DOFBOT Pro Lengan Robotik 6-DOF 3D Penglihatan Kedalaman untuk Jetson Nano 4GB / Orin Nano SUPER / Orin NX SUPER
DOFBOT Pro Lengan Robotik 6-DOF 3D Penglihatan Kedalaman untuk Jetson Nano 4GB / Orin Nano SUPER / Orin NX SUPER
Yahboom
Tidak dapat memuatkan ketersediaan pengambilan
Tinjauan
DOFBOT PRO adalah lengan robot 3D AI tahap desktop robotic arm yang direka untuk pendidikan dan pembangunan ROS. Ia menggabungkan struktur sendi gerakan 6-DOF, kamera kedalaman 3D, dan papan kawalan siri NVIDIA Jetson untuk menyederhanakan kawalan gerakan yang kompleks melalui ROS, kinematik maju/terbalik, dan persepsi visual untuk pengenalan ruang 3D, penjejakan, dan penggenggaman.
Video
Ciri Utama
- Keserasian platform Jetson: serasi dengan papan kawalan Jetson Nano 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER; latihan model dipercepat GPU dan pembangunan Python disokong.
- Pengenalan awan titik kedalaman 3D: pengesanan gabungan RGB + kedalaman (RGB+D) untuk penentuan kedudukan 3D, penjejakan, dan tugas penggenggaman.
- Perancangan dan simulasi gerakan ROS: menyokong perancangan gerakan MoveIt dan simulasi robot RViz; menyokong interaksi visual 2D dan 3D.
- Struktur aloi aluminium 6-DOF: badan aloi aluminium yang diproses dengan ketepatan; servo berketepatan tinggi untuk gerakan pelbagai paksi yang lancar.
- Pengawalan pelbagai platform: menyokong kawalan aplikasi (Android/iOS), kawalan pemegang tanpa wayar, dan kawalan halaman web PC.
- Konsep multimodal / model besar (seperti yang disediakan): Model Bahasa Besar, Model Suara Besar, Model Visual Besar; termasuk Pangkalan Pengetahuan RAG yang Boleh Diskala dan deskripsi “Arsitektur Penalaran Maklum Balas Dinamik Dwi-Modal”.
- Rangka kerja algoritma yang disenaraikan: algoritma kinematik songsang, YOLOv11, OpenCV, MediaPipe.
Untuk pemilihan produk dan sokongan teknikal, hubungi https://rcdrone.top/ atau emel [email protected].
Spesifikasi
DOFBOT-PRO (sistem lengan robotik)
| Pengawal utama | Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER |
|---|---|
| Darjah kebebasan | 6 |
| Jarak lengan | 350mm |
| Gripper buka-tutup | 6cm |
| Ketepatan penempatan yang boleh diulang | ±0.5mm |
| Jenis struktur | Struktur lengan robotik tradisional |
| Kamera | DABAI DCW2 Kamera kedalaman |
| Dimensi visual | Imej 3D dengan maklumat jarak kedalaman |
| Suara | Modul suara model besar AI + pembesar suara |
| Paparan | 10.1-inch paparan |
| Fungsi | Kawalan interkoneksi; Perancangan gerakan MoveIt; Simulasi robot RViz; Interaksi visual 2D; Interaksi visual 3D; Model besar AI |
| Penentuan kedudukan (seperti yang diterangkan) | AI terbenam / model besar AI / lengan robotik visual kedalaman 3D |
Konfigurasi Lengan Robot ROS (seperti yang disenaraikan)
| Versi | Versi Standard | Versi Ultimate |
|---|---|---|
| Papan kawalan | 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 |
| Modul Suara | Semua versi termasuk modul suara model besar AI | |
| Kamera Kedalaman | DABAI DCW2 Kamera Kedalaman | |
| Paparan | / | HD 10.1-inci skrin sentuh |
Cadangan Pemilihan Pengawal (spesifikasi papan Jetson ditunjukkan)
| Item | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|---|---|
| Kuasa pengkomputeran | 0.5TFLOPS (FP16) | 34 TOPS | 67 TOPS | 117 TOPS | 157 TOPS |
| CPU | Pemproses Quad-core Arm Cortex-A57 MPCore | CPU 6-core Arm Cortex-A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 | CPU 6-core Arm Cortex-A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 | CPU 6-core NVIDIA Arm Cortex A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 | CPU 8-core NVIDIA Arm Cortex A78AE v8.2 CPU 64-bit; 2MB L2 + 4MB L3 |
