بازوی رباتیک هوشمند Yahboom DOFBOT مدل بینایی با ۶ درجه آزادی (6-DOF) مبتنی بر ROS2 و پایتون، مناسب برای Jetson NANO 4GB B01/SUB

بررسی

Yahboom DOFBOT یک مدل بزرگ هوش مصنوعی بازوی رباتیک است که برای توسعه ROS2 و برنامه‌نویسی Python3 بر روی Jetson NANO 4GB (B01/SUB) طراحی شده است. این دستگاه یک دوربین HD USB را با یک بازوی رباتیک 6-DOF ادغام می‌کند و از برنامه‌های بینایی هوش مصنوعی مانند ردیابی رنگ، شناسایی حرکات، ردیابی چهره، تعامل بصری و دموهای مرتب‌سازی پشتیبانی می‌کند. ساختار آن از آلیاژ آلومینیوم اکسید شده سبز استفاده می‌کند که شامل یک براکت آلومینیومی به ضخامت 2 میلی‌متر و یک شاسی با مکش برای قرارگیری پایدار است.

ویژگی‌های کلیدی

• ادغام بازوی 6-DOF + دوربین: "ادغام بازوی رباتیک–دوربین" با "6 درجه آزادی".
• توسعه ROS2: ROS2 Humble مشخص شده است (Docker + ROS2 Humble). از شبیه‌سازی ربات RViz و برنامه‌ریزی حرکتی MoveIt پشتیبانی می‌کند.
• پشته تعامل بینایی هوش مصنوعی & : OpenCV، MediaPipe، YOLOv11، الگوریتم کینماتیک معکوس.
• ادغام مدل بزرگ هوش مصنوعی چندرسانه‌ای (قابلیت‌های فهرست شده): پایگاه دانش RAG مقیاس‌پذیر، درک معنایی متن، گفتگوی طبیعی، و درک صحنه بصری.
• روش‌های کنترل: اپلیکیشن موبایل اندروید/iOS، کنترل کامپیوتر میزبان PC، و کنترل از راه دور با کابل USB (استاندارد).
• تنظیمات دوستانه برای مبتدیان: پیش‌ساخته قبل از ارسال؛ کارت TF با تصویر کارخانه برای اتصال و استفاده آسان؛ تنظیم شبکه با کد QR اپلیکیشن؛ آموزش‌ها و کد ارائه شده.
• گسترش سروها &: 6 سرو HQ؛ برد گسترش چندمنظوره سازگار با Jetson NANO، Raspberry Pi، Arduino، و Micro:bit. پیکربندی سرو به صورت 5×15KG سرو باس + 1×6KG سرو باس فهرست شده است.

مشخصات

جیستون نانو ۴ گیگابایت SUB یادداشت‌ها (فهرست شده)

• جیستون نانو ۴ گیگابایت SUB به عنوان: پردازنده چهار هسته‌ای Cortex-A57، پردازنده گرافیکی ۱۲۸ هسته‌ای Maxwell، حافظه ۴ گیگابایت LPDDR و قدرت محاسباتی ۴۷۲GFLOP توصیف شده است.
• چارچوب‌های هوش مصنوعی پشتیبانی شده: TensorFlow، Pytorch، caffe/caffe2، Keras، MXNET و غیره.
• Jetson NANO 4GB SUB به عنوان اختیاری.

بینایی هوش مصنوعی &نمایش‌های مدل بزرگ (نمونه‌های نشان داده شده)

• عملکردهای تعاملی بینایی هوش مصنوعی: ردیابی شناسایی رنگ، گرفتن بلوک‌های رنگی، تعامل رنگ، بازی گرفتن، تفکیک زباله، انباشتن بلوک‌های رنگی.
• نمایش‌های یادگیری ماشین MediaPipe: گروه عمل رباتیک کنترل حرکات، انباشتن شناسایی حرکات، شناسایی/ردیابی کف دست، کنترل وضعیت بازو.
• کاربردهای مدل بزرگ چندرسانه‌ای: تحلیل ویدئو، کنترل حرکات با فرمان‌های طولانی، دست‌کاری هوشمند، تفکیک فضای سه‌بعدی.
• کاربردهای هوش تجسمی: قرار دادن بلوک‌های رنگی در جای خود، ردیابی بصری (KCF)، تفکیک زباله (YOLOv11)، استنتاج نیت (پایگاه دانش RAG).

یادداشت‌ها از مواد ارائه شده: “آموزش مدل باید توسط کاربر انجام شود.” برخی از وسایل صحنه (e.g. ، سطل زباله) به عنوان وسایل نمایشی توصیف شده‌اند و شامل نمی‌شوند.

شبیه‌سازی MoveIt / RViz & برنامه‌ریزی (فهرست شده)

• کنترل شبیه‌سازی MoveIt و برنامه‌ریزی مسیر.
• پشتیبانی URDF با دستکاری بصری RViz (کنترل کشیدن و رها کردن، کنترل موقعیت از پیش تعیین شده، اجتناب از موانع).
• تشخیص برخورد و “گرفتن فضایی” به عنوان توابع شبیه‌سازی پشتیبانی شده نشان داده شده‌اند.

