Análisis de Experto
Experto verificado
Análisis general del producto
Tras varias semanas trabajando con el MentorPi T1 en mi banco de pruebas, tengo claro que no estamos ante un juguete tecnológico, sino ante una plataforma de desarrollo genuina. Hiwonder ha apostado por un enfoque que ya se intuye al desembalarlo: nada de aplicaciones cerradas con botones de colores, sino un ecosistema completo basado en ROS 2 sobre Raspberry Pi 5, con todo el código fuente disponible y tutoriales que te obligan a ensuciarte las manos con Python, colcon y nodos de comunicación.
El concepto de doble controlador está bien resuelto: la Raspberry Pi 5 se encarga del procesamiento pesado (visión, SLAM, inferencia del modelo de IA), mientras un controlador dedicado gestiona lazos de control de baja latencia para los motores y servos. Esta separación es exactamente como se estructura la arquitectura en robots profesionales, y hace que el robot no sufra tirones cuando la carga de cómputo de visión aumenta.
El punto diferencial frente a otras plataformas educativas que he probado es el conjunto de sensores de serie: lidar Oradar MS200 y cámara de profundidad 3D Aurora930 Pro. Muchos robots de esta gama incluyen solo un lidar barato o una webcam plana, lo que limita severamente lo que puedes hacer en SLAM 3D y evitación de obstáculos. Aquí no: la percepción es seria desde el primer día.
Calidad de construcción y materiales
El chasis de tanque es, en mi opinión, la decisión de diseño más acertada. Durante mis pruebas lo llevé al patio: césped algo alto, gravilla fina y una rampa de tablón. Donde cualquier robot de ruedas con trabas de goma habría patinado o quedado atrapado, el MentorPi T1 mantuvo tracción constante y superó umbrales de varios centímetros sin despeinarse. Las orugas, montadas sobre suspensión con rodillos, absorben bien las irregularidades y reducen el rebote que tanto molesta a los sensores de profundidad durante la captura de nubes de puntos.
Los motores con codificador cerrado de alta velocidad son otra decisión acertada: el odometría es estable y repetible, algo imprescindible para que los algoritmos de navegación no deriven tras varias pasadas. Los servos de alto par que monté en la parte superior para pruebas de de cámara y manipulación ligera responden con firmeza, aunque conviene no sobrecargarlos con pesos excesivos porque el consumo dispara.
Los detalles de montaje son correctos: tornillería organizada, cableado con conectores etiquetados y una distribución interior que deja espacio para experimentar con baterías o placas adicionales. Como aspecto mejorable, las orugas acumulan tierra y piedras pequeñas entre los rodillos tras uso exterior; recomiendo una limpieza con cepillo cada dos o tres sesiones en campo.
Compatibilidad y rendimiento
En software, la experiencia gira en torno a Ubuntu con ROS 2 y Python. Trabajar con él me permitió ejecutar sin problemas cartografía SLAM con el lidar, planificación de rutas hacia puntos fijos y evitación dinámica de obstáculos en tiempo real, combinando lidar y datos de la cámara Aurora930 Pro. La fusión de ambos sensores da resultados notablemente robustos en interiores con mobiliario, donde solo el lidar 2D suele fallar con mesas y superficies reflectantes.
La pieza más llamativa es el modelo YOLOv5 entrenado a bordo para detección de señales viales y semáforos. En mi pista de pruebas casera con carteles impresos, la tasa de detección fue consistente a velocidades moderadas, y la respuesta del vehículo al reconocer una señal de stop fue estable. Eso sí, hay que ajustar condiciones de iluminación: a contraluz fuerte la precisión cae de forma perceptible, como cabe esperar en inferencia embebida.
También probé la integración con IA generativa mediante ChatGPT, con interacción por voz y percepción 3D. Funciona bien como demostración de "IA corporizada": preguntas en español, respuestas por altavoz y contextualización de lo que ve el robot. Aun así, recuerda que depende de conectividad a internet y de las políticas de la API, así que no lo plantearía como el corazón del proyecto educativo, sino como un módulo experimental.
Un aviso honesto: si no has tocado nunca Linux y Python, la curva inicial es empinada. Tuve que refrescar conceptos de paquetes de ROS 2 y seguir los tutoriales paso a paso durante los primeros días. Si ya manejas la terminal y algún framework de robótica, estarás operativo en una tarde.
Puntos fuertes y aspectos mejorables
Lo que destaca:
Percepción completa de serie: lidar Oradar MS200 y cámara de profundidad 3D Aurora930 Pro, algo poco habitual en la gama educativa.
Chasis de orugas con tracción real fuera del escritorio: césped, gravilla y superficies irregulares sin problema.
Motores con codificador cerrado y servos de alto par, con odometría fiable para navegación.
Arquitectura doble controlador que separa visión y control de movimiento con buen rendimiento.
Documentación y tutoriales que construyen competencia real en ROS 2, Python y OpenCV.
Proyectos de conducción autónoma con YOLOv5 y cooperación multirobot viables sin hardware adicional.
Lo que mejoraría:
Requiere base previa de Linux y programación; quien parta de cero debería reservar varias semanas de aprendizaje.
El mantenimiento de las orugas exige atención periódica si se usa en exteriores.
El rendimiento de la inferencia de visión depende mucho de la iluminación del entorno.
El peso y el consumo del conjunto hacen recomendable llevar batería de repuesto en sesiones largas de campo.
Veredicto del experto
El MentorPi T1 es de esas plataformas que respeta al usuario: no finge simplicidad, ofrece hardware serio y documentación que sirve para aprender de verdad. Como herramienta formativa en ROS 2, SLAM, visión artificial y prototipado de conducción autónoma, se sitúa claramente por encima de los típicos coches robot con ruedas y webcam de la misma franja de precio, gracias a su sensor suite y a la robustez del chasis de orugas.
Mi puntuación: 8,5 sobre 10. Pierde décimas por la exigencia de conocimientos previos y por el mantenimiento de las orugas, pero si tu objetivo es construir competencias reales de robótica e IA con Raspberry Pi y ROS 2, es una compra difícil de igualar en su categoría.
