Übersicht
DOFBOT PRO ist ein Desktop-3D-AI-Vision-Roboterarm , der für ROS-Ausbildung und -Entwicklung konzipiert ist. Er kombiniert eine 6-DOF-Bewegungsgelenkstruktur, eine 3D-Tiefenkamera und NVIDIA Jetson-Serien-Steuerplatinen, um komplexe Bewegungssteuerungen durch ROS, Vorwärts-/Rückwärtskinematik und visuelle Wahrnehmung für die Erkennung, Verfolgung und das Greifen im 3D-Raum zu vereinfachen.
Videos
Hauptmerkmale
- Jetson-Plattformkompatibilität: kompatibel mit Jetson Nano 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER Steuerplatinen; GPU-beschleunigtes Modelltraining und Python-Entwicklung werden unterstützt.
- 3D-Tiefenpunktwolken-Erkennung: RGB + Tiefenfusion (RGB+D) für 3D-Positionierungs-, Verfolgungs- und Greifaufgaben.
- ROS-Bewegungsplanung und -Simulation: unterstützt MoveIt-Bewegungsplanung und RViz-Robotersimulation; unterstützt 2D- und 3D-visuelle Interaktion.
- 6-DOF Aluminiumlegierung Struktur: präzisionsgefertigtes Aluminiumlegierungskörper; hochpräzise Servos für sanfte Mehrachsenbewegung.
- Plattformübergreifende Steuerung: unterstützt App-Steuerung (Android/iOS), drahtlose Griffsteuerung und PC-Webseitensteuerung.
- Multimodale / Großmodell-Konzepte (wie bereitgestellt): Großes Sprachmodell, Großes Sprachmodell, Großes visuelles Modell; beinhaltet skalierbare RAG-Wissensdatenbank und Beschreibungen der „Dual-Modal Dynamic Feedback Reasoning Architecture“.
- Algorithmus-Frameworks aufgelistet: Inverse Kinematik-Algorithmus, YOLOv11, OpenCV, MediaPipe.
Für Produktauswahl und technischen Support kontaktieren Sie https://rcdrone.top/ oder senden Sie eine E-Mail an [email protected].
Spezifikationen
DOFBOT-PRO (Roboterarmsystem)
| Hauptsteuerung | Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER |
|---|---|
| Freiheitsgrad | 6 |
| Armlänge | 350mm |
| Greifer öffnen-schließen | 6cm |
| Wiederholbare Positioniergenauigkeit | ±0,5mm |
| Strukturtyp | Traditionelle Roboterarmstruktur |
| Kamera | DABAI DCW2 Tiefenkamera |
| Visuelle Dimension | 3D-Bild mit Tiefenentfernungsinformationen |
| Stimme | KI-Großmodell-Sprachmodul + Lautsprecher |
| Anzeige | 10.1-Zoll-Display |
| Funktion | Interconnection-Steuerung; MoveIt Bewegungsplanung; RViz Robotersimulation; 2D visuelle Interaktion; 3D visuelle Interaktion; KI-Großmodell |
| Positionierung (wie beschrieben) | Eingebettete KI / KI-Großmodell / 3D-Tiefenvisueller Roboterarm |
ROS Roboterarm-Konfigurationen (wie aufgelistet)
| Version | Standardversion | Ultimative Version |
|---|---|---|
| Steuerplatinen | Jetson Nano B01; Jetson Orin Nano SUPER 4GB/8GB; Jetson Orin Nano SUPER 8GB/16GB | Jetson Nano B01; Jetson Orin Nano SUPER 4GB/8GB; Jetson Orin Nano SUPER 8GB/16GB |
| Sprachmodul | Alle Versionen beinhalten KI-Großmodell-Sprachmodul | |
| Tiefenkamera | DABAI DCW2 Tiefenkamera | |
| Anzeige | / | HD 10.1-Zoll-Touchscreen |
Empfehlungen zur Controller-Auswahl (Jetson-Board-Spezifikationen angezeigt)
| Artikel | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|---|---|
| Rechenleistung | 0,5TFLOPS (FP16) | 34 TOPS | 67 TOPS | 117 TOPS | 157 TOPS |
