بازوی رباتیک همکاری بصری Yahboom JetCobot با ۷ درجه آزادی برای Jetson Nano B01 4GB/Orin Nano SUPER/Orin NX SUPER
بازوی رباتیک همکاری بصری Yahboom JetCobot با ۷ درجه آزادی برای Jetson Nano B01 4GB/Orin Nano SUPER/Orin NX SUPER
Yahboom
در دسترس بودن پیکاپ بارگیری نشد
بررسی
JetCobot یک بازوی رباتیک همکاری بصری 7 محوره است که از یک برد توسعه سری NVIDIA Jetson به عنوان برد کنترل اصلی استفاده میکند (Jetson Nano B01 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER). با پیکربندی ربات مشابه UR، سیستم عامل ربات ROS و یک الگوریتم کینماتیک معکوس، از کنترل مختصات، برنامهریزی حرکتی، گرفتن، مرتبسازی و وظایف مرتبط با تعامل بصری پشتیبانی میکند.
JetCobot یک بازوی رباتیک و سیستم دوربین را ادغام میکند. این دستگاه به یک دوربین USB 0.3MP (زاویه دید 110°) مجهز است و از پردازش تصویر OpenCV، بینایی ماشین و جریانهای یادگیری عمیق برای عملکردهایی مانند تعامل رنگ، شناسایی/ردیابی چهره، شناسایی برچسب، آموزش مدل و تعامل حرکتی پشتیبانی میکند.
ویژگیهای کلیدی
- ساختار 7-DOF با پیکربندی مشابه UR: طراحی بدنه صاف، دامنه حرکتی بزرگ و سیمکشی سروو پنهان (همانطور که در جدول مقایسه توصیف شده است).
- کینماتیک معکوس + جریان کار ROS: از کنترل مختصات و برنامهریزی حرکت پشتیبانی میکند.
- پشتیبانی از MoveIt + RViz: شامل مدل شبیهسازی کینماتیک URDF، کنترل شبیهسازی MoveIt/برنامهریزی مسیر، تشخیص برخورد و سناریوهای گرفتن فضایی است.
- شناسایی بصری هوش مصنوعی و ردیابی هدف: شناسایی و ردیابی رنگ، مرتبسازی بلوکهای رنگی، گرفتن بلوکهای رنگی، تعامل رنگی، شناسایی و ردیابی چهره، و شناسایی برچسب/چیدمان هوشمند (کدهای برچسب Apriltag).
- یادگیری عمیق / آموزش مدل: از جریانهای کار طبقهبندی زباله و مثالهای گرفتن مبتنی بر منطقه پشتیبانی میکند (شناسایی منطقه: گرفتن و قرار دادن؛ تشخیص منطقه: سفارشیسازی گرفتن).
- توسعه MediaPipe / ارتقاء تعامل هوش مصنوعی: گروه عمل کنترل حرکتی، پشته کنترل شناسایی حرکات، شناسایی بازوی رباتیک و ردیابی کف دست، و کنترل حالت حرکتی بازوی رباتیک.
- روشهای کنترل متعدد: پشتیبانی از کنترل شبیهسازی MoveIt، کنترل دسته، و کنترل وب PC (کنترل Jupyter Lab نیز نشان داده شده است).
