Eight years after 2,154 backers soldered together the original DIY phone, CircuitMess returns with a sequel anyone can assemble in about two hours — and program in plain English, Python, or C++.
Middletown, Delaware, USA — September 10th, 2026 — CircuitMess today launched its Kickstarter campaign for MAKERphone 2.0, a fully functional 4G mobile phone that arrives in pieces. Builders assemble it themselves in about two hours — no soldering and no experience required — insert a nano-SIM, and it makes real calls and sends real texts on live cellular networks. Then comes the part no other phone offers: its owner programs it, starting by describing ideas in plain English in VibeBoy, CircuitMess’s AI-assisted coding studio, and progressing to real Python and C++.
From Seven Hours of Soldering to a Two-Hour Build
The original MAKERphone, launched on Kickstarter in 2018, asked backers to spend roughly seven hours with a soldering iron — and 2,154 of them did. Eight years and feedback from more than 6,000 MAKERphone users later, MAKERphone 2.0 keeps the build-it-yourself soul and removes the barriers: every component clicks, screws, or plugs into place, guided by a LEGO-style illustrated manual and video guides. Along the way, builders learn what a phone actually is from the inside out — the processor, the modem, the display, the battery.
A Phone With No Locked Doors
Assembled, MAKERphone 2.0 is a complete classic phone: calls, texting, contacts, ringtones, alarms, a music player, and more than 10 built-in retro games on a 1.77-inch color display — 104 grams of open, hackable hardware built around the Arduino-compatible ESP32-S3. Its UMAX expansion port takes six snap-on modules — Camera, Big Speaker, Flashlight, Environment, Infrared, and a DIY Perf Board for custom circuits — each auto-detected the moment it is plugged in. An optional companion, the buildable MAKERband smartwatch, pairs with the MAKERphone as well as iOS and Android, with 15 watchfaces, five mini-games, and phone notifications.
For parents, it is a first phone that calls and texts the people a child needs — with no social media, no app store, and no infinite feed. When a kid wants a new app, they build it.
Coding That Starts in Plain English
MAKERphone 2.0 is programmed through VibeBoy, CircuitMess’s AI-assisted coding studio: describe an idea in plain English — „make me a game where a taco dodges falling pickles“ — watch AI write the code, and send it to the phone in one click. Then open that code, learn to read it, fix it, and make it your own: a four-level learning ladder takes builders from Pixel Rookie (ages 9+) to Vibe Coder, writing their own Python and C++ from a blank file. VibeBoy is not autocomplete — it teaches users how to think with AI: how to describe problems, read generated code, and correct it when it is wrong. Every MAKERphone 2.0 comes with three months of unlimited AI usage and a free VibeBoy tier for life.
The philosophy behind the product: MAKERphone 2.0 doesn’t fight screen time — it turns it into create time.
„The original MAKERphone taught thousands of kids that a phone isn’t magic — it’s parts and code, and both can be mastered,“ says Albert Gajšak, founder and CEO of CircuitMess. „MAKERphone 2.0 takes away everything that used to stand in the way. You build it in an afternoon, and with VibeBoy you can make it do things no phone in any store can do — even if you have never written a line of code.“
Ready for Manufacturing, Not a Prototype
MAKERphone 2.0’s hardware design is complete and final production hardware exists; the software is feature-complete and in final testing. The Kickstarter campaign funds manufacturing at scale, not R&D, and deliveries to backers are expected in Q3 2027. The campaign offers backers exclusive early-bird pricing and limited launch rewards.
CircuitMess is a team of engineers and designers based in Karlovac, Croatia, founded in 2017 by Albert Gajšak after a successful Kickstarter campaign for MAKERbuino. Its mission is turning kids — and kids at heart — from tech consumers into tech creators. CircuitMess has shipped more than 300,000 kits to customers in over 100 countries, developed 37 products, and raised over $2.2M across 6 Kickstarter campaigns, every single one delivered. Its kits have been featured in Forbes, TechCrunch, Wired, BBC, The Verge, The New York Times, Popular Science, Tom’s Hardware, and GameSpot. Find out more at www.circuitmess.com.
Sphero hat sich seit dem ersten Modell von 2011 deutlich weiterentwickelt. Was als ferngesteuerter Ball begann, ist heute – besonders für Robotik- und Bildungs-Enthusiasten – eine feste Größe im Bereich der programmierbaren Lernroboter geworden. Von der einfachen 1.0-Version über den transparenten SPRK bis hin zum aktuellen BOLT+ hat Sphero schrittweise die Motorik, Sensorik und Programmiermöglichkeiten (Draw, Block, JavaScript + Python) ausgebaut.
Die nachfolgende Übersicht vergleicht die wichtigsten Modelle in ihrer Entwicklung.