| CPU | Quad-Core Arm Cortex-A57 MPCore-Prozessor | 6-Kern Arm Cortex-A78AE v8.2 64-Bit CPU; 1,5MB L2 + 4MB L3 | 6-Kern Arm Cortex-A78AE v8.2 64-Bit CPU; 1,5MB L2 + 4MB L3 | 6-Kern NVIDIA Arm Cortex A78AE v8.2 64-Bit CPU; 1,5MB L2 + 4MB L3 | 8-Kern NVIDIA Arm Cortex A78AE v8.2 64-Bit-CPU; 2MB L2 + 4MB L3 |
| GPU | 128-Kern NVIDIA Maxwell GPU | 512-Kern NVIDIA Ampere Architektur GPU mit 16 Tensor-Kernen | 1024-Kern NVIDIA Ampere Architektur GPU mit 32 Tensor-Kernen | 1024-Kern NVIDIA Ampere Architektur GPU mit 32 Tensor-Kernen | 1024-Kern NVIDIA Ampere Architektur GPU mit 32 Tensor-Kernen |
| Speicher | 4GB 64-Bit LPDDR4; 25.6GB/s | 4GB 64-bit LPDDR5; 51GB/s | 8GB 128-bit LPDDR5; 102GB/s | 8GB 128-bit LPDDR5; 102GB/s | 16GB 128-bit LPDDR5; 102GB/s |
| Speicher | 16GB eMMC + 64GB U-Disk | 256GB SSD | |||
| Leistung | 5W - 10W | 7W , 10W , 25W | 7W , 15W , 25W | 10W , 15W , 25W , 40W | 10W , 15W , 25W , 40W |
| ROS Systemversion | Ubuntu18.04 + Docker + ROS2 Humble | Ubuntu22.04 LTS + ROS2 Humble | |||
Funktionsbetriebsunterschied (gemessene Ergebnisse angezeigt)
| Version | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|
| Roboterstart (Programmstartzeit) | 62s | 49s | 48s |
| 2D-Gesichtserkennung (Programmstartzeit / Programmlaufbild) | 4s / 10fps | 7s / 30fps | 7s / 30fps |
| 2D-Gestenerkennung Greifblöcke (Programmstartzeit / Programmlaufbild) | 7s / 6fps | 6s / 30fps | 6s / 30fps |
| 2D-Fingerspitzen-Trajektorienerkennung (Programmstartzeit / Programmlaufbild) | 10s / 5fps | 7s / 30fps | 6s / 30fps |
| MoveIt (Programmstartzeit / Programmlaufzeit Frame) | 45s / 6fps | 43s / 30fps | 38s / 30fps |
| 3D-Yolo Müll-Erkennung und Sortierung (Programmstartzeit / Programmlaufzeit Frame) | 64s / 5fps | 9s / 30fps | 6s / 30fps |
| 3D-Mediapipe Gesten-Maschinencode-Distanzsortierung (Programmstartzeit / Programmlaufzeit Frame) | 9s / 6fps | 5s / 14fps | 3s / 15fps |
| 3D-Tracking zum Greifen von Farbblöcken (Programmstartzeit / Programmlaufzeit Frame) | 8s / 10fps | 4s / 14fps | 2s / 15fps |
| KI-Großmodell zur Objektsortierung (Programmstartzeit / Programmlaufzeit Frame) | 40s / 5fps | 25s / 30fps | 20s / 30fps |
Anwendungen
- 3D-Sicht-Erkennung und Greifen; räumliche Wahrnehmung; Objektverfolgung; 3D-Sortierung
- Tiefenmessung (Entfernungsmessung), Formerkennung, Höhenmessung, Volumenmessung
- Tiefenvision-Positionierung und -Verfolgung; 3D-räumliche Verfolgung und Greifen; 3D-Punktwolken-Erkennung
- KI-gestützte visuelle Interaktion: intelligentes Sortieren und Handhaben, Farberkennung, dynamische Verfolgung, Müllsortierung, Verfolgung, Greifen
- Multimodale Arbeitsabläufe beschrieben: Videoanalyse, Langbefehl-Bewegungssteuerung, abnormale Höhensortierung, Absichtsinferenz (RAG-Wissensbasis), KCF-Objektverfolgungsalgorithmus, YOLOv11-basierte Erkennungsaufgaben
Beispielhafte Objektabmessungen für Volumenmessungsdemonstrationen gezeigt: 30*30*30mm Würfel, 30*30*30mm Zylinder, 30*30*60mm Zylinder. Beispielhafte Distanzüberlagerungen umfassen 240,0 mm und 190,0 mm.
Handbücher
Tutorial-Link: http://www.yahboom.net/study/DOFBOT-Pro
Details

