Panoramica
DOFBOT PRO è un braccio robotico di livello desktop con visione 3D AI progettato per l'istruzione e lo sviluppo ROS. Combina una struttura di giunto di movimento a 6 DOF, una telecamera di profondità 3D e schede di controllo della serie NVIDIA Jetson per semplificare il controllo del movimento complesso attraverso ROS, cinematica diretta/inversa e percezione visiva per il riconoscimento, il tracciamento e la presa nello spazio 3D.
Video
Caratteristiche principali
- Compatibilità con la piattaforma Jetson: compatibile con le schede di controllo Jetson Nano 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER; sono supportati l'addestramento di modelli accelerato da GPU e lo sviluppo in Python.
- Riconoscimento della nuvola di punti di profondità 3D: rilevamento di fusione RGB + profondità (RGB+D) per compiti di posizionamento, tracciamento e presa 3D.
- Pianificazione e simulazione del movimento ROS: supporta la pianificazione del movimento MoveIt e la simulazione del robot RViz; supporta l'interazione visiva 2D e 3D.
- Struttura in lega di alluminio a 6 gradi di libertà: corpo in lega di alluminio lavorato con precisione; servomotori ad alta precisione per un movimento fluido su più assi.
- Controllo multipiattaforma: supporta il controllo tramite app (Android/iOS), controllo wireless tramite manico e controllo tramite pagina web PC.
- Concetti multimodali / di grandi modelli (come fornito): Modello di Linguaggio Grande, Modello di Voce Grande, Modello Visivo Grande; include una Base di Conoscenza RAG Scalabile e descrizioni dell'“Architettura di Ragionamento Dinamico a Doppia Modalità”.
- Framework algoritmici elencati: algoritmo di cinematica inversa, YOLOv11, OpenCV, MediaPipe.
Per la selezione dei prodotti e supporto tecnico, contattare https://rcdrone.top/ o inviare un'email a [email protected].
Specifiche
DOFBOT-PRO (sistema di braccio robotico)
| Controllo master | Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER |
|---|---|
| Grado di libertà | 6 |
| Span del braccio | 350mm |
| Chiusura-apertura della pinza | 6cm |
| Precisione di posizionamento ripetibile | ±0.5mm |
| Tipo di struttura | Struttura tradizionale del braccio robotico |
| Camera | DABAI DCW2 Camera di profondità |
| Dimensione visiva | Immagine 3D con informazioni sulla distanza di profondità |
| Voce | Modulo voce AI di grande modello + altoparlante |
| Display | 10.1-pollice display |
| Funzione | Controllo dell'interconnessione; Pianificazione del movimento MoveIt; Simulazione robotica RViz; Interazione visiva 2D; Interazione visiva 3D; Modello AI di grandi dimensioni |
| Posizionamento (come descritto) | AI incorporata / Modello AI di grandi dimensioni / Braccio robotico visivo 3D |
Configurazioni del braccio robotico ROS (come elencato)
| Versione | Versione Standard | Versione Ultima |
|---|---|---|
| Pannelli di controllo | 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 |
| Modulo vocale | Tutte le versioni includono il modulo vocale del modello AI di grandi dimensioni | |
| Camera di profondità | DABAI DCW2 Camera di profondità | |
| Display | / | HD 10.1-pollice touchscreen |
Raccomandazioni per la selezione del controller (specifiche della scheda Jetson mostrate)
| Articolo | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|---|---|
| Potenza di calcolo | 0.5TFLOPS (FP16) | 34 TOPS | 67 TOPS | 117 TOPS | 157 TOPS |