| GPU | GPU NVIDIA Maxwell 128-core | GPU dengan seni bina NVIDIA Ampere 512-core dengan 16 Tensor Cores | GPU dengan seni bina NVIDIA Ampere 1024-core dengan 32 Tensor Cores | GPU dengan seni bina NVIDIA Ampere 1024-core dengan 32 Tensor Cores | GPU dengan seni bina NVIDIA Ampere 1024-core dengan 32 Tensor Cores |
| Memori | 4GB 64-bit LPDDR4; 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 |
| Penyimpanan | 16GB eMMC + 64GB U disk | 256GB SSD | |||
| Kuasa | 5W - 10W | 7W , 10W , 25W | 7W , 15W , 25W | 10W , 15W , 25W , 40W | 10W , 15W , 25W , 40W |
| Versi Sistem ROS | Ubuntu18.04 + Docker + ROS2 Humble | Ubuntu22.04 LTS + ROS2 Humble | |||
Perbezaan Operasi Fungsi (hasil yang diukur ditunjukkan)
| Versi | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|
| Permulaan robot (masa permulaan program) | 62s | 49s | 48s |
| Pengesanan wajah 2D (masa permulaan program / bingkai program berjalan) | 4s / 10fps | 7s / 30fps | 7s / 30fps |
| Pengenalan isyarat 2D menangkap blok (masa permulaan program / bingkai program berjalan) | 7s / 6fps | 6s / 30fps | 6s / 30fps |
| Pengenalan trajektori hujung jari 2D (masa permulaan program / bingkai program berjalan) | 10s / 5fps | 7s / 30fps | 6s / 30fps |
| MoveIt (masa mula program / bingkai program berjalan) | 45s / 6fps | 43s / 30fps | 38s / 30fps |
| Pengenalan dan pengasingan sampah 3D-Yolo (masa mula program / bingkai program berjalan) | 64s / 5fps | 9s / 30fps | 6s / 30fps |
| Penyortiran jarak kod mesin isyarat 3D-Mediapipe (masa mula program / bingkai program berjalan) | 9s / 6fps | 5s / 14fps | 3s / 15fps |
| Penjejakan 3D untuk mengambil blok warna (masa mula program / bingkai program berjalan) | 8s / 10fps | 4s / 14fps | 2s / 15fps |
| Model besar AI untuk penyortiran objek (masa mula program / bingkai program berjalan) | 40s / 5fps | 25s / 30fps | 20s / 30fps |
Aplikasi
- Pengesanan dan pengambilan visi 3D; persepsi spatial; penjejakan objek; pengisihan 3D
- Pengukuran kedalaman (pengukuran jarak), pengenalan bentuk, pengukuran ketinggian, pengukuran isipadu
- Pemosisian dan penjejakan visi kedalaman; penjejakan dan pengambilan spatial 3D; pengenalan awan titik 3D
- Interaksi visual berkuasa AI: pengisihan dan pengendalian pintar, pengenalan warna, penjejakan dinamik, pengisihan sampah, penjejakan, pengambilan
- Aliran kerja multimodal yang diterangkan: analisis video, kawalan gerakan arahan panjang, pengisihan ketinggian yang tidak normal, inferens niat (pangkalan pengetahuan RAG), algoritma penjejakan objek KCF, tugas pengenalan berasaskan YOLOv11
Dimensi objek contoh ditunjukkan untuk demonstrasi pengukuran isipadu: 30*30*30mm Kubus, 30*30*30mm Silinder, 30*30*60mm Silinder.Contoh lapisan jarak yang ditunjukkan termasuk 240.0mm dan 190.0mm.
Manual
Pautan tutorial: http://www.yahboom.net/study/DOFBOT-Pro
Butiran
Bandingkan pilihan lengan robot desktop yang popular dengan cepat, termasuk darjah kebebasan, jangkauan, julat penggenggam, dan platform kawalan.
Satu gambaran spesifikasi cepat membantu memilih model yang tepat untuk pembelajaran ROS, simulasi, dan tugas penglihatan asas.
DOFBOT-PRO menggabungkan lengan 6-DOF, pengesanan kedalaman RGB+D, dan keserasian Jetson untuk persepsi 3D dan pembangunan penggenggaman.
Butiran konfigurasi alternatif disediakan untuk pengguna yang memerlukan struktur lengan dan persediaan kamera yang berbeza.