Sphero 1.0 & 2.0 – Die Ursprünge des Roboterballs
Der Sphero 1.0 war der erste App-gesteuerte, undurchsichtige Roboterball, der das grundlegende Prinzip einführte: Steuerung per Bluetooth, induktives Laden und Gyroskop sowie Beschleunigungssensor für die Orientierung. Der Sphero 2.0 brachte dann ein massives Hardware-Upgrade: Er war doppelt so schnell (bis zu 2,13 m/s), durch mehr LEDs dreimal so hell und besaß einen tieferen Schwerpunkt, was die Steuerung deutlich präziser machte. Er etablierte Sphero als agiles Spielzeug und bereitete den Weg für bildungsorientierte Modelle.
Sphero SPRK und SPRK+ – Der Fokus auf Bildung
Mit der SPRK-Serie machte Sphero den Schritt in Richtung MINT-Ausbildung. Das markanteste Merkmal ist die transparente Hülle, durch die man die Elektronik, Motoren und Mechanik im Inneren arbeiten sieht. Der SPRK+ (Tennisballgröße, ca. 181 g) ergänzte dieses Konzept durch eine wasserdichte und kratzfeste Polycarbonat-Hülle sowie Bluetooth LE (bis 30 m Reichweite). Die Sensorik blieb bei Motor-Encoder, Gyroskop und Beschleunigungssensor, was für grundlegende Physik- und Programmieraufgaben vollkommen ausreicht.
Sphero Mini – Der günstige Einstieg
Der Sphero Mini ist deutlich kleiner (Tischtennisballgröße, 46 g) und günstiger als seine großen Geschwister. Er ist nicht wasserdicht, und seine farbige Hülle muss zum Laden (via Micro-USB statt Induktion) geöffnet werden. Die Geschwindigkeit ist auf 1 m/s begrenzt und die Bluetooth-Reichweite auf 10 m. Dennoch ist er vollständig programmierbar und ideal für den Einstieg – oder als kostengünstige Anschaffung in mehrfacher Ausführung (z.B. für kleine Wettbewerbe auf dem Schreibtisch).
Sphero BOLT – Das Profimodell mit Sensoren
Der Sphero BOLT nahm die transparente Hülle des SPRK+ und rüstete sie massiv auf: Das Herzstück ist eine programmierbare 8×8 LED-Matrix im Inneren. Hinzu kamen neue Sensoren, die besonders für fortgeschrittene Robotik-Projekte spannend sind:
Lichtsensor: Erlaubt Reaktionen auf Helligkeit.
Kompass (Magnetometer): Ermöglicht die Ausrichtung ohne manuelles Kalibrieren („Auto Aim“).
Infrarot-Sensoren: Erlauben die direkte Kommunikation (Schwarmverhalten) zwischen mehreren BOLT-Robotern. Der BOLT ist ebenfalls wasserdicht, lädt induktiv und bietet eine Laufzeit von über 2 Stunden.
Sphero BOLT+ – Das Upgrade mit Display
Der BOLT+ ist die neueste Iteration und ersetzt die LED-Matrix des BOLT durch ein hochauflösendes 128×128 Pixel LCD-Display. Dies ermöglicht komplexere Animationen, Grafiken und die Anzeige von Live-Sensordaten direkt auf dem Roboter. Angetrieben von einem Dual-Core-SoC-Prozessor und ausgestattet mit „Shake-to-Wake“ (Aufwecken durch Schütteln) sowie verbessertem Qi-Wireless-Laden, bietet er neue Programmierblöcke wie „Roll to Distance“. Er baut auf dem Formfaktor des BOLT auf und ist rückwärtskompatibel zu dessen Lerninhalten.
Vergleichstabelle der Sphero Modelle
Feature / Modell
Sphero 2.0
Sphero Mini
SPRK+
Sphero BOLT
Sphero BOLT+
Größe / Gewicht
74 mm / 168 g
42 mm / 46 g (Tischtennisball)
73 mm / 181 g (Tennisball)
73 mm / 200 g (Tennisball)
73 mm / 200 g (Tennisball)
Hülle
Undurchsichtig
Farbig, zu öffnen
Transparent, versiegelt, wasserdicht
Transparent, versiegelt, wasserdicht
Transparent, versiegelt, wasserdicht
Ladung
Induktiv
Micro-USB
Induktiv (proprietär)
Induktiv (proprietär)
Verbessertes Qi-Laden
Display / Licht
RGB-LEDs
RGB-LEDs
RGB-LEDs
8×8 LED-Matrix
128×128 LCD-Display
Max. Speed
2,13 m/s
1 m/s
2 m/s
2 m/s
2 m/s
Akkulaufzeit
~75 Minuten
~45-60 Min.
> 1 Stunde
2+ Stunden
Ganzer Schultag
Verbindung
Bluetooth (klassisch)
Bluetooth LE (10 m)
Bluetooth LE (30 m)
Bluetooth LE (30 m)
Bluetooth LE (30 m)
Sensoren
Gyroskop, Beschleunigung
Encoder, Gyroskop, Beschleunigung
Encoder, Gyroskop, Beschleunigung
Wie SPRK+ plus Infrarot, Kompass, Lichtsensor
Wie BOLT
Besonderheit
Historisches Modell, Meilenstein der Serie
Günstigster Einstieg, Laden per Kabel
Robuste Basis für Bildung, wasserdicht
Schwarm-Kommunikation (IR), Auto-Aim
LCD-Display, Dual-Core-Prozessor, Shake-to-Wake
(Anmerkung: Der Sphero 1.0 wurde in der Tabelle weggelassen, da der 2.0 ihn im identischen Gehäuse direkt abgelöst und deutlich verbessert hat).