مشخصات
| محصول | بازوی رباتیک همکاری بصری هوش مصنوعی JetCobot |
| درجه آزادی | 7 |
| حداکثر فاصله مؤثر بازو | 270MM |
| دامنه چرخش مفصل | -153° تا 153° |
| دقت تکرار موقعیتیابی | ±0.5mm |
| دوربین | 0.دوربین USB 3MP |
| زاویه دید دوربین | 110° |
| نرخ فریم دوربین (نمایش داده شده) | 30fps |
| ابعاد بصری (نمودار) | تصویر 2D صفحهای |
| گیره (نمایش داده شده) | گیره برقی |
| زاویه باز و بسته شدن گیره (نمودار) | 5cm |
| دامنه گیره (نمایش داده شده) | 20-45mm |
| نیروی گیره (نمایش داده شده) | نیروی 150g |
| نوع ساختار (نمودار) | ساختار ربات مشابه UR |
| کنترل اصلی (نمودار) | Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER |
| عملکرد (نمودار) | کنترل ارتباطات؛ برنامهریزی حرکتی MoveIt؛ شبیهسازی ربات RViz؛ تعامل بصری 2D |
| صدا (نمودار) | / |
| نمایش (نمودار) | / |
گزینههای کنترل اصلی Jetson (نمودار مرجع)
| برد کنترل اصلی | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 8GB | Jetson Orin NX SUPER 16GB |
| قدرت محاسباتی | 0.5TFLOPS (FP16) | 34 TOPS | 67 TOPS | 117 TOPS | 157 TOPS |
| CPU | پردازنده 4 هستهای Arm Cortex-A57 MPCore | پردازنده 6 هستهای Arm Cortex-A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 | پردازنده 6 هستهای Arm Cortex-A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 | پردازنده 6 هستهای NVIDIA Arm Cortex-A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 | پردازنده 8 هستهای NVIDIA Arm Cortex-A78AE v8.2 64-bit; 2MB L2 + 4MB L3 |
| GPU | 128 هستهای NVIDIA Maxwell GPU | GPU با معماری NVIDIA Ampere 512 هستهای و 16 هسته تنسور | GPU با معماری NVIDIA Ampere 1024 هستهای و 32 هسته تنسور | GPU با معماری NVIDIA Ampere 1024 هستهای و 32 هسته تنسور | GPU با معماری NVIDIA Ampere 1024 هستهای و 32 هسته تنسور |
| حافظه | 4GB 64-bit LPDDR4 25.6GB/s | 4GB 64-bit LPDDR5 51GB/s | 8GB 128-bit LPDDR5 102 GB/s | 8GB 128-bit LPDDR5 102 GB/s | 16GB 128-bit LPDDR5 102 GB/s |
| ذخیرهسازی | 16GB eMMC + 64GB U disk | 256GB SSD | |||
| قدرت | 5W - 10W | 7W, 10W, 25W | 7W, 15W, 25W | 10W, 15W, 25W, 40W | |
| نسخه سیستم ROS | Ubuntu18.04 + ROS1 Melodic | Ubuntu22.04 LTS + ROS2 Humble | |||
این نمودار همچنین اشاره میکند که روشهای استفاده از چندین برد کنترل سری Jetson اساساً مشابه است؛ بردهای کنترل مختلف عمدتاً بر عملکرد JetCobot تأثیر میگذارند.
تفاوت عملکرد/عملکرد اندازهگیری شده (جدول مرجع)
| مورد |
نسخه Jetson Nano زمان شروع برنامه / نرخ فریم اجرای برنامه |
نسخه Jetson Orin Nano SUPER 8GB زمان شروع برنامه / نرخ فریم اجرای برنامه |
نسخه Jetson Orin NX SUPER 16GB زمان شروع برنامه / نرخ فریم اجرای برنامه |
| راهاندازی ربات | 43 ثانیه، راهاندازی بازوی رباتیک کامل شد / / | 38 ثانیه، راهاندازی بازوی رباتیک کامل شد / / | 37 ثانیه، راهاندازی بازوی رباتیک کامل شد / / |
| عملکرد بصری پایه (شناسایی رنگ) | 6 ثانیه / 12 ثانیه | 5 ثانیه / 30fps | 4 ثانیه / 30fps |
