NVIDIA Jetson Nano 4GB B01 開発キット（エッジAI/ROS対応）- A57 1.43GHz、128コアMaxwell GPU

概要

Jetson NANO 4GB B01 AI 大規模モデル開発者キットは、AIを始めるために設計されたコンパクトな開発者キット（開発ボードプラットフォーム）です。画像分類、物体検出、セグメンテーション、音声処理などのアプリケーションのために、複数のニューラルネットワークを並行して実行でき、わずか5ワットで動作します。

このJetson Nanoプラットフォームは、クアッドコアARM Cortex-A57プロセッサと128コアMaxwell GPUを搭載し、4GBのLPDDRメモリを持ち、TensorFlow、PyTorch、Caffe/Caffe2、Keras、MXNetなどの人気のAIフレームワークとアルゴリズムをサポートしています。

主な特徴

• CPU: クアッドコアARM A57 @ 1.43 GHz
• GPU: 128コアMaxwell
• AI計算能力: 473 GFLOPS（提供されたテキストでは472 GFLOPとも記載されています）
• 低消費電力動作: わずか5 W（提供された比較資料では5 W–10 Wとも示されています）
• ビデオエンコード: 4K @ 30; 4x 1080p @ 30; 9x 720p @ 30 (H.264/H.265)
• ビデオデコード: 4K @ 60; 2x 4K @ 30; 8x 1080p @ 30; 18x 720p @ 30 (H.264/H.265)
• カメラインターフェース: MIPI CSI-2 DPHY チャンネル *2
• ディスプレイ: HDMI と DP
• ネットワーキング / 拡張: ギガビットイーサネット; M.2 キー E; M.2 デュアルバンド高速ネットワークカードをサポート; USB 高速ネットワークカードをサポート
• USB: 4x USB 3.0; USB 2.0 Micro-B
• その他の I/O: GPIO, I2C, I2S, SPI, UART
• 電源入力: マイクロ USB, DC 電源, および PoE (提供されたテキストに記載されている通り)

仕様

ストレージノート（公式デモ vs SUBバージョン）

• 提供された比較資料には2つのバリアントがリストされています: Jetson Nano 4GB 開発者キット (SUB) と Jetson Nano 4GB 開発者キット (公式デモ).
• SUBストレージ（表示）: 16GB eMMC. 資料によると、ボードは外部ストレージなしで起動でき、16GB eMMCは通常の開発ニーズを満たし、公式システムイメージファイルと互換性があります。
• 公式デモストレージ（表示）: microSD（含まれていません）. 資料によると、ユーザーはTFカード（microSD）を購入し、システムイメージファイルを書き込んでボードを起動する必要があります。
• プロジェクトのためのストレージ容量が不十分な場合、素材はUSBディスクまたはTFカードを使用して容量を拡張できると記載されています。

TFカード / システムイメージの注意

• 提供された素材には次のように記載されています：「発送リストに含まれるTFカードにはすべてシステムイメージが書き込まれています。」
• 提供された素材にはさらに次のように記載されています：「キットのすべてのバージョンには64GBのTFカードが含まれています。」
• 別の注意事項には、公式システムイメージ + AI環境設定のインストールが32GBを超える可能性があるため、64GB以上のUディスク/TFカードの使用を推奨すると記載されています。

チュートリアルビデオ

コース / チュートリアルコンテンツ（提供された通り）

• 2026年6月に更新: OpenClawの展開とアプリケーションチュートリアル（新規）。二つのインタラクション方法が記載されています：WAPと音声モジュール。
• 高度なROSチュートリアル (HOT): ROS1およびROS2の基本と関連学習資料が表示されます。
• 高度なAIビジョン開発チュートリアル (HOT): ボードカメラチュートリアル、USB外部カメラテスト、Jetson-Inference環境構築、DeepStream環境構築などの項目が含まれています（以下のアウトラインに記載されている通り）。

Jetson Nano B01 コース概要 (抜粋)

