DOFBOT Pro 6-DOF 3D 깊이 비전 로봇 팔 (Jetson Nano 4GB / Orin Nano SUPER / Orin NX SUPER용)
DOFBOT Pro 6-DOF 3D 깊이 비전 로봇 팔 (Jetson Nano 4GB / Orin Nano SUPER / Orin NX SUPER용)
Yahboom
픽업 사용 가능 여부를 로드할 수 없습니다.
개요
DOFBOT PRO는 ROS 교육 및 개발을 위해 설계된 데스크탑 수준의 3D AI 비전 로봇 팔 입니다. 6-DOF 모션 조인트 구조, 3D 깊이 카메라 및 NVIDIA Jetson 시리즈 제어 보드를 결합하여 ROS, 전방/역기구학 및 3D 공간 인식을 위한 시각적 인식을 통해 복잡한 모션 제어를 단순화합니다.
비디오
주요 특징
- Jetson 플랫폼 호환성: Jetson Nano 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER 제어 보드와 호환됩니다; GPU 가속 모델 훈련 및 Python 개발이 지원됩니다.
- 3D 깊이 포인트 클라우드 인식: 3D 위치 지정, 추적 및 잡기 작업을 위한 RGB + 깊이 (RGB+D) 융합 감지.
- ROS 모션 계획 및 시뮬레이션: MoveIt 모션 계획 및 RViz 로봇 시뮬레이션을 지원합니다; 2D 및 3D 시각적 상호작용을 지원합니다.
- 6-자유도 알루미늄 합금 구조: 정밀 가공된 알루미늄 합금 본체; 부드러운 다축 운동을 위한 고정밀 서보.
- 크로스 플랫폼 제어: 앱 제어(Android/iOS), 무선 핸들 제어 및 PC 웹 페이지 제어를 지원합니다.
- 다중 모드 / 대형 모델 개념(제공된 대로): 대형 언어 모델, 대형 음성 모델, 대형 시각 모델; 확장 가능한 RAG 지식 기반 및 “이중 모드 동적 피드백 추론 아키텍처” 설명이 포함됩니다.
- 나열된 알고리즘 프레임워크: 역기구학 알고리즘, YOLOv11, OpenCV, MediaPipe.
제품 선택 및 기술 지원을 원하시면 https://rcdrone.top/로 연락하시거나 이메일 [email protected]. 로 보내주십시오.
사양
DOFBOT-PRO (로봇 팔 시스템)
| 마스터 컨트롤 | Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER |
|---|---|
| 자유도 | 6 |
| 팔 길이 | 350mm |
| 그리퍼 개폐 | 6cm |
| 재현 가능한 위치 정확도 | ±0.5mm |
| 구조 유형 | 전통적인 로봇 팔 구조 |
| 카메라 | DABAI DCW2 깊이 카메라 |
| 시각적 차원 | 깊이 거리 정보가 포함된 3D 이미지 |
| 음성 | AI 대형 모델 음성 모듈 + 스피커 |
| 디스플레이 | 10.1인치 디스플레이 |
| 기능 | 상호 연결 제어; MoveIt 모션 계획; RViz 로봇 시뮬레이션; 2D 시각적 상호작용; 3D 시각적 상호작용; AI 대형 모델 |
| 위치 지정 (설명된 대로) | 임베디드 AI / AI 대형 모델 / 3D 깊이 시각 로봇 팔 |
ROS 로봇 팔 구성 (나열된 대로)
| 버전 | 표준 버전 | 궁극적 버전 |
|---|---|---|
| 제어 보드 | 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 |
| 음성 모듈 | 모든 버전에는 AI 대형 모델 음성 모듈이 포함됩니다 | |
| 깊이 카메라 | DABAI DCW2 깊이 카메라 | |
| 디스플레이 | / | HD 10.1인치 터치 스크린 |
컨트롤러 선택 추천 (Jetson 보드 사양 표시됨)
| 항목 | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|---|---|
| 연산 성능 | 0.5TFLOPS (FP16) | 34 TOPS | 67 TOPS | 117 TOPS | 157 TOPS |
| CPU | 쿼드코어 Arm Cortex-A57 MPCore 프로세서 | 6코어 Arm Cortex-A78AE v8.2 64비트 CPU; 1.5MB L2 + 4MB L3 | 6코어 Arm Cortex-A78AE v8.2 64비트 CPU; 1.5MB L2 + 4MB L3 | 6코어 NVIDIA Arm Cortex A78AE v8.2 64비트 CPU; 1.5MB L2 + 4MB L3 | 8코어 NVIDIA Arm Cortex A78AE v8.2 64비트 CPU; 2MB L2 + 4MB L3 |
