NVIDIA Jetson Nano 4GB B01 Kit di Sviluppo per Edge AI/ROS - A57 1.43GHz, GPU Maxwell a 128 core

Panoramica

Il kit di sviluppo Jetson NANO 4GB B01 AI Large Model è un kit di sviluppo compatto (piattaforma di scheda di sviluppo) progettato per iniziare con l'IA. Può eseguire più reti neurali in parallelo per applicazioni come classificazione delle immagini, rilevamento degli oggetti, segmentazione e elaborazione del linguaggio, e può funzionare con soli 5 watt.

Questa piattaforma Jetson Nano utilizza un processore quad-core ARM Cortex-A57 e una GPU Maxwell a 128 core con 4GB di memoria LPDDR, e supporta framework e algoritmi di IA popolari come TensorFlow, PyTorch, Caffe/Caffe2, Keras e MXNet.

Caratteristiche principali

• CPU: Quad-core ARM A57 @ 1.43 GHz
• GPU: 128-core Maxwell
• Potenza di calcolo AI: 473 GFLOPS (indicato anche come 472 GFLOP nel testo fornito)
• Funzionamento a bassa potenza: solo 5 W (indicato anche come 5 W–10 W nel materiale di confronto fornito)
• Codifica video: 4K @ 30; 4x 1080p @ 30; 9x 720p @ 30 (H.264/H.265)
• Decodifica video: 4K @ 60; 2x 4K @ 30; 8x 1080p @ 30; 18x 720p @ 30 (H.264/H.265)
• Interfaccia della fotocamera: canale MIPI CSI-2 DPHY *2
• Display: HDMI e DP
• Networking / espansione: Ethernet Gigabit; M.2 Key E; supporta scheda di rete ad alta velocità dual-band M.2; supporta scheda di rete USB ad alta velocità
• USB: 4x USB 3.0; USB 2.0 Micro-B
• Altri I/O elencati: GPIO, I2C, I2S, SPI, UART
• Ingressi di alimentazione menzionati: micro USB, alimentazione DC e PoE (come indicato nel testo fornito)

Specifiche

Note di archiviazione (Demo ufficiale vs versione SUB)

• Il materiale di confronto fornito elenca due varianti: Jetson Nano 4GB Developer Kit (SUB) e Jetson Nano 4GB Developer Kit (Demo ufficiale).
• Archiviazione SUB (mostrata): 16GB eMMC. Il materiale afferma che la scheda può essere avviata senza archiviazione esterna e che 16GB eMMC soddisfa le esigenze di sviluppo regolari ed è compatibile con il file immagine di sistema ufficiale.
• Archiviazione Demo ufficiale (mostrata): microSD (non inclusa). Il materiale afferma che gli utenti devono acquistare una scheda TF (microSD) e scrivere il file immagine di sistema per avviare la scheda.
• Se la capacità di archiviazione è insufficiente per un progetto, il materiale indica che la capacità può essere ampliata utilizzando un disco USB o una scheda TF.

Nota sulla scheda TF / Immagine di sistema

• Il materiale fornito afferma: “La scheda TF inclusa nell'elenco di spedizione è tutta scritta con l'immagine di sistema.”
• Il materiale fornito afferma anche: “Tutte le versioni del kit contengono una scheda TF da 64GB.”
• Un'altra nota afferma che l'installazione dell'immagine di sistema ufficiale + configurazione dell'ambiente AI può superare i 32GB, ed è consigliato utilizzare un disco U/scheda TF di 64GB o superiore.

Video tutorial

Corso / Contenuto del tutorial (come fornito)

• Aggiornato a giugno 2026: Tutorial di distribuzione e applicazione di OpenClaw (NUOVO). Sono stati indicati due metodi di interazione: moduli WAP e vocali.
• Guide avanzate su ROS (CALDA): I fondamenti di ROS1 e ROS2 e i materiali di apprendimento correlati sono mostrati.
• Guide avanzate sullo sviluppo della visione AI (CALDA): include elementi come il tutorial sulla fotocamera a bordo, il test della fotocamera esterna USB, la costruzione dell'ambiente Jetson-Inference, la costruzione dell'ambiente DeepStream e altro (come elencato nel sommario qui sotto).