چه چیزی شامل می‌شود

• بازوی رباتیک DOFBOT که پیش از ارسال مونتاژ شده است
• کارت TF با فایل تصویر کارخانه
• کنترل از راه دور با سیم USB (استاندارد)

آموزش‌ها / ویدیوها

آموزش‌های آنلاین: http://www.yahboom.net/study/Dofbot-Jetson_nano

پشتیبانی

برای سوالات مربوط به سازگاری (گزینه‌های کنترلر Jetson/Raspberry Pi)، تأیید پیکربندی، یا پشتیبانی پس از فروش، با https://rcdrone.top/ تماس بگیرید یا ایمیل بزنید [email protected].

جزئیات

DOFBOT یک بازوی 6-DOF رومیزی و دوربین HD USB را برای توسعه بینایی هوش مصنوعی ROS2 Python ترکیب می‌کند، با دسترسی 350 میلی‌متر و تکرارپذیری ±0.5 میلی‌متر.

پلتفرم کنترلی را که با تنظیمات آزمایشگاه شما سازگار است انتخاب کنید، از محیط‌های PC تا توسعه هوش مصنوعی مبتنی بر Jetson.

پیکربندی‌های به‌روز شده گزینه‌های بینایی عمق و تعامل 3D را برای دموهای ادراک پیشرفته‌تر اضافه می‌کنند.

پیکربندی‌های جایگزین بازو در زمانی که نیاز به دسترسی یا چیدمان درجه آزادی متفاوتی باشد، در دسترس هستند.

یک پلتفرم DOFBOT پیش‌ساخته که برای یادگیری هدایت‌شده، آزمایش و آزمایش سریع ROS2 آماده است.

ساخته شده برای پشتیبانی از جریان‌های کاری بینایی به سبک OpenCV و پروژه‌های تعامل سطح بالاتر در یک سیستم دسکتاپ.

SUB اختیاری Jetson Nano 4GB محاسبات onboard را برای وظایف بینایی AI لبه و توسعه Python فراهم می‌کند.

جریان‌های کاری نمایشی شامل تعامل طبیعی، اجرای وظایف و سناریوهای مرتب‌سازی پایه برای تمرین عملی است.

رفتارهای هدایت‌شده توسط بینایی شامل ردیابی اهداف و انجام اقدامات ساده به سبک برداشتن و قرار دادن است.

بازی‌های یادگیری تعاملی به کاوش وظایف به سبک بینایی و زبان در قالبی مناسب برای کلاس کمک می‌کند.

دموهای بینایی اصلی شامل شناسایی رنگ و ردیابی، بازی تعاملی "گرفتن" و مرتب‌سازی مبتنی بر قوانین است.

شامل مفاهیم تعامل مبتنی بر ژست، نمونه‌های آموزش مدل و کنترل حرکت کینماتیک معکوس است.

از MoveIt با شبیه‌سازی RViz و برنامه‌ریزی حرکت برای آزمایش مسیرها و منطق گرفتن قبل از اجرای زنده استفاده کنید.

پشتیبانی ROS2 Humble با اپلیکیشن موبایل، کنترل PC و گزینه‌های کنترل از راه دور USB برای عملیات انعطاف‌پذیر جفت می‌شود.

کنترل‌های مبتنی بر اپلیکیشن بازی‌های مبتنی بر ژست، دموهای ردیابی و گروه‌های عمل سفارشی برای حرکات تکراری را اضافه می‌کند.

شش مفصل مفصلی (J1–J6) یک فضای کاری فشرده برای دستکاری هدایت‌شده توسط بینایی و آموزش حرکات فراهم می‌کند.

گزینه‌های سخت‌افزاری ماژولار شامل سرووهای باس، بردهای گسترش/کنترل، شبکه‌سازی و اجزای صوتی اختیاری است.

برد توسعه و سرووهای باس سریال سیم‌کشی را ساده کرده و افزودن لوازم جانبی به بازو را آسان‌تر می‌کند.

کیت DOFBOT شامل یک ماژول دوربین USB (480p/30fps، 110°) و یک ماژول صدای هوش مصنوعی با یک بلندگوی کوچک برای ورودی بصری و صوتی است.

منابع آموزشی Yahboom DOFBOT شامل بیش از 200 دوره سیستماتیک برای یادگیری راه‌اندازی و برنامه‌نویسی بازوی رباتیک بصری است.

برنامه درسی دوره DOFBOT شامل ماژول‌های آموزشی و طرح درس‌ها برای راهنمایی در راه‌اندازی و یادگیری است.

Yahboom DOFBOT شامل کد منبع باز و آموزش‌های دقیق، به علاوه فایل‌های مدل سه‌بعدی و منابع پشتیبانی فنی پس از فروش است.

بازوی رباتیک 6-DOF DOFBOT شامل نقشه‌های ابعادی و یک جدول مشخصات برای کمک به برنامه‌ریزی نصب و فضای کاری است.

کیت DOFBOT شامل مجموعه بازوی رباتیک، دوربین، نمایشگر OLED، دسته کنترلر، کابل‌ها، لیوان‌های مکش، پیچ‌ها، ابزار و یک راهنما است.

لوازم جانبی Jetson Nano شامل برد Nano 4GB (اختیاری)، فن خنک‌کننده، کارت SD، کارت شبکه بی‌سیم و کابل ریبون است.