January, 2026 — M5Stack, a global leader in modular IoT and embedded development platforms, today launched StackChan, the first community-co-created open-source AI desktop robot, built on a proven ESP32 platform and designed to be endlessly hackable by makers worldwide.
Unlike closed, concept-driven AI robots, StackChan exposes its hardware, firmware, and interaction logic from day one — turning a playful desktop companion into a real development platform.
StackChan is now live on Kickstarter with a $65 Super Early Bird offer available for the first 72 hours.
From Community to the Globe: How StackChan Was Born
Before its official launch by M5Stack, StackChan had already existed as a community-driven project since 2021. Built on M5Stack standard controller, Core series, it began as a personal open-source project by maker Shinya Ishikawa, sustained and shaped through ongoing community contributions.
As more enthusiasts joined the project, contributors like Takao, who helped popularize the DIY kits, and Robo8080, who introduced AI capabilities, played key roles in expanding StackChan beyond its original form.
Inspired by StackChan’s expandability and creative potential, M5Stack officially brought the project to life as its first ready-to-play yet endlessly hackable desktop robot—while keeping its community-driven spirit at the core.
What Remains: Core Computing & Interaction Capabilities
As with the original version,StackChan continues to use the M5Stack flagship Core Series (CoreS3) as its main controller. CoreS3 is powered by an ESP32-S3 SoC with a 240 MHz dual-core processor, 16 MB Flash, and 8 MB PSRAM, and supports both Wi-Fi and BLE connectivity.
To enable richer interactions, the main unit integrates a 2.0-inch capacitive touch display, a 0.3 MP camera, a proximity sensor, a 9-axis IMU (accelerometer + gyroscope + magnetometer). It also includes a microSD card slot, a 1W speaker, dual microphones, and power/reset buttons. Together, these hardware components form a solid foundation for StackChan’s audio-visual interactive experiences.
What’s New: Ready-to-Play Functions Powered by Advanced Hardware
For the robot body, several advancements have been made to make it easier to get hands-on and improve the out-of-box experience. It features:
Power & connectivity: A USB-C interface for both power and data, paired with a built-in 700 mAh battery.
Movement system: 2 feedback servos supporting 360° continuous rotation on the horizontal axis and 90° vertical tilt—enabling expressive movements with real-time position feedback.
Visual feedback: 2 rows totaling 12 RGB LEDs for expressive system and interaction feedback.
Sensors & interaction: Infrared transmission and reception, a three-zone touch panel, and a full-featured NFC module enabling touch- and identity-based interactions.
On the software side, StackChan is ready-to-play for starters with no coding required. The pre-installed factory firmware delivers:
Expressive faces and motions: Preloaded with vivid facial expressions and coordinated movements that bring personality and liveliness to StackChan.
Built-in AI agent: Integrates an AI agent for natural voice-based interaction and conversational experiences.
App-based remote interaction: Supports official iOS app for video calls, remote avatar control, and real-time interaction with StackChan.
Chan-to-Chan Friends Map: Enables discovery of nearby StackChan devices, unlocking playful multi-device and social interaction scenarios.
Open for customization: While beginner-friendly by default, the firmware supports further development via Arduino and UiFlow2, making it easy to create custom applications.
100% Open-Source: Built to Be Customized and Extended
In an era filled with closed, concept-driven “AI robot” products, StackChan stands out with its open-source core. From firmware and hardware interfaces to development tools, every layer is designed to be explored, modified, and extended by users.
Beyond code, StackChan also encourages physical customization. With 3D printing and creative accessories, users can personalize their StackChan’s appearance and turn it into a unique desktop companion.
Fun with Global Community: Share, Extend, and Evolve Together
Since its birth, StackChan has grown into a vibrant global community of makers, developers, and enthusiasts. From sharing projects and source code online to hosting meetups and anniversary events offline, the community continues to expand what StackChan can be.
Owning a StackChan is not just about building a robot—it’s about being part of an open ecosystem where ideas and creativity evolve together.
StackChan is not built to its end at launch. It is built to grow—through open technology, creative experimentation, and a global community that continues to redefine what a desktop robot can be.
fischertechnik setzt einen weiteren Meilenstein in der technischen Bildung. Mit dem neuen Lernkonzept STEM Coding Ultimate AI wird es erstmals möglich, ein neuronales Netzwerk selbst zu trainieren und dessen Funktionsweise von Grund auf zu verstehen. Damit vermittelt fischertechnik jungen Menschen die Programmier- und KI-Kompetenzen der Zukunft – direkt im Klassenzimmer und ohne Cloud-Anbindung.