Schema del corso Jetson Nano B01 (estratto)

• Inizia rapidamente: 1. Impara il percorso; 2. Tutorial di avvio rapido
• Tutorial di base Jetson Nano B01: 1. Introduzione a Jetson nano B01; 2. Flash dell'immagine di sistema; 3. Rilettura del disco SD flashato; 4. Jetson Nano B01 si avvia; 5. Scrivi l'immagine ufficiale (SDK)
• Tutorial di base della scheda SUB Jetson Nano B01: 1. Introduzione alla scheda SUB Jetson Nano B01; 2. Scrivi l'immagine di sistema EMMC
• Avvio di TF: 1.Jetson Nano SUB avvio e scalabilità della scheda TF; 2. Scrivere l'immagine del sistema della scheda TF; 3. Rilettura del disco SD flashato; 4. Scrivere la scheda TF di avvio
• Avvio della chiavetta USB: 1. Scrivere l'avvio EMMC; 2. Scrivere il sistema della chiavetta USB; 3. Rilettura del disco della chiavetta USB flashata; 4. Avvio del Jetson Nano SUB
• Guida alla configurazione di base del sistema: 1. Introduzione al sistema Jetson Nano B01 e al desktop; 2. Espansione della scheda SD; 3. Configurazione della rete; 4. Trasferimento file SSH Telnet; 5. Accesso remoto VNC; 6. Backup del sistema Jetson Nano B01; 7. Aumento dello spazio di swap del Jetson Nano B01; 8. Installazione e utilizzo di Jtop
• Guida al controllo hardware GPIO: 1. Utilizzo delle API delle librerie GPIO; 2. Configurazione della libreria hardware Jetson Nano B01; 3. Funzione di lettura dei pin; 4. Controllo dell'uscita di livello dei pin; 5. Controllo LED; 6. Jetson Nano B01 comunica con le porte seriali dei dispositivi esterni; 7. Comunicazione I2C del Jetson Nano B01
• Guida visiva avanzata all'IA: 1.Tutorial della fotocamera a bordo; 2. Test della fotocamera esterna USB; 3. Installazione di Jupyter lab e Jetcham; 4. Installare TensorFlow (opzionale); 5. Costruzione dell'ambiente Jetson-Inference (opzionale); 6. Ciao Mondo AI; 7. Ragionamento sulla classificazione delle immagini; 8. Ragionamento sulla rilevazione degli oggetti; 9. Segmentazione semantica; 10. Stima della posa; 11. Riconoscimento delle azioni; 12. Rimozione dello sfondo; 13. Stima della profondità monoculare; 14. Costruzione dell'ambiente DeepStream (opzionale); 15. Ispezione automobilistica; 16. Introduzione a yolo5; 17. Costruzione dell'ambiente YOLO5 (opzionale); 18. Rilevazione in tempo reale di yolo5; 19. accelerazione yolo5 + tensorrt; 20. accelerazione yolo5 + tensorrt + Deep Stream (apri fotocamera); 21. Costruzione dell'ambiente Mediapipe (opzionale); 22. Sviluppo di Mediapipe; 23. Leggi Me
• Utilizzo avanzato di YOLOv11 / YOLO26 (NUOVO): 00. Da leggere prima di eseguire; 01. Costruzione dell'ambiente YOLOv11; 02. Utilizzo della CLI; 03. Rilevazione degli oggetti; 04. Segmentazione delle istanze; 05. Stima della posa; 06.Classificazione delle immagini; 07. Rilevamento degli oggetti con box di delimitazione orientati; 08. Conversione del modello
• Corso base ROS1: 1. Introduzione a ROS; 2. Struttura dei file di progetto; 3. Comandi e strumenti comuni; 4. Publisher; 5. Subscribers; 6. Personalizzare i messaggi dei topic e utilizzo; 7. Client; 8. Server; 9. Personalizzare i messaggi di servizio e utilizzo; 10. Rilascio e monitoraggio di TF
• Corso di elaborazione visiva delle immagini ROS1: 1. Visione AR; 2. Codice QR AR; 3. Fondazione ROS+OpenCV; 4. Applicazione ROS+OpenCV; 5. Sviluppo MediaPipe
• Corso base ROS2: 1. Introduzione a ROS2; 2. Installazione di ROS2 Humble; 3. Ambiente di sviluppo ROS2; 4. Spazio di lavoro ROS2; 5. Pacchetto funzione ROS2; 6. Nodo ROS2; 7. Comunicazione dei topic ROS2; 8. Comunicazione dei servizi ROS2; 9. Comunicazione delle azioni ROS2; 10. Messaggio di interfaccia personalizzata ROS2; 11. Caso di servizio parametro ROS2; 12. Pacchetto meta-funzione ROS2; 13. Comunicazione distribuita ROS2; 14. ROS2 DDS; 15.API relative al tempo di ROS2; 16. Strumenti di comando comuni di ROS2; 17. Utilizzo di ROS2 rviz2; 18. Toolbox ROS2 rqt; 19. Configurazione del file di avvio di ROS2 Launch; 20. Strumento di registrazione e riproduzione di ROS2; 21. Modello URDF di ROS2; 22. Piattaforma di simulazione Gazebo di ROS2; 23. Trasformazione delle coordinate TF2 di ROS2