Vergleichen Sie beliebte Desktop-Roboterarm-Optionen auf einen Blick, einschließlich Freiheitsgrade, Reichweite, Greiferbereich und Steuerungsplattformen.

Ein schneller Spezifikationsüberblick hilft bei der Auswahl des richtigen Modells für ROS-Lernen, Simulation und grundlegende Vision-Aufgaben.

DOFBOT-PRO kombiniert einen 6-DOF-Arm, RGB+D-Tiefenerkennung und Jetson-Kompatibilität für 3D-Wahrnehmung und Greifentwicklung.

Alternative Konfigurationsdetails werden für Benutzer bereitgestellt, die eine andere Armstruktur und Kameraeinstellung benötigen.

Entwickelt für ROS-Ausbildung und -Entwicklung, kombiniert das Kit einen kompakten 6-DOF-Arm mit Tiefenwahrnehmung und einem integrierten Desktop-Setup.

Entwickelt für Bewegungsplanung und Wahrnehmungs-Workflows wie Kinematik, Zielerkennung, Verfolgung und Greifen im 3D-Raum.

Wichtige Module decken Tiefenwahrnehmung, Konzepte der KI-Interaktion und Software-Frameworks ab, die in gängigen Robotik-Pipelines verwendet werden.

Hardware- und Software-Highlights fassen zusammen, was für den Aufbau von Vision + ROS-Demos und Klassenzimmerexperimenten enthalten ist.

Mehrere Jetson-Board-Optionen helfen, vom Einstiegsprototyping bis zu leistungsstärkeren KI-Workloads zu skalieren.

Verwenden Sie die Konfigurationsmatrix, um die Controller-Platine und den Funktionsumfang an die Anforderungen Ihres ROS-Projekts anzupassen.

Tiefenwahrnehmung fügt ein distanzbewusstes Verständnis hinzu, das für eine zuverlässigere Positionierung, Erkennung und Greifplanung sorgt als allein 2D.

Arm-Kamera-Kalibrierung unterstützt Aufgaben wie Punktwolken-Erkennung und tiefenbasierte Messung für Interaktionen im 3D-Raum.

Multimodale Interaktionskonzepte umfassen Text-, Sprach- und Bildfähigkeiten für den Aufbau umfassenderer Mensch-Roboter-Workflows.

Anwendungsbeispiele konzentrieren sich auf Sortier- und Handhabungsverhalten, die Wahrnehmung mit befehlsgetriebener Steuerung kombinieren.

Praktische Demos zeigen Aufgaben zur Verfolgung, Sortierung und Aktionsauswahl, die auf Bild- und Interaktionslogik basieren.

Interaktive Herausforderungen im Stil von Aktivitäten bieten zugängliche Szenarien zum Testen von Wahrnehmung, Logik und Steuerungsschleifen.

Beispiele zur Bilderkennung umfassen farbbasiertes Tracking, Blocksortierung, interaktive Spiele und stapelbasierte Etikettierung.

Schulungsnotizen und Leistungskurven skizzieren die enthaltene Deep-Learning-Workflow-Richtung für Objekterkennungsaufgaben.

DOFBOT Pro unterstützt MediaPipe-basierte Gesteninteraktion, Vorwärts-/Inverse Kinematik und MoveIt-Simulationssteuerung für Setup- und Entwicklungs-Workflows.

DOFBOT Pro unterstützt MoveIt-Kinematik-Simulation mit Trajektorienplanung, Kollisionsvermeidung und ROS/ROS2 (Humble) Workflows für Bewegungssteuerung.

DOFBOT Pro unterstützt App-Steuerung, Web-Steuerung und eine USB-Funkfernbedienung, mit einem 6-DOF-Gelenkaufbau, der als J1–J6 für präzises Setup und Bewegungsplanung gekennzeichnet ist.

Der DOFBOT Pro 6-DOF-Roboterarm kombiniert ein Jetson-basiertes Steuerungsboard mit einer DaBai DCW2 Tiefenkamera und intelligenten seriellen Bus-Servos für visuell geführte Bewegungsprojekte.

Das DOFBOT Pro-Setup umfasst ein Roboterarm-Erweiterungsboard-Layout und unterstützt Add-ons wie ein Sprachmodul und einen 10,1-Zoll-Touchscreen zur Steuerung.

Der Kursplan des DOFBOT-PRO gliedert die Schulungsmodule und Lernziele, um die Planungs-, Einrichtungs- und Entwicklungsschritte zu unterstützen.

DOFBOT Pro enthält organisierte Open-Source-Code- und Schritt-für-Schritt-Tutorial-Ordner, die 2D/3D-Visual-Tracking, Sortieren und Greifen sowie Workflows mit Tiefenkameras abdecken.

DOFBOT Pro enthält herunterladbare Video-Tutorials, ROS2-Lernmaterialien, eine 3D-Modell-Datei und Open-Source-Python-Code für die Entwicklung auf Jetson-Boards.

Maßzeichnungen und eine Spezifikationsübersicht helfen Ihnen, den Montageplatz und die Systemintegration für den DOFBOT Pro 6-DOF-Roboterarm zu planen.

Das DOFBOT Pro Kit enthält den Roboterarm mit einem Satz Standardzubehör wie Steuerungshardware, Strom- und Datenkabel sowie grundlegende Werkzeuge für Montage und Einrichtung.
Related Collections

- Wenn du dich für eine Auswahl entscheidest, wird die Seite komplett aktualisiert.
- Wird in einem neuen Fenster geöffnet.