Der Baukasten STEM Coding Ultimate AI richtet sich an weiterführende Schulen und vermittelt handlungsorientiert die Grundlagen von maschinellem Lernen und KI-gestützter Robotik. Anhand von zwölf vielseitigen, zum Teil erweiterbaren Modellen setzen sich Schülerinnen und Schüler der Sekundarstufe II mit zentralen Fragestellungen der Informationstechnik und der Künstlichen Intelligenz auseinander. Ausgehend von realitätsnahen Szenarien entwickeln sie eigenständig Lösungen für komplexe, problemorientierte Aufgabenstellungen. Ein leistungsstarker Controller, moderne Sensoren und Aktoren, eine benutzerfreundliche App sowie die bewährten fischertechnik Bausteine ermöglichen einen praxisnahen Zugang zu fortgeschrittenen Technologien.
Erste Trainingsschritte lassen sich unmittelbar grafisch darstellen, sodass Lernende den Fortschritt nachvollziehen können. Anschließend können die trainierten Daten per Bluetooth oder über einen WLAN- oder USB-Anschluss an Roboter übertragen werden, die das Gelernte in realen Anwendungen sichtbar machen – beispielsweise nach dem Prinzip eines autonomen Fahrzeugs. Damit wird abstraktes Wissen greifbar, und aus Theorie entsteht erlebbare Praxis.
Lehrkräfte erhalten über didaktisches Begleitmaterial einen leichten Einstieg ins Thema.
Besonders wertvoll ist dieser Ansatz, weil er die sogenannten Future Skills wie projektorientiertes Arbeiten und Teamfähigkeit fördert, die in einer zunehmend digitalisierten Arbeitswelt unverzichtbar sind. Der Umgang mit Künstlicher Intelligenz, das Verständnis neuronaler Netze und die Fähigkeit, Daten eigenständig zu erfassen, zu analysieren und nutzbar zu machen, gehören zu den Schlüsselkompetenzen der kommenden Generation. Schülerinnen und Schüler lernen nicht nur die technischen Grundlagen, sondern entwickeln auch ein tiefes Verständnis dafür, wie KI Entscheidungen trifft. Sie erwerben Grundkenntnisse der neuronalen Netze und KI-Programmierung – ein Wissen, das weit über den schulischen Kontext hinaus Bedeutung hat. Darüber hinaus bauen die Schülerinnen und Schüler ihre Kenntnisse in Informatik und Robotik aus und lernen, die Funktionsweise von Aktoren und Sensoren zu verstehen.
Die Integration von Robo Pro Coding und der fischertechnik STEM Suite ermöglicht einen sanften Einstieg mit Blockly-Programmierung und zugleich den direkten Einblick in professionelle Programmiersprachen wie Python. Der neue Baukasten arbeitet lokal auf dem TXT 4.0 Controller – ganz ohne Cloud. Damit steht Schulen ein zukunftssicheres Werkzeug zur Verfügung, das über Jahre hinweg eingesetzt werden kann.
„Gemäß unserem Motto: wo Neugier Wissen wird, schaffen wir mit unserem Lernkonzept STEM Coding Ultimate AI für Schülerinnen und Schüler die Möglichkeit, Künstliche Intelligenz nicht nur zu konsumieren, sondern aktiv zu gestalten und zu verstehen“, erklärt Martin Rogler, Geschäftsführer fischertechnik. „Denn wer frühzeitig die Grundlagen der KI erlernt, besitzt morgen einen entscheidenden Vorteil in Studium, Beruf und Gesellschaft.“
Das Jahr 2025 markiert zugleich ein besonderes Jubiläum: 60 Jahre fischertechnik. Seit sechs Jahrzehnten inspiriert das Unternehmen Generationen von Tüftlern, Ingenieurinnen und Forschern, Technik spielerisch zu entdecken und zu verstehen. Der neue STEM Coding Ultimate AI Baukasten knüpft als Nachfolger des TXT Base Sets an diese Tradition an und führt sie in die Zukunft – mit einer Innovation, die die Faszination klassischer Baukästen mit den Technologien von morgen verbindet. Im Sinne der Nachhaltigkeit ist STEM Coding Ultimate AI zudem weiterhin kompatibel mit allen verfügbaren TXT 4.0 Base Set Add-Ons für Omniwheels, Industrial Robots, AI, IoT, Competition und Autonomous Driving.
Mit diesem Schritt leistet fischertechnik einen entscheidenden Beitrag zur Förderung von Kreativität und Problemlösungskompetenz sowie für das Verständnis von Zukunftstechnologien. So entsteht ein Produkt, das nicht nur den aktuellen Bildungsbedarf deckt, sondern auch den Geist der Marke seit 60 Jahren weiterträgt: Technik zum Anfassen, Verstehen und Gestalten.
AI-driven drone from University of Klagenfurt uses IDS uEye camera for real-time, object-relative navigation—enabling safer, more efficient, and precise inspections.
High-voltage power lines. Electricity distribution station. high voltage electric transmission tower. Distribution electric substation with power lines and transformers.
The inspection of critical infrastructures such as energy plants, bridges or industrial complexes is essential to ensure their safety, reliability and long-term functionality. Traditional inspection methods always require the use of people in areas that are difficult to access or risky. Autonomous mobile robots offer great potential for making inspections more efficient, safer and more accurate. Uncrewed aerial vehicles (UAVs) such as drones in particular have become established as promising platforms, as they can be used flexibly and can even reach areas that are difficult to access from the air. One of the biggest challenges here is to navigate the drone precisely relative to the objects to be inspected in order to reliably capture high-resolution image data or other sensor data.
A research group at the University of Klagenfurt has designed a real-time capable drone based on object-relative navigation using artificial intelligence. Also on board: a USB3 Vision industrial camera from the uEye LE family from IDS Imaging Development Systems GmbH.
As part of the research project, which was funded by the Austrian Federal Ministry for Climate Action, Environment, Energy, Mobility, Innovation and Technology (BMK), the drone must autonomously recognise what is a power pole and what is an insulator on the power pole. It will fly around the insulator at a distance of three meters and take pictures. „Precise localisation is important such that the camera recordings can also be compared across multiple inspection flights,“ explains Thomas Georg Jantos, PhD student and member of the Control of Networked Systems research group at the University of Klagenfurt. The prerequisite for this is that object-relative navigation must be able to extract so-called semantic information about the objects in question from the raw sensory data captured by the camera. Semantic information makes raw data, in this case the camera images, „understandable“ and makes it possible not only to capture the environment, but also to correctly identify and localise relevant objects.
In this case, this means that an image pixel is not only understood as an independent colour value (e.g. RGB value), but as part of an object, e.g. an isolator. In contrast to classic GNNS (Global Navigation Satellite System), this approach not only provides a position in space, but also a precise relative position and orientation with respect to the object to be inspected (e.g. „Drone is located 1.5m to the left of the upper insulator“).
The key requirement is that image processing and data interpretation must be latency-free so that the drone can adapt its navigation and interaction to the specific conditions and requirements of the inspection task in real time.
Thomas Jantos with the inspection drone – Photo: aau/Müller
Semantic information through intelligent image processing Object recognition, object classification and object pose estimation are performed using artificial intelligence in image processing. „In contrast to GNSS-based inspection approaches using drones, our AI with its semantic information enables the inspection of the infrastructure to be inspected from certain reproducible viewpoints,“ explains Thomas Jantos. „In addition, the chosen approach does not suffer from the usual GNSS problems such as multi-pathing and shadowing caused by large infrastructures or valleys, which can lead to signal degradation and thus to safety risks.“
A USB3 uEye LE serves as the quadcopter’s navigation camera
How much AI fits into a small quadcopter? The hardware setup consists of a TWINs Science Copter platform equipped with a Pixhawk PX4 autopilot, an NVIDIA Jetson Orin AGX 64GB DevKit as on-board computer and a USB3 Vision industrial camera from IDS. „The challenge is to get the artificial intelligence onto the small helicopters.
The computers on the drone are still too slow compared to the computers used to train the AI. With the first successful tests, this is still the subject of current research,“ says Thomas Jantos, describing the problem of further optimising the high-performance AI model for use on the on-board computer.
The camera, on the other hand, delivers perfect basic data straight away, as the tests in the university’s own drone hall show. When selecting a suitable camera model, it was not just a question of meeting the requirements in terms of speed, size, protection class and, last but not least, price. „The camera’s capabilities are essential for the inspection system’s innovative AI-based navigation algorithm,“ says Thomas Jantos. He opted for the U3-3276LE C-HQ model, a space-saving and cost-effective project camera from the uEye LE family. The integrated Sony Pregius IMX265 sensor is probably the best CMOS image sensor in the 3 MP class and enables a resolution of 3.19 megapixels (2064 x 1544 px) with a frame rate of up to 58.0 fps. The integrated 1/1.8″ global shutter, which does not produce any ‚distorted‘ images at these short exposure times compared to a rolling shutter, is decisive for the performance of the sensor. „To ensure a safe and robust inspection flight, high image quality and frame rates are essential,“ Thomas Jantos emphasises. As a navigation camera, the uEye LE provides the embedded AI with the comprehensive image data that the on-board computer needs to calculate the relative position and orientation with respect to the object to be inspected. Based on this information, the drone is able to correct its pose in real time.
The IDS camera is connected to the on-board computer via a USB3 interface. „With the help of the IDS peak SDK, we can integrate the camera and its functionalities very easily into the ROS (Robot Operating System) and thus into our drone,“ explains Thomas Jantos. IDS peak also enables efficient raw image processing and simple adjustment of recording parameters such as auto exposure, auto white Balancing, auto gain and image downsampling.