• Corso Docker: 1. Panoramica e installazione; 2. Comandi comuni; 3. Comprendere e pubblicare immagini; 4. Elaborazione dei dati di interazione hardware; 5. Entrare nel contenitore docker; 6. Aggiornare le immagini docker
• Corso di elaborazione delle immagini OpenCV: 1. Corso base di OpenCV; 2. Applicazione ROS+opencv; 3. Riconoscimento di codici QR; 4. Visione AR; 5. Mediapipe
• Tutorial sui grandi modelli AI offline: 0. Istruzioni per l'immagine del sistema di grandi modelli AI; 1. Distribuzione dell'ambiente di grandi modelli AI; 2. Installare la piattaforma di dialogo per grandi modelli; 3. Modello Meta AI Llama 3.2; 4. Modello Alibaba Cloud Qwen2; 5. Modello Alibaba Cloud Qwen3; 6. SUTD TinyLlama; 7. Modello DeepSeek DeepSeek-R1; 8. Microsoft Phi-3; 9. Microsoft Orca Mini; 10. NVIDIA StarCoder2; 11. Google Gemma3 Modello Multimodale Visivo Grande; 12. Sintesi Vocale Offline (TTS); 13. Riconoscimento Vocale Offline (ASR)
• Tutorial sui modelli grandi online: 1. Piattaforma di aggregazione API per modelli grandi OpenRouter; 2. Applicazione di comprensione visiva multimodale; 3. Applicazione di localizzazione visiva multimodale; 4. Applicazione di scansione di tabelle multimodale; 5. Applicazione proxy autonoma multimodale
• Modello grande online (Interazione vocale): 0. Connessione hardware per interazione vocale (ReadMe); 1. Riconoscimento vocale offline (ASR); 2. Sintesi vocale offline (TTS); 3. Interazione vocale con modello grande AI; 4. Interazione vocale di comprensione visiva multimodale; 5. Applicazione di posizione visiva multimodale; 6. Applicazione di scansione di tabelle multimodale; 7. Applicazione proxy autonoma multimodale; 8. Assistente vocale offline con modello grande AI
• Distribuzione e utilizzo di base di OpenClaw: 1.Distribuzione OpenClaw; 2. Applicazione del plugin WAP di OpenClaw; 3. Interazione WebChat di OpenClaw; 4. Interazione TUI di OpenClaw; 5. Introduzione agli strumenti di OpenClaw; 6. Manuale utente del gateway OpenClaw Gate; 7. Panoramica delle funzionalità di OpenClaw; 8. Introduzione all'hub OpenClaw (installazione delle competenze); 9. Gestione dei file dell'applicazione OpenClaw; 10. Applicazione della fotocamera OpenClaw; 12. Esecuzione dello script dell'applicazione OpenClaw; 13. Programmazione dell'applicazione OpenClaw (Controllo GPIO periferico &); 14. Applicazione dell'Assistente AI dedicato di OpenClaw
• Preparazione di OpenClaw prima dell'uso: 1. Configurazione dell'hardware periferico; 2. Configurazione della chiave API di OpenClaw; 3. Modello di commutazione di OpenClaw; 4. Parole di attivazione di OpenClaw; 5. Configurazione dell'interazione vocale AI; 6. Test di configurazione dello schema 3D
• Programmazione dell'atto periferico OpenClaw (controllo periferico): 1. Controllo servo; 2. Striscia LED RGB; 3. OLED
• Sviluppo avanzato dell'estensione OpenClaw: 1.Sensori di temperatura e umidità; 2. Applicazione della fotocamera; 1. Maggiordomo per la cura delle piante; 2. Stima del calore AI; 3. Gioco del palmo AI-Guessing; 4. Animale domestico AI; 5. Stazione meteorologica AI; 6. Misuratore di sensibilità alla temperatura; 7. Compiti programmati

Lista di imballaggio (note mostrate)

• Il materiale fornito indica: il funzionamento della scheda separata richiede un adattatore di alimentazione e una scheda di memoria da 64G.

Applicazioni

• Prototipazione Edge AI: classificazione delle immagini, rilevamento degli oggetti, segmentazione, elaborazione del linguaggio naturale
• Apprendimento ROS e sviluppo della robotica (il sistema ROS / robot ROS sono mostrati come obiettivi di apprendimento supportati nel materiale fornito)
• Visione artificiale e progetti basati su fotocamera tramite MIPI CSI-2 (2 canali) o fotocamere USB (come indicato nel programma del corso)

Per conferma dell'ordine (variante di archiviazione, accessori inclusi) o domande di integrazione (M.2 Chiave E schede WiFi, telecamere, alimentazione), contattare [email protected] or visita https://rcdrone.top/.

Dettagli