| GPU | 128코어 NVIDIA Maxwell GPU | 512코어 NVIDIA Ampere 아키텍처 GPU, 16 텐서 코어 포함 | 1024코어 NVIDIA Ampere 아키텍처 GPU, 32 텐서 코어 포함 | 1024코어 NVIDIA Ampere 아키텍처 GPU, 32 텐서 코어 포함 | 1024코어 NVIDIA Ampere 아키텍처 GPU, 32 텐서 코어 포함 |
| 메모리 | 4GB 64비트 LPDDR4; 25.6GB/s | 4GB 64비트 LPDDR5; 51GB/s | 8GB 128비트 LPDDR5; 102GB/s | 8GB 128비트 LPDDR5; 102GB/s | 16GB 128비트 LPDDR5; 102GB/s |
| 저장소 | 16GB eMMC + 64GB U 디스크 | 256GB SSD | |||
| 전원 | 5W - 10W | 7W , 10W , 25W | 7W , 15W , 25W | 10W , 15W , 25W , 40W | 10W , 15W , 25W , 40W |
| ROS 시스템 버전 | Ubuntu18.04 + Docker + ROS2 Humble | Ubuntu22.04 LTS + ROS2 Humble | |||
기능 작동 차이 (측정 결과 표시됨)
| 버전 | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|
| 로봇 시작 (프로그램 시작 시간) | 62초 | 49초 | 48초 |
| 2D-얼굴 추적 (프로그램 시작 시간 / 프로그램 실행 프레임) | 4초 / 10fps | 7초 / 30fps | 7초 / 30fps |
| 2D-제스처 인식 잡기 블록 (프로그램 시작 시간 / 프로그램 실행 프레임) | 7초 / 6fps | 6초 / 30fps | 6초 / 30fps |
| 2D-손끝 경로 인식 (프로그램 시작 시간 / 프로그램 실행 프레임) | 10초 / 5fps | 7초 / 30fps | 6초 / 30fps |
| MoveIt (프로그램 시작 시간 / 프로그램 실행 프레임) | 45초 / 6fps | 43초 / 30fps | 38초 / 30fps |
| 3D-Yolo 쓰레기 인식 및 분류 (프로그램 시작 시간 / 프로그램 실행 프레임) | 64초 / 5fps | 9초 / 30fps | 6초 / 30fps |
| 3D-Mediapipe 제스처 머신 코드 거리 분류 (프로그램 시작 시간 / 프로그램 실행 프레임) | 9초 / 6fps | 5초 / 14fps | 3초 / 15fps |
| 3D-색상 블록 잡기 추적 (프로그램 시작 시간 / 프로그램 실행 프레임) | 8초 / 10fps | 4초 / 14fps | 2초 / 15fps |
| AI 대형 모델을 통한 객체 분류 (프로그램 시작 시간 / 프로그램 실행 프레임) | 40초 / 5fps | 25초 / 30fps | 20초 / 30fps |
응용 프로그램
- 3D 비전 감지 및 잡기; 공간 인식; 객체 추적; 3D 분류
- 깊이 측정(거리 측정), 형태 인식, 높이 측정, 부피 측정
- 깊이 비전 위치 지정 및 추적; 3D 공간 추적 및 잡기; 3D 포인트 클라우드 인식
- AI 기반 시각적 상호작용: 지능형 분류 및 처리, 색상 인식, 동적 추적, 쓰레기 분류, 추적, 잡기
- 설명된 다중 모드 워크플로우: 비디오 분석, 장기 명령 모션 제어, 비정상 높이 분류, 의도 추론(RAG 지식 기반), KCF 객체 추적 알고리즘, YOLOv11 기반 인식 작업
부피 측정 시연을 위한 예시 객체 치수: 30*30*30mm 정육면체, 30*30*30mm 원기둥, 30*30*60mm 원기둥.예시 거리 오버레이에는 240.0mm 및 190.0mm가 포함됩니다.
매뉴얼
튜토리얼 링크: http://www.yahboom.net/study/DOFBOT-Pro
세부정보
자유도, 도달 범위, 그리퍼 범위 및 제어 플랫폼을 포함하여 인기 있는 데스크탑 로봇 팔 옵션을 한눈에 비교합니다.
빠른 사양 스냅샷은 ROS 학습, 시뮬레이션 및 기본 비전 작업에 적합한 모델 선택에 도움을 줍니다.
DOFBOT-PRO는 6-DOF 팔, RGB+D 깊이 감지 및 Jetson 호환성을 결합하여 3D 인식 및 잡기 개발을 지원합니다.