| CPU | Processore Quad-core Arm Cortex-A57 MPCore | CPU Arm Cortex-A78AE v8.2 a 6 core 64-bit; 1.5MB L2 + 4MB L3 | CPU Arm Cortex-A78AE v8.2 a 6 core 64-bit; 1.5MB L2 + 4MB L3 | CPU NVIDIA Arm Cortex A78AE v8.2 a 6 core 64-bit; 1.5MB L2 + 4MB L3 | CPU NVIDIA Arm Cortex A78AE v8.2 CPU a 64 bit; 2MB L2 + 4MB L3 |
| GPU | GPU NVIDIA Maxwell a 128 core | GPU con architettura NVIDIA Ampere a 512 core con 16 Tensor Cores | GPU con architettura NVIDIA Ampere a 1024 core con 32 Tensor Cores | GPU con architettura NVIDIA Ampere a 1024 core con 32 Tensor Cores | GPU con architettura NVIDIA Ampere a 1024 core con 32 Tensor Cores |
| Memoria | 4GB LPDDR4 a 64 bit; 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 |
| Memoria | 16GB eMMC + 64GB U disk | 256GB SSD | |||
| Potenza | 5W - 10W | 7W , 10W , 25W | 7W , 15W , 25W | 10W , 15W , 25W , 40W | 10W , 15W , 25W , 40W |
| Versione del sistema ROS | Ubuntu18.04 + Docker + ROS2 Humble | Ubuntu22.04 LTS + ROS2 Humble | |||
Funzione Operazione Differenza (risultati misurati mostrati)
| Versione | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|
| Avvio del robot (tempo di avvio del programma) | 62s | 49s | 48s |
| Riconoscimento facciale 2D (tempo di avvio del programma / frame in esecuzione del programma) | 4s / 10fps | 7s / 30fps | 7s / 30fps |
| Riconoscimento di gesti 2D blocchi di acquisizione (tempo di avvio del programma / frame in esecuzione del programma) | 7s / 6fps | 6s / 30fps | 6s / 30fps |
| Riconoscimento della traiettoria della punta delle dita 2D (tempo di avvio del programma / frame in esecuzione del programma) | 10s / 5fps | 7s / 30fps | 6s / 30fps |
| MoveIt (ora di inizio programma / fotogramma in esecuzione programma) | 45s / 6fps | 43s / 30fps | 38s / 30fps |
| Riconoscimento e smistamento rifiuti 3D-Yolo (ora di inizio programma / fotogramma in esecuzione programma) | 64s / 5fps | 9s / 30fps | 6s / 30fps |
| Ordinamento della distanza del codice macchina dei gesti 3D-Mediapipe (ora di inizio programma / fotogramma in esecuzione programma) | 9s / 6fps | 5s / 14fps | 3s / 15fps |
| Tracciamento 3D per afferrare blocchi colorati (ora di inizio programma / fotogramma in esecuzione programma) | 8s / 10fps | 4s / 14fps | 2s / 15fps |
| Modello AI grande per lo smistamento degli oggetti (ora di inizio programma / fotogramma in esecuzione programma) | 40s / 5fps | 25s / 30fps | 20s / 30fps |
Applicazioni
- Rilevamento e afferraggio della visione 3D; percezione spaziale; tracciamento degli oggetti; ordinamento 3D
- Misurazione della profondità (misurazione della distanza), riconoscimento della forma, misurazione dell'altezza, misurazione del volume
- Posizionamento e tracciamento della visione profonda; tracciamento e afferraggio spaziale 3D; riconoscimento della nuvola di punti 3D
- Interazione visiva potenziata dall'IA: ordinamento e gestione intelligenti, riconoscimento dei colori, tracciamento dinamico, ordinamento dei rifiuti, tracciamento, afferraggio
- Flussi di lavoro multimodali descritti: analisi video, controllo del movimento a lungo comando, ordinamento dell'altezza anomala, inferenza dell'intento (base di conoscenza RAG), algoritmo di tracciamento degli oggetti KCF, compiti di riconoscimento basati su YOLOv11
Esempi di dimensioni degli oggetti mostrati per dimostrazioni di misurazione volumetrica: Cubo 30*30*30mm, Cilindro 30*30*30mm, Cilindro 30*30*60mm.Esempi di sovrapposizioni di distanza mostrati includono 240,0 mm e 190,0 mm.
Manuali
Link al tutorial: http://www.yahboom.net/study/DOFBOT-Pro
Dettagli