• すぐに始める: 1. ルートを学ぶ; 2. クイックスタートチュートリアル
• Jetson Nano B01 基本チュートリアル: 1. Jetson nano B01の紹介; 2. システムイメージをフラッシュする; 3. フラッシュしたSDを再読み込みする; 4. Jetson Nano B01を起動する; 5. 公式イメージを書き込む (SDK)
• Jetson Nano B01 SUBボード基本チュートリアル: 1. Jetson Nano B01 SUBボードの紹介; 2. EMMCシステムイメージを書き込む
• TFの起動: 1.Jetson Nano SUB TFカードの起動とスケーリング; 2. TFカードシステムイメージの書き込み; 3. フラッシュしたSDの再読み込み; 4. TFカードブート
• Uディスクの起動: 1. EMMCブートの書き込み; 2. Uディスクシステムの書き込み; 3. フラッシュしたUディスクの再読み込み; 4. Jetson Nano SUBの起動
• システム基本設定チュートリアル: 1. Jetson Nano B01システムとデスクトップの紹介; 2. SDカードの拡張; 3. ネットワーク設定; 4. SSH Telnet &ファイル転送; 5. VNCリモートログイン; 6. Jetson Nano B01システムバックアップ; 7. Jetson Nano B01スワップスペースの増加; 8. Jtopのインストールと使用
• GPIOハードウェア制御チュートリアル: 1. GPIOライブラリのAPI使用; 2. Jetson Nano B01ハードウェアライブラリの設定; 3. ピン読み取り機能; 4. ピンレベル出力制御; 5. LEDの制御; 6. Jetson Nano B01が外部デバイスのシリアルポートと通信; 7. Jetson Nano B01 I2C通信
• AI高度なビジュアルチュートリアル: 1.オンボードカメラチュートリアル; 2. USB外部カメラテスト; 3. Jupyter LabとJetchamのインストール; 4. TensorFlowのインストール（オプション）; 5. Jetson-Inference環境構築（オプション）; 6. こんにちはAIワールド; 7. 画像分類推論; 8. 物体検出推論; 9. セマンティックセグメンテーション; 10. ポーズ推定; 11. アクション認識; 12. 背景除去; 13. 単眼深度推定; 14. DeepStream環境構築（オプション）; 15. 自動車検査; 16. yolo5の紹介; 17. YOLO5環境構築（オプション）; 18. yolo5のリアルタイム検出; 19. yolo5 + tensorrt加速; 20. yolo5 + tensorrt加速 + Deep Stream（カメラを開く）; 21. Mediapipe環境構築（オプション）; 22. Mediapipe開発; 23. Read Me
• YOLOv11 / YOLO26 高度な使用法 (新規): 00. 実行前に必ず読む; 01. YOLOv11環境構築; 02. CLI使用法; 03. 物体検出; 04. インスタンスセグメンテーション; 05. ポーズ推定; 06.画像分類; 07. 指向性バウンディングボックスオブジェクト検出; 08. モデル変換
• ROS1 基本コース: 1. ROSの紹介; 2. プロジェクトファイル構造; 3. 一般的なコマンドとツール; 4. パブリッシャー; 5. サブスクライバー; 6. トピックメッセージのカスタマイズと使用; 7. クライアント; 8. サーバー; 9. サービスメッセージのカスタマイズと使用; 10. TFリリースとモニタリング
• ROS1 ビジュアル画像処理コース: 1. ARビジョン; 2. AR QRコード; 3. ROS+OpenCV基礎; 4. ROS+OpenCVアプリケーション; 5. MediaPipe開発
• ROS2 基本コース: 1. ROS2の紹介; 2. ROS2のインストールHumble; 3. ROS2開発環境; 4. ROS2ワークスペース; 5. ROS2機能パッケージ; 6. ROS2ノード; 7. ROS2トピック通信; 8. ROS2サービス通信; 9. ROS2アクション通信; 10. ROS2カスタムインターフェースメッセージ; 11. ROS2パラメータサービスケース; 12. ROS2メタ機能パッケージ; 13. ROS2分散通信; 14. ROS2 DDS; 15.ROS2 時間関連 API; 16. ROS2 共通コマンドツール; 17. ROS2 rviz2 の使用; 18. ROS2 rqt ツールボックス; 19. ROS2 ランチスタートアップファイルの設定; 20. ROS2 録音および再生ツール; 21. ROS2 URDF モデル; 22. ROS2 Gazebo シミュレーションプラットフォーム; 23. ROS2 TF2 座標変換
