Strada MT RTR 1/10 Elektro Monster Truck LRP MV12615

Lieferzeit 1-3 Tage 1-3 Tage
Werktags diesen Artikel bis 14 Uhr bestellt und wir versenden am selben Tag !
Art.Nr.: LRPMV12615
GTIN/EAN: 5050864020749
Bewertung:(1)
Sonderangebot gültig bis: 27.11.2024
HAN: MV12615
Für weitere Informationen besuchen Sie bitte die Homepage zu diesem Artikel.
Diesen Artikel haben wir am 25.01.2016 in unseren Katalog aufgenommen.
Unser bisheriger Preis 199,00 EUR Jetzt nur 156,45 EURSie sparen 21% / 42,55 EUR
inkl. 19 % MwSt. zzgl. Versandkosten
Strada MT RTR 1/10 Elektro Monster Truck LRP MV12615

Dank 8 Öldruckstoßdämpfern und langem Federweg ist der Strada MT der ultimative Truck um durch jedwedes Gelände zu pflügen! Die großen Traktor-Profilreifen und die Pickup-Truck-Style Karosserie liefern den coolen Monstertruck-Look, während die starke Einzelradaufhängung Dir die Härte gibt, die Du von einem wahren Monstertruck erwartest!

Der Strada MT besitzt ein gegossenes Wannenchassis, das Haltbarkeit und ein sowohl stabiles als auch robustes Plattform für den kräftigen 4WD Kardanantrieb bietet. Vormontierte, ölbefüllte Stoßdämpfer und Doppelquerlenker-Einzelradaufhängung vorne und hinten bieten Dir ein super feinfühliges Fahrgefühl auf allen Oberflächen. Das MS-22 Servo setzt Deine Lenkbefehle, über ein doppelt-gelagertes Lenksystem mit integriertem Servo-Saver gegen Unfallschäden, um.

Der Strada 4WD Antrieb ist komplett kugelgelagert um dem Fahrer maximale Fahrzeit und Effizienz zu ermöglichen und besitzt eine gegossene Getriebeabdeckung, um Schmutz und Trümmer von dem Getriebe fern zu halten. Die vorderen und hinteren Kegeldifferentiale übertragen problemlos die Motorleistung zu den vormontierten Rädern in allen vier Ecken.

Der 7.2V 1800mAh NiMH Akku inklusive Universal-Regionen Wandladegerät ist bereits im Lieferumfang enthalten. Es werden nur noch 4 AA Batterien benötigt.


Kundenrezensionen: Ihre Meinung

Autor:  am 17.05.2023     Bewertung:5 von 5 Sternen!

Wir empfehlen Ihnen noch folgende Produkte:

Zubehör

Ersatzteile

Parse Time: 3.030s