다른 팔 구조 및 카메라 설정이 필요한 사용자를 위해 대체 구성 세부정보가 제공됩니다.
ROS 교육 및 개발을 위해 제작된 이 키트는 컴팩트한 6-DOF 팔과 깊이 비전 및 통합된 데스크탑 스타일 설정을 결합합니다.
운동 계획 및 인식 워크플로우를 위해 설계되었습니다. 여기에는 운동학, 목표 인식, 추적 및 3D 공간에서의 잡기가 포함됩니다.
주요 모듈은 깊이 인식, AI 상호작용 개념 및 일반 로봇 파이프라인에서 사용되는 소프트웨어 프레임워크를 포함합니다.
하드웨어 및 소프트웨어 하이라이트는 비전 + ROS 데모 및 교실 실험을 구축하는 데 포함된 내용을 요약합니다.
여러 Jetson 보드 옵션은 입문 수준 프로토타입에서 고성능 AI 작업으로 확장하는 데 도움을 줍니다.
구성 매트릭스를 사용하여 컨트롤러 보드와 기능 세트를 귀하의 ROS 프로젝트 요구 사항에 맞추십시오.
깊이 비전은 2D만으로는 불가능한 보다 신뢰할 수 있는 위치 지정, 인식 및 잡기 계획을 위한 거리 인식 이해를 추가합니다.
팔-카메라 보정은 포인트 클라우드 인식 및 깊이 기반 측정과 같은 작업을 지원하여 3D 공간 상호작용을 가능하게 합니다.
다중 모드 상호작용 개념은 더 풍부한 인간-로봇 작업 흐름을 구축하기 위한 텍스트, 음성 및 비전 기능을 포함합니다.
응용 프로그램 예시는 인식과 명령 기반 제어를 결합한 정렬 및 처리 행동에 중점을 둡니다.
실용적인 데모는 비전 및 상호작용 논리를 기반으로 한 추적, 정렬 및 행동 선택 작업을 보여줍니다.
인터랙티브 챌린지 스타일의 활동은 인식, 추론 및 제어 루프를 테스트하기 위한 접근 가능한 시나리오를 제공합니다.
비전 인식 예시는 색상 기반 추적, 블록 정렬, 인터랙티브 게임 및 레이블 기반 쌓기를 다룹니다.
훈련 노트 및 성능 곡선은 객체 감지 작업을 위한 포함된 딥러닝 작업 흐름 방향을 개 outline합니다.
DOFBOT Pro는 MediaPipe 기반 제스처 상호작용, 전방/역기구학 및 설정 및 개발 워크플로우를 위한 MoveIt 시뮬레이션 제어를 지원합니다.
DOFBOT Pro는 모션 제어를 위한 궤적 계획, 충돌 감지 및 ROS/ROS2 (Humble) 워크플로우와 함께 MoveIt 기구학 시뮬레이션을 지원합니다.
DOFBOT Pro는 앱 제어, 웹 제어 및 USB 무선 리모컨을 지원하며, 정밀한 설정 및 이동 계획을 위해 J1–J6으로 레이블이 붙은 6-DOF 조인트 레이아웃을 갖추고 있습니다.
DOFBOT Pro 6-DOF 로봇 팔은 Jetson 기반 제어 보드를 DaBai DCW2 깊이 카메라 및 지능형 직렬 버스 서보와 결합하여 비전 유도 모션 프로젝트를 위한 것입니다.
DOFBOT Pro 설정에는 로봇 팔 확장 보드 레이아웃이 포함되어 있으며, 제어를 위한 음성 모듈 및 10.1인치 터치 스크린과 같은 추가 기능을 지원합니다.
DOFBOT-PRO 과정 개요는 교육 모듈과 학습 목표를 분해하여 설정 및 개발 단계를 계획하는 데 도움을 줍니다.
DOFBOT Pro는 2D/3D 시각 추적, 분류 및 그립, 깊이 카메라 워크플로우를 다루는 조직된 오픈 소스 코드와 단계별 튜토리얼 폴더를 포함합니다.
DOFBOT Pro는 다운로드 가능한 비디오 튜토리얼, ROS2 학습 자료, 3D 모델 파일 및 Jetson 보드에서 개발을 위한 오픈 소스 Python 코드를 포함합니다.
치수 도면과 사양 개요는 DOFBOT Pro 6-DOF 로봇 팔의 장착 공간 및 시스템 통합을 계획하는 데 도움을 줍니다.
DOFBOT Pro 키트에는 컨트롤러 하드웨어, 전원 및 데이터 케이블, 조립 및 설정을 위한 기본 도구와 같은 표준 액세서리 세트가 포함된 로봇 팔이 포함됩니다.