| طبقهبندی زباله Yolov5 | 31 ثانیه / 6 ثانیه | 17 ثانیه / 30fps | 16 ثانیه / 30fps |
| تشخیص چهره مدیاپایپ | 13 ثانیه / 30 ثانیه | 8 ثانیه / 30 فریم در ثانیه-40 فریم در ثانیه | 7 ثانیه / 30 فریم در ثانیه-50 فریم در ثانیه |
| ردیابی بلوک رنگ | 10 ثانیه / 30 ثانیه | 7 ثانیه / 30 فریم در ثانیه | 5 ثانیه / 30 فریم در ثانیه |
| شناسایی کد تگ آپریلتگ | 5 ثانیه / 25 ثانیه | 3 ثانیه / 30 فریم در ثانیه | 3 ثانیه / 30 فریم در ثانیه |
| مدلسازی شبیهسازی RVIZ | 16 ثانیه / 31 ثانیه | 9 ثانیه / 31 فریم در ثانیه | 7 ثانیه / 31 فریم در ثانیه |
یادداشتهای نمایش داده شده با نمودار: JetCobot با فناوری کانتینر داکر پیکربندی نشده است؛ این دستگاه از یک محیط عملکرد پیکربندی تصویر بومی رسمی استفاده میکند تا به طور کامل از عملکرد کلی مادربرد بهرهبرداری کند.این دادهها از یک آزمایش واقعی آزمایشگاه Yahboom است؛ عملکرد Jetson Orin Nano SUPER 4GB و 8GB مشابه است و عملکرد Jetson Orin NX SUPER 8GB و 16GB نزدیک به هم است.
چه چیزی شامل میشود
- بازوی رباتیک همکار 7-DOF myCobot280 (JetCobot)
- گیره برقی
- دوربین USB
- کنترل اصلی Jetson (Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER، بسته به نسخه)
- صفحه OLED (در جدول لیست حمل و نقل ذکر شده است)
- لوازم جانبی (همانطور که در جدول لیست حمل و نقل ذکر شده است)
کاربردها
- یادگیری ROS، سینماتیک و برنامهریزی حرکت (MoveIt / RViz)
- بینایی ماشین و آزمایشهای تعامل مبتنی بر OpenCV
- دموهای تعامل هوش مصنوعی: ردیابی رنگ، شناسایی برچسب (Apriltag)، شناسایی حرکات و جریانهای آموزشی مدل
- گرفتن، مرتبسازی و وظایف پایهای انتخاب و قرار دادن مبتنی بر مختصات در دسکتاپ
راهنماها / مستندات
- آموزشها: https://www.yahboom.net/study/JetCobot
برای کمک در انتخاب پیشفروش یا پشتیبانی پس از فروش، با https://rcdrone.top/ تماس بگیرید یا ایمیل بزنید [email protected].
جزئیات
JetCobot را با سایر گزینههای کنترل-master ROS مقایسه کنید تا پلتفرم مناسب برای برنامه خود را انتخاب کنید.
چندین پلتفرم بازوی Yahboom یک جریان کار ROS مشابه دارند، در حالی که گزینههای سختافزاری و بینایی بسته به مدل متفاوت است.
پیکربندیهای دوربین عمق از وظایف بینایی 3D مانند ردیابی و تعامل با آگاهی از فاصله پشتیبانی میکنند.
JetCobot بر روی یک ساختار 7-DOF شبیه UR با تکرارپذیری در سطح میلیمتر برای وظایف حرکتی هماهنگ تمرکز دارد.
Yahboom JetCobot یک بازوی رباتیک بصری 7-DOF رومیزی است که بر اساس بردهای کنترل NVIDIA Jetson ساخته شده است.
یک مجموعه نرمافزاری کامل از کنترل ROS، برنامهریزی MoveIt، تجسم RViz و بینایی مبتنی بر OpenCV پشتیبانی میکند.
Jetson Nano B01، Orin Nano SUPER یا Orin NX SUPER را بر اساس محاسبات مورد نیاز برای خط لوله AI خود انتخاب کنید.
یک مقایسه واضح از Jetson به مطابقت ظرفیت CPU/GPU و حافظه با بارهای کاری ROS و بینایی کمک میکند.
عملکرد بسته به کنترلر Jetson متفاوت است، در حالی که مجموعه ویژگیهای JetCobot و مثالهای دورهای ثابت باقی میمانند.