To ensure a high level of autonomy, control, mission management, safety monitoring and data recording, the researchers use the source-available CNS Flight Stack on the on-board computer. The CNS Flight Stack includes software modules for navigation, sensor fusion and control algorithms and enables the autonomous execution of reproducible and customisable missions. „The modularity of the CNS Flight Stack and the ROS interfaces enable us to seamlessly integrate our sensors and the AI-based ’state estimator‘ for position detection into the entire stack and thus realise autonomous UAV flights. The functionality of our approach is being analysed and developed using the example of an inspection flight around a power pole in the drone hall at the University of Klagenfurt,“ explains Thomas Jantos.
Visualisation of the flight path of an inspection flight around an electricity pole model with three insulators in the research laboratory at the University of Klagenfurt
Precise, autonomous alignment through sensor fusion The high-frequency control signals for the drone are generated by the IMU (Inertial Measurement Unit). Sensor fusion with camera data, LIDAR or GNSS (Global Navigation Satellite System) enables real-time navigation and stabilisation of the drone – for example for position corrections or precise alignment with inspection objects. For the Klagenfurt drone, the IMU of the PX4 is used as a dynamic model in an EKF (Extended Kalman Filter). The EKF estimates where the drone should be now based on the last known position, speed and attitude. New data (e.g. from IMU, GNSS or camera) is then recorded at up to 200 Hz and incorprated into the state estimation process.
The camera captures raw images at 50 fps and an image size of 1280 x 960px. „This is the maximum frame rate that we can achieve with our AI model on the drone’s onboard computer,“ explains Thomas Jantos. When the camera is started, an automatic white balance and gain adjustment are carried out once, while the automatic exposure control remains switched off. The EKF compares the prediction and measurement and corrects the estimate accordingly. This ensures that the drone remains stable and can maintain its position autonomously with high precision.
Electricity pole with insulators in the drone hall at the University of Klagenfurt is used for test flights
Outlook „With regard to research in the field of mobile robots, industrial cameras are necessary for a variety of applications and algorithms. It is important that these cameras are robust, compact, lightweight, fast and have a high resolution. On-device pre-processing (e.g. binning) is also very important, as it saves valuable computing time and resources on the mobile robot,“ emphasises Thomas Jantos.
With corresponding features, IDS cameras are helping to set a new standard in the autonomous inspection of critical infrastructures in this promising research approach, which significantly increases safety, efficiency and data quality.
The Control of Networked Systems (CNS) research group is part of the Institute for Intelligent System Technologies. It is involved in teaching in the English-language Bachelor’s and Master’s programs „Robotics and AI“ and „Information and Communications Engineering (ICE)“ at the University of Klagenfurt. The group’s research focuses on control engineering, state estimation, path and motion planning, modeling of dynamic systems, numerical simulations and the automation of mobile robots in a swarm: More information
uEye LE – the cost-effective, space-saving project camera Model used:USB3 Vision Industriekamera U3-3276LE Rev.1.2 Camera family: uEye LE
Hannover, 25. März 2025 ‒ Was in einer kalifornischen Garage begann, prägt heute die globale Innovationslandschaft: 2025 feiert das US-Make-Magazin sein 20-jähriges Bestehen und gleichzeitig die Maker-Bewegung als bedeutenden Treiber der digitalen Transformation. Die deutsche Maker Faire in Hannover ist nach San Francisco und Rom zur drittgrößten weltweit gewachsen und lockte in über 10 Jahren mehr als 140.000 Besucher an.
„Die Maker-Bewegung existierte schon immer, aber erst das Make Magazin gab ihr 2005 einen Namen und eine Identität”, erklärt Dale Dougherty, Gründer des US-Make-Magazins. Was als Zeitschrift begann, entwickelte sich schnell zu einem globalen Phänomen: Seit der ersten Maker Faire 2006 fanden weltweit 1.497 Events mit über 131.000 ausstellenden Makern und mehr als 7,6 Millionen Teilnehmern statt.
Die deutsche Erfolgsgeschichte begann 2011 mit „c’t Hardware Hacks”, dem Vorläufer des heutigen Make-Magazins . „Die Maker-Bewegung hat eine neue Form der Produktionsorganisation etabliert, die auf Internet und Peer-Netzwerken basiert. Durch den offenen Zugang zu digitalen Fertigungstechnologien ist eine moderne, demokratische Innovationskultur entstanden”, erklärt Daniel Bachfeld, Chefredakteur des deutschen Make-Magazins. „Jeder kann heute mit 3D-Druckern, Laser-Cuttern und Open-Source-Elektronik eigene Produkte entwickeln und herstellen.“
In FabLabs und Makerspaces entstehen neue Produktionsinfrastrukturen, die intelligente Robotik mit kollaborativen Arbeitsweisen verbinden. Der „Do-It-With-Others”-Ansatz führt zu einer dezentralen, lokalen Fertigung. Dabei entwickeln sich flexible Wertschöpfungsketten, die durch moderne Software gesteuert werden.
r2_builders_club Bild: MakerMedia
Die Bewegung prägt auch die Bildungslandschaft: „Making verbindet digitale und handwerkliche Fähigkeiten und fördert kreative Problemlösung”, sagt Bachfeld. Immer mehr Schulen und Universitäten integrieren Maker-Projekte in ihre Lehrpläne oder eröffnen genau wie viele Bibliotheken eigene Makerspaces.