• Docker コース: 1. 概要とインストール; 2. 一般的なコマンド; 3. 画像の理解と公開; 4. ハードウェアインタラクションデータ処理; 5. Docker コンテナに入る; 6. Docker 画像の更新
• OpenCV 画像処理コース: 1. OpenCV 基本コース; 2. ROS+opencv アプリケーション; 3. QR コード認識; 4. AR ビジョン; 5. Mediapipe
• オフライン AI 大規模モデルチュートリアル: 0. AI 大規模モデルシステム画像の指示; 1. AI 大規模モデル環境の展開; 2. 大規模モデル対話プラットフォームのインストール; 3. Meta AI Llama 3.2 モデル; 4. Alibaba Cloud Qwen2 モデル; 5. Alibaba Cloud Qwen3 モデル; 6. SUTD TinyLlama; 7. DeepSeek DeepSeek-R1 モデル; 8.マイクロソフト Phi-3; 9. マイクロソフト オルカ ミニ; 10. NVIDIA スターコーダー2; 11. グーグル ジェンマ3 ビジュアル マルチモーダル 大規模モデル; 12. オフライン テキストから音声への変換 (TTS); 13. オフライン 音声からテキストへの変換 (ASR)
• オンライン 大規模モデル チュートリアル: 1. OpenRouter 大規模モデル API 集約プラットフォーム; 2. マルチモーダル ビジュアル理解アプリケーション; 3. マルチモーダル ビジュアルローカリゼーションアプリケーション; 4. マルチモーダル テーブルスキャンアプリケーション; 5. マルチモーダル 自律プロキシアプリケーション
• オンライン 大規模モデル (音声インタラクション): 0. 音声インタラクション ハードウェア接続 (ReadMe); 1. オフライン 音声からテキストへの変換 (ASR); 2. オフライン テキストから音声への変換 (TTS); 3. AI 大規模モデル 音声インタラクション; 4. マルチモーダル ビジュアル理解 音声インタラクション; 5. マルチモーダル ビジュアルポジションアプリケーション; 6. マルチモーダル テーブルスキャンアプリケーション; 7. マルチモーダル 自律プロキシアプリケーション; 8. AI 大規模モデル オフライン音声アシスタント
• OpenClaw デプロイメントと基本的な使用法: 1.OpenClaw デプロイメント; 2. OpenClaw WAP プラグインアプリケーション; 3. OpenClaw WebChat インタラクション; 4. OpenClaw TUI インタラクション; 5. OpenClaw ツールの紹介; 6. OpenClaw Gate ゲートウェイユーザーマニュアル; 7. OpenClaw 機能の概要; 8. OpenClaw ハブの紹介 (スキルインストール); 9. OpenClaw アプリケーションファイル管理; 10. OpenClaw アプリケーションカメラ; 12. OpenClaw アプリケーションスクリプト実行; 13. OpenClaw アプリケーションプログラミング (周辺機器 & GPIO コントロール); 14. OpenClaw アプリケーション専用 AI アシスタント
• OpenClaw 使用前の準備: 1. 周辺機器ハードウェア構成; 2. OpenClaw API-KEY 構成; 3. OpenClaw スイッチングモデル; 4. OpenClaw プロンプトワード; 5. AI 音声インタラクション構成; 6. 3D スキーム構成テスト
• OpenClaw Peripheral Act プログラミング (周辺機器制御): 1. サーボ制御; 2. RGB ライトストリップ; 3. OLED
• OpenClaw 拡張高度開発: 1.温度と湿度センサー; 2. カメラアプリケーション; 1. 植物ケアバトラー; 2. AI熱推定; 3. AI推測パームゲーム; 4. AIペット; 5. AI気象ステーション; 6. 温度感度メーター; 7. スケジュールされたタスク

パッキングリスト（表示されるノート）

• 提供された資料の状態: 別々のボード操作には電源アダプターと64Gメモリーカードが必要です。

アプリケーション

• エッジAIプロトタイピング: 画像分類、物体検出、セグメンテーション、音声処理
• ROS学習とロボティクス開発（提供された資料に示されているように、ROSシステム / ROSロボットはサポートされる学習対象として示されています）
• MIPI CSI-2（2チャンネル）またはUSBカメラを介したコンピュータビジョンおよびカメラベースのプロジェクト（コース概要に参照されている通り）

注文確認（ストレージバリアント、付属アクセサリー）または統合に関する質問（M.2つのキーE WiFiカード、カメラ、電源については、[email protected] orに連絡し、https://rcdrone.top/ .

詳細

をご覧ください。