پیکربندی مشابه UR دامنه حرکتی وسیعی را با ساختاری تمیز برای استفاده در کلاس و آزمایشگاه فراهم میکند.
چیدمان 7-DOF انعطافپذیری را برای موقعیتیابی، گرفتن و برنامهریزی مسیر در فضاهای کاری تنگ بهبود میبخشد.
یک دوربین USB یکپارچه امکان انتخاب و مرتبسازی بصری را بدون نیاز به تنظیمات پیچیده دوربین خارجی فراهم میکند.
دموهای داخلی شامل شناسایی رنگ، مرتبسازی بلوک، انباشتن مبتنی بر برچسب و تعامل مبتنی بر ردیابی هستند.
از آموزش مدل یادگیری عمیق و تعامل حرکتی MediaPipe برای ساخت وظایف انتخاب و قرار دادن پاسخگوتر استفاده کنید.
مدلهای MoveIt و URDF از شبیهسازی، برنامهریزی مسیر و بررسی برخورد قبل از اجرا بر روی سختافزار پشتیبانی میکنند.
کنترل JetCobot از طریق یک محیط Jupyter مبتنی بر مرورگر یا یک دسته بازی USB برای آزمایش سریع و دموها.
کینماتیک معکوس ورودی مختصات را برای موقعیتیابی تکراری و جهتگیری ثابت انتهای ابزار امکانپذیر میسازد.
هفت مفصل (J1–J7) انعطافپذیری بیشتری برای برنامهریزی حرکت و گرفتن هماهنگ فراهم میکنند.
JetCobot حداکثر دامنه بازوی مؤثر 270 میلیمتر (بدون گیره) را ارائه میدهد، با چرخش پایه J1 به ±153° و تکرارپذیری ±0.5 میلیمتر.
JetCobot بر اساس سیستم عامل ربات ROS ساخته شده و سازگاری با ROS2 Humble و ROS1 Melodic را فهرست میکند.
پشتیبانی شبیهسازی MoveIt اجازه میدهد تا بازوی رباتیک JetCobot در یک محیط مجازی قبل از اجرا بر روی سختافزار آزمایش و کنترل شود.
کیت بازوی JetCobot شامل یک گیره، دوربین HD USB، صفحه نمایش OLED و یک پایه مکش برای تنظیمات پایدار رومیزی است.
بازوی JetCobot یک دوربین HD USB (480p، 30 فریم در ثانیه، زاویه دید 110 درجه) را با یک گیره الکتریکی جمع و جور برای وظایف انتخاب و قرار دادن هدایت شده توسط بینایی ترکیب میکند.
برنامه درسی JetCobot شامل راهاندازی و مونتاژ، مبانی ROS/Ubuntu، نقشهبرداری SLAM، بینایی هوش مصنوعی با MediaPipe و تمرینات ردیابی و گرفتن بصری است.
مواد آموزشی JetCobot شامل پوشههای دانلود سازماندهی شده و محتوای دورهای مانند مبانی بینایی هوش مصنوعی و Mediapipe است، با یک لینک مطالعه در yahboom.net/study/JetCobot.
منابع یادگیری JetCobot شامل دورههای ردیابی و گرفتن بصری هوش مصنوعی، آموزشهای MoveIt، مبانی ROS2 و کد منبع باز پایتون است.
ابعاد گیره JetCobot به میلیمتر ارائه شده است تا به برنامهریزی فضای نصب و فضای کلی بازو کمک کند.
جتکوبات از برنامهنویسی پایتون با گزینههای ROS برای Jetson Nano B01 و Jetson Orin Nano/NX پشتیبانی میکند، به همراه یک دوربین ثابت با فوکوس 0.3MP (480P، 30fps، زاویه دید 110°).
کیت جتکوبات شامل گیره، دوربین USB، اجزای شاسی، آداپتور برق و سیمکشی است، با لوازم جانبی اختیاری Jetson Nano/Orin که فهرست شدهاند.
Related Collections