Auch im Make-Magazin wird der Bildungsansatz forciert: In Kooperation mit dem Schweizer Hersteller Oxon entstand beispielsweise das Make Innovators Kit mit Playbook. Gemeinsam mit dem Umweltcampus der Hochschule Trier wurde das Makey:Lab entwickelt, das Schülern ab 14 Jahren den Einstieg in digitale Umweltforschung und Programmierung ermöglicht.
Die Maker Faire Hannover hat sich seit 2013 als inspirierender Ideenpool etabliert. „Der Mix aus Wissenschaftsmesse und buntem DIY-Festival bringt Menschen jeden Alters und Hintergrunds zusammen, um die vielseitigen Kreationen zu präsentieren oder zu bestaunen – von selbstgebauten Robotern bis zu kinetischen Skulpturen”, unterstreicht Daniel Rohlfing, Leiter Events & Sales Maker Faire Deutschland. “Auch die MINT-Bildung kommt nicht zu kurz. Kinder und Jugendliche werden auf der Maker Faire für die digitale Welt, IT, KI und Technik nachhaltig begeistert”.
Iron Horse (Highlight)Bild: Maker Media
Seit vielen Jahren übernimmt das Bundesbildungsministerium die Schirmherrschaft für die Maker Faire, für Rohlfing ein großes Zeichen der Wertschätzung. Die nächste Maker Faire Hannover findet am 23. und 24. August 2025 im Hannover Congress Centrum statt, der Call for Makers ist noch bis Ende Mai geöffnet, auch Unternehmen können sich für eine Teilnahme anmelden.
Linien-RoboterBild: Maker Media
Im DACH-Raum wächst die Bewegung ebenfalls: Die Maker Faire Ruhr lädt für den 29. und 30. März in die DASA Arbeitswelt Ausstellung nach Dortmund ein. In der Schweiz öffnet die Maker Faire Solothurn am 28. und 29. Juni 2025 ihre Tore in der Enter Technikwelt.
Der HP Robots Otto ist ein vielseitiger, modularer Roboter, der speziell für Bildungszwecke entwickelt wurde. Er bietet Schülern und Lehrern eine spannende Möglichkeit, in die Welt der Robotik, 3D-Druck, Elektronik und Programmierung einzutauchen. Der Roboter wurde von HP als Teil ihrer Robotik-Initiative entwickelt und ist besonders für den Einsatz im MINT-Unterricht (Mathematik, Informatik, Naturwissenschaften und Technik) geeignet.
Hauptmerkmale von Otto:
Modularer Aufbau: Otto ist ein modularer Roboter, der es Schülern ermöglicht, ihn zu bauen, zu programmieren und durch Erweiterungen individuell anzupassen. Dies fördert das Verständnis für Technik und Kreativität. Die modulare Struktur erlaubt es, verschiedene Komponenten wie Motoren, Sensoren und LEDs hinzuzufügen oder zu ersetzen, was die Lernkurve für Schüler erweitert.
Programmierbarkeit: Der Roboter kann mit verschiedenen Programmiersprachen programmiert werden, darunter blockbasierte Programmierung für Anfänger sowie Python und C++ für Fortgeschrittene. Diese Vielfalt ermöglicht es Schülern, ihre Programmierfähigkeiten kontinuierlich zu verbessern und sich an die Komplexität der Aufgaben anzupassen.
Sensoren und Funktionen: Ausgestattet mit Ultraschallsensoren zur Hinderniserkennung, Linienverfolgungssensoren und RGB-LEDs bietet Otto zahlreiche interaktive Möglichkeiten. Diese Funktionen ermöglichen es Schülern, komplexe Aufgaben wie das Navigieren durch Parcours oder das Verfolgen von Linien zu programmieren. Die Sensoren helfen dabei, die Umgebung zu erkennen und entsprechend zu reagieren.
3D-Druck und Anpassbarkeit: Schüler können Ottos äußere Teile selbst entwerfen und mit einem 3D-Drucker herstellen. Dies ermöglicht eine weitere Personalisierung und Anpassung des Roboters. Diese Kreativfreiheit fördert nicht nur technisches Verständnis, sondern auch künstlerische Fähigkeiten. Eigene Teile können entworfen und Sensoren an gewünschten Stellen angebracht werden.
Bildungsansatz:
Otto ist ideal für den Einsatz in Schulen gedacht und richtet sich an Schüler ab 8 Jahren. Jüngere Schüler können unter Aufsicht arbeiten, während ältere Schüler ab 14 Jahren den Roboter auch eigenständig nutzen und erweitern können. Das Kit enthält alle notwendigen Komponenten, um einen funktionierenden Roboter zu bauen, einschließlich Motoren, Sensoren und einer wiederaufladbaren Batterie.
