go2W EDU besonders interessant, wenn autonome Robotik nicht nur demonstriert, sondern als reproduzierbares Entwicklungsprojekt umgesetzt werden soll – inklusive Datenerfassung, Sensorfusion, Navigation, Mapping und KI-gestützter Bewegungslogik.
Im Vergleich zu klassischen Roboterhunden zielt die Go2W EDU-Reihe stärker auf offene Entwicklung: eigene Algorithmen testen, Sensorik-Setups erweitern, ROS-Workflows integrieren und Experimente iterativ verbessern. Wer einen Roboterhund für Forschung, Lehre oder Prototyping sucht, bekommt hier eine Plattform, die sowohl im Indoor-Labor als auch in praxisnahen Umgebungen funktioniert – vom Showroom bis zum Industrieareal.
Ein Roboterhund mit Rad-Bein-Konzept ist besonders dann sinnvoll, wenn Strecken effizient zurückgelegt werden müssen, aber die Umgebung nicht perfekt „fahrroboterfreundlich“ ist. Auf glatten Böden, langen Gängen oder Hallenflächen kann der Go2W EDU stabil rollen, während das Beinlayout bei Übergängen und schwierigen Passagen zusätzliche Bewegungsfreiheit schafft. Dadurch eignet sich der Go2W EDU für gemischte Szenarien: Indoor-Outdoorkanten, Bordsteine, Rampen, ungleichmäßige Böden oder wechselnde Untergründe wie Asphalt, Beton und Pflaster.
Für Inspektionsrouten und Sicherheitsanwendungen zählen konstante Fahrprofile, präzise Hinderniserkennung und zuverlässige Reaktion. In der Praxis bedeutet das: weniger „Stop-and-go“, weniger manuelle Korrekturen und stabilere Bewegungsabläufe. Gerade in großen Flächen – Lager, Werkstatt, Messehalle, Campus – ist die Kombination aus rollender Mobilität und alltagstauglicher Hindernislogik ein echter Vorteil für mobile Robotik, weil sie Reichweite und Robustheit in einem System vereint.
Damit deckt der Go2W EDU Suchintentionen wie „Roboterhund mit Rädern“, „Unitree Go2W EDU“, „Quadruped für Forschung“, „autonome Robotik Plattform“, „Roboterhund Inspektion“ oder „Security Roboterhund“ organisch ab.
Für autonome Robotik ist Perception entscheidend. Der Unitree Go2W EDU ist auf präzise Umgebungserkennung ausgelegt und kombiniert LiDAR-basierte Erfassung mit zusätzlicher Kamerasensorik. Das Ziel: Hindernisse früh erkennen, sichere Trajektorien planen und in Echtzeit auf Veränderungen reagieren. Besonders relevant ist das in dynamischen Umgebungen, in denen Personen, Objekte oder Fahrwege variieren.
Ein praktischer Vorteil für Forschung und Industrie ist SLAM (Simultaneous Localization and Mapping): Der Roboter kann Karten erstellen, Positionen kontinuierlich aktualisieren und Routenführung stabil halten. Für Labor und Pilotbetrieb bedeutet das: wiederholbare Fahrten, vergleichbare Messergebnisse und saubere Evaluierung Ihrer Algorithmen. Typische Entwicklungsaufgaben – Wegpunkte, Zonenlogik, Hindernisvermeidung, Routenoptimierung – lassen sich damit in kontrollierbaren Szenarien abbilden und schrittweise erweitern.
Wer KI-Robotik ernsthaft entwickelt, braucht Daten, die nicht nur „in der Simulation“ existieren. Mit LiDAR- und Kameradaten können Sie reale Datensätze erzeugen, Modelle validieren und Robustheit unter echten Bedingungen testen: andere Lichtverhältnisse, neue Hindernisse, unterschiedliche Untergründe oder wechselnde Umgebungsstrukturen. Genau hier liefert der Go2W EDU den Mehrwert einer mobilen Entwicklungsplattform – weil autonome Navigation, Hindernislogik und Bewegungssteuerung als Gesamtsystem betrachtet werden können.