Confronta le opzioni popolari di bracci robotici desktop a colpo d'occhio, inclusi gradi di libertà, portata, gamma del gripper e piattaforme di controllo.

Una rapida panoramica delle specifiche aiuta a scegliere il modello giusto per l'apprendimento ROS, la simulazione e i compiti di visione di base.

DOFBOT-PRO combina un braccio a 6 DOF, rilevamento della profondità RGB+D e compatibilità Jetson per la percezione 3D e lo sviluppo della presa.

I dettagli della configurazione alternativa sono forniti per gli utenti che necessitano di una struttura del braccio e di un'impostazione della fotocamera diverse.

Progettato per l'istruzione e lo sviluppo ROS, il kit abbina un braccio compatto a 6 DOF con visione di profondità e un'impostazione integrata in stile desktop.

Progettato per flussi di lavoro di pianificazione del movimento e percezione come cinematica, riconoscimento degli obiettivi, tracciamento e afferraggio nello spazio 3D.

I moduli chiave coprono la percezione della profondità, i concetti di interazione AI e i framework software utilizzati nei pipeline robotici comuni.

I punti salienti dell'hardware e del software riassumono ciò che è incluso per costruire dimostrazioni di visione + ROS e esperimenti in aula.

Multiple opzioni di schede Jetson aiutano a scalare dalla prototipazione di livello base a carichi di lavoro AI ad alte prestazioni.

Utilizza la matrice di configurazione per abbinare la scheda di controllo e il set di funzionalità ai requisiti del tuo progetto ROS.

La visione profonda aggiunge una comprensione consapevole della distanza per un posizionamento, riconoscimento e pianificazione dell'afferraggio più affidabili rispetto al 2D da solo.

La calibrazione della telecamera del braccio supporta compiti come il riconoscimento delle nuvole di punti e la misurazione basata sulla profondità per l'interazione nello spazio 3D.

I concetti di interazione multimodale includono capacità di testo, voce e visione per costruire flussi di lavoro più ricchi tra esseri umani e robot.

Gli esempi di applicazione si concentrano su comportamenti di ordinamento e gestione che combinano percezione con controllo guidato da comandi.

Le dimostrazioni pratiche mostrano compiti di tracciamento, ordinamento e selezione delle azioni costruiti attorno alla logica di visione e interazione.

Attività interattive in stile sfida forniscono scenari accessibili per testare la percezione, il ragionamento e i loop di controllo.

Gli esempi di riconoscimento visivo coprono il tracciamento basato sul colore, l'ordinamento dei blocchi, i giochi interattivi e la sovrapposizione basata su etichette.

Le note di formazione e le curve di prestazione delineano la direzione del flusso di lavoro di deep learning incluso per i compiti di rilevamento degli oggetti.

DOFBOT Pro supporta l'interazione gestuale basata su MediaPipe, cinematica diretta/inversa e controllo della simulazione MoveIt per flussi di lavoro di configurazione e sviluppo.

DOFBOT Pro supporta la simulazione cinematica MoveIt con pianificazione delle traiettorie, rilevamento delle collisioni e flussi di lavoro ROS/ROS2 (Humble) per il controllo del movimento.

DOFBOT Pro supporta il controllo tramite app, controllo web e un telecomando wireless USB, con un layout di giunti a 6 gradi di libertà etichettato J1–J6 per una configurazione e pianificazione del movimento precise.

Il braccio robotico DOFBOT Pro a 6 gradi di libertà abbina una scheda di controllo basata su Jetson con una telecamera di profondità DaBai DCW2 e servomotori intelligenti a bus seriale per progetti di movimento guidati dalla visione.

La configurazione del DOFBOT Pro include un layout di scheda di espansione per il braccio robotico e supporta accessori come un modulo vocale e un touchscreen da 10,1 pollici per il controllo.

Il programma del corso DOFBOT-PRO suddivide i moduli di formazione e gli obiettivi di apprendimento per aiutare a pianificare i passaggi di configurazione e sviluppo.

DOFBOT Pro include codice open-source organizzato e cartelle di tutorial passo-passo che coprono il tracciamento visivo 2D/3D, la selezione e la presa, e i flussi di lavoro della fotocamera di profondità.

DOFBOT Pro include tutorial video scaricabili, materiali di apprendimento ROS2, un file modello 3D e codice Python open-source per lo sviluppo su schede Jetson.

Disegni dimensionale e una panoramica delle specifiche ti aiutano a pianificare lo spazio di montaggio e l'integrazione del sistema per il braccio robotico DOFBOT Pro 6-DOF.

Il kit DOFBOT Pro include il braccio robotico con un set di accessori standard come hardware del controller, cavi di alimentazione e dati, e strumenti di base per l'assemblaggio e la configurazione.
Related Collections