Programmierumgebungen:
Die Programmierung von Otto erfolgt über eine webbasierte Plattform, die auf allen Betriebssystemen läuft. Diese Plattform bietet verschiedene Modi:
Blockbasierte Programmierung: Ähnlich wie Scratch Jr., ideal für Anfänger. Diese visuelle Programmierung erleichtert den Einstieg in die Welt der Programmierung und hilft Schülern, grundlegende Konzepte wie Schleifen und Bedingungen zu verstehen.
Python: Für fortgeschrittene Benutzer steht ein Python-Editor zur Verfügung. Python ist eine beliebte Sprache, die sich gut für den Unterricht eignet, da sie einfach zu lesen und zu schreiben ist. Schüler können mit Python komplexere Algorithmen entwickeln und ihre Fähigkeiten im Bereich der Programmierung erweitern.
C++: Kompatibel mit der Arduino IDE für Nutzer, die tiefere Programmierkenntnisse haben. C++ bietet eine hohe Flexibilität und ermöglicht es Schülern, direkt auf die Hardware zuzugreifen, was eigene fortgeschrittene Projekte ermöglicht.
Expansion/Erweiterungs Kits:
Zusätzlich zum Starter Kit gibt es mehrere Erweiterungskits. Alle Erweiterungskits setzen das Starter-Kit voraus, da sie auf dessen Basis aufgebaut werden.
Emote Expansion Kit:
Es enthält Komponenten wie ein LED-Matrix-Display, OLED Display und einen MP3-Player, die es dem Roboter ermöglichen, visuelle und akustische Reaktionen darzustellen.
Dieses Kit eignet sich besonders für kreative Projekte, bei denen Otto als interaktiver Begleiter fungieren soll.
Das Emote-Kit ermöglicht es Otto, Emotionen zu zeigen, menschliche Interaktionen zu spiegeln und verschiedene Persönlichkeiten zu entwickeln.
Sense Expansion Kit:
Mit dem Sense-Kit kann Otto seine Umgebung durch verschiedene Sensoren wahrnehmen.
Enthalten sind Sensoren für Temperatur, Luftfeuchtigkeit, Licht und Geräusche sowie ein Neigungssensor. Diese ermöglichen vielfältige Interaktionen mit der Umwelt.
Das Kit ist ideal für Projekte, die sich auf Umwelterkennung und Datenanalyse konzentrieren.
Interact Expansion Kit:
Das Interact-Kit erweitert Ottos Fähigkeit zur taktilen Interaktion durch Module wie Drucktasten, Drehknöpfe und Beschleunigungsmesser.
Es ermöglicht präzise Eingaben und Reaktionen sowie Messung der Beschleunigung.
Dieses Kit eignet sich hervorragend für spielerische Aktivitäten und interaktive Spiele.
Invent Expansion Kit:
Das Invent-Kit ist speziell darauf ausgelegt, die Kreativität der Benutzer zu fördern. Es erlaubt die individuelle Anpassung von Ottos Funktionalitäten und Design durch 3D-Druck und zusätzliche Module sowie kompatible Klemmbausteine.
Benutzer können neue Zubehörteile entwerfen und drucken, um den Roboter einzigartig zu machen.
Statte Otto mit Beinen aus und bring ihm das Laufen bei oder mache ihn mit Ketten fit für den Outdoor Einsatz im Gelände.
Einsatz im Unterricht:
Otto wird mit umfangreichen Ressourcen geliefert, die von Lehrern entwickelt wurden. Diese Materialien unterstützen Lehrer dabei, einen effektiven MINT-Unterricht zu gestalten, ohne dass Vorkenntnisse erforderlich sind. Der Roboter kann sowohl im Klassenraum als auch zu Hause eingesetzt werden. Die didaktischen Materialien umfassen:
Lehrpläne: Strukturierte Unterrichtspläne, die den Lehrern helfen, den Unterricht zu planen und durchzuführen.
Projektideen und Arbeitsblätter: Eine Vielzahl von Projekten, die Schüler dazu anregen, kreativ zu denken und ihre Fähigkeiten zu erweitern.
Tutorials und Videos: Zusätzliche Lernmaterialien, die Schülern helfen, komplexe Konzepte besser zu verstehen.
Fazit:
Der HP Robots Otto ist ein hervorragendes Werkzeug zur Förderung von technischem Verständnis und Kreativität bei Schülern. Durch seine modulare Bauweise und die vielfältigen Programmiermöglichkeiten bietet er eine praxisorientierte Lernerfahrung im Bereich der Robotik und Elektronik. Otto ist ideal für den Einsatz in Schulen und bietet Lehrern eine umfassende Plattform, um Schüler auf eine spannende Reise in die Welt der Technologie zu begleiten. Besonders Ottos Vielseitigkeit durch die 3D-gedruckten Teile und Erweiterungspakete bieten die Möglichkeit, den persönlichen Lernroboter zu bauen.