Die Go2W EDU-Reihe wird typischerweise in mehreren Ausprägungen angeboten, um unterschiedliche Anforderungen an Sensorik und Rechenleistung abzudecken. Im Kern bleibt die Plattform identisch, während die EDU-Varianten zusätzliche Möglichkeiten für anspruchsvolle Robotik-Projekte bieten.
Für anspruchsvolle Pipelines – etwa lokale Inferenz, Sensorfusion, semantische Karten oder komplexe Entscheidungslogik – ist zusätzliche Rechenleistung entscheidend. Die EDU-Varianten sind auf genau diese Anforderungen ausgelegt und ermöglichen ein Setup, das nicht sofort von externer Infrastruktur abhängig ist. Das ist besonders relevant für Forschung zu Mobile Autonomy, KI-gestützter Navigation und Echtzeit-Perception.
Je nach Variante werden unterschiedliche LiDAR-Konfigurationen eingesetzt, um Reichweite, Detailtiefe und Objekterkennung zu erhöhen. Dadurch können Projekte skaliert werden: vom Einstieg in SLAM und Navigation bis zu fortgeschrittener Forschung mit höherer Sensorauflösung und robusteren Umgebungsmodellen. Für Suchbegriffe wie „LiDAR Roboterhund“, „3D Umgebungserfassung“, „Mapping Roboter“ und „SLAM Roboterhund“ ist dieser Aspekt oft kaufentscheidend.
Der wichtigste EDU-Vorteil ist die Offenheit für Entwicklung. Der Unitree Go2W EDU richtet sich an Teams, die eigene Software-Stacks und Algorithmen einsetzen möchten – von einfachen Steuerprogrammen bis zu umfangreichen Robotik-Architekturen. Über SDK- und API-Schnittstellen können Sie Bewegungsmuster, Sensor-Module und Verhaltenslogik implementieren. In typischen Entwicklungsprojekten bedeutet das: klare Zustandsmodelle, Logging, Testszenarien und iterative Optimierung statt einmaliger Vorführungen.
ROS ist in Forschung und Ausbildung ein zentraler Standard, weil es modulare Entwicklung, wiederverwendbare Komponenten und saubere Systemarchitektur ermöglicht. Mit einer ROS-nahen Integration kann der Go2W EDU in bestehende Workflows eingebunden werden: Navigation-Stacks, Mapping-Module, Datenaufzeichnung, Teleoperation und Experimente mit KI-Policies. Für Lehrbetrieb und studentische Projekte ist das besonders hilfreich, weil Teams parallel an Wahrnehmung, Planung und Steuerung arbeiten können, ohne dass die Plattform zur Sackgasse wird.
Wenn Projekte wachsen, steigen Anforderungen an Rechenleistung, Streaming, Remote-Betrieb oder zusätzliche Sensorik. Der Go2W EDU ist auf modulare Erweiterbarkeit ausgelegt, sodass sich das System an komplexere Forschungsvorhaben anpassen lässt. Dadurch bleibt die Plattform langfristig nutzbar – für Prototyping, KI-Training, Simulationsumgebungen und die Validierung realer Autonomie-Workflows.
Für Einsatzplanung zählen einfache Eckwerte: Transport, Geschwindigkeit, Nutzlast, Laufzeit und Wartbarkeit. Als rollende Hybrid-Plattform ist der Go2W für stabile Fahrprofile auf ebenen Flächen ausgelegt und unterstützt gleichzeitig alltagstaugliche Hindernisszenarien. Typisch sind außerdem App-Bedienung, OTA-Updates sowie moderne Konnektivität (z. B. Wi-Fi, Mobilfunk-Optionen und Bluetooth), damit der Roboterhund im Betrieb flexibel steuerbar bleibt und Softwareverbesserungen kontinuierlich eingespielt werden können.
Gerade in Lehre und Forschung ist das wichtig: Ein Roboterhund soll nicht nur „einmal funktionieren“, sondern dauerhaft betreibbar sein, damit Projekte über Wochen und Semester hinweg stabil laufen. Der Go2W EDU unterstützt genau diese Logik: eine robuste Mobilitätsbasis, kombinierbar mit Autonomie- und Entwicklungsfunktionen, die Ihre KI- und Robotikprojekte messbar voranbringen.