Dibina untuk pendidikan dan pembangunan ROS, kit ini menggabungkan lengan 6-DOF yang padat dengan penglihatan kedalaman dan persediaan gaya desktop yang terintegrasi.
Direka untuk perancangan gerakan dan aliran persepsi seperti kinematik, pengenalan sasaran, penjejakan, dan penggenggaman dalam ruang 3D.
Modul utama merangkumi persepsi kedalaman, konsep interaksi AI, dan rangka kerja perisian yang digunakan dalam saluran robotik biasa.
Sorotan perkakasan dan perisian merangkum apa yang termasuk untuk membina demo visi + ROS dan eksperimen bilik darjah.
Pelbagai pilihan papan Jetson membantu skala dari prototaip peringkat permulaan ke beban kerja AI berprestasi tinggi.
Gunakan matriks konfigurasi untuk memadankan papan pengawal dan set ciri dengan keperluan projek ROS anda.
Visi kedalaman menambah pemahaman yang peka terhadap jarak untuk penentuan kedudukan, pengenalan, dan perancangan penggenggaman yang lebih boleh dipercayai berbanding 2D sahaja.
Kalibrasi kamera-lengan menyokong tugas seperti pengenalan awan titik dan pengukuran berasaskan kedalaman untuk interaksi ruang 3D.
Konsep interaksi multimodal merangkumi teks, suara, dan kemampuan penglihatan untuk membina aliran kerja manusia-robot yang lebih kaya.
Contoh aplikasi memberi tumpuan kepada tingkah laku pengasingan dan pengendalian yang menggabungkan persepsi dengan kawalan berasaskan arahan.
Demos praktikal mempamerkan tugas penjejakan, pengasingan, dan pemilihan tindakan yang dibina berdasarkan logik penglihatan dan interaksi.
Aktiviti gaya cabaran interaktif menyediakan senario yang mudah didekati untuk menguji persepsi, penaakulan, dan gelung kawalan.
Contoh pengenalan penglihatan merangkumi penjejakan berasaskan warna, pengasingan blok, permainan interaktif, dan penumpukan berasaskan label.
Nota latihan dan lengkung prestasi menggariskan arah aliran kerja pembelajaran mendalam yang termasuk untuk tugas pengesanan objek.
DOFBOT Pro menyokong interaksi isyarat berasaskan MediaPipe, kinematik maju/terbalik, dan kawalan simulasi MoveIt untuk aliran kerja penyediaan dan pembangunan.
DOFBOT Pro menyokong simulasi kinematik MoveIt dengan perancangan trajektori, pengesanan perlanggaran, dan aliran kerja ROS/ROS2 (Humble) untuk kawalan gerakan.
DOFBOT Pro menyokong kawalan aplikasi, kawalan web, dan alat kawalan jauh tanpa wayar USB, dengan susun atur sendi 6-DOF yang dilabel J1–J6 untuk penyediaan dan perancangan pergerakan yang tepat.
DOFBOT Pro 6-DOF lengan robot menggabungkan papan kawalan berasaskan Jetson dengan kamera kedalaman DaBai DCW2 dan servo bas siri pintar untuk projek gerakan berpandukan visi.
Penyediaan DOFBOT Pro termasuk susun atur papan pengembangan lengan robot dan menyokong tambahan seperti modul suara dan skrin sentuh 10.1 inci untuk kawalan.
Garis besar kursus DOFBOT-PRO memecahkan modul latihan dan matlamat pembelajaran untuk membantu merancang langkah penyediaan dan pembangunan.
DOFBOT Pro termasuk kod sumber terbuka yang teratur dan folder tutorial langkah demi langkah yang merangkumi penjejakan visual 2D/3D, pengasingan dan penggenggaman, serta aliran kerja kamera kedalaman.
DOFBOT Pro termasuk tutorial video yang boleh dimuat turun, bahan pembelajaran ROS2, fail model 3D, dan kod Python sumber terbuka untuk pembangunan pada papan Jetson.
Gambaran dimensi dan tinjauan spesifikasi membantu anda merancang ruang pemasangan dan integrasi sistem untuk lengan robotik DOFBOT Pro 6-DOF.
Kit DOFBOT Pro termasuk lengan robotik dengan set aksesori standard seperti perkakasan pengawal, kabel kuasa dan data, serta alat asas untuk pemasangan dan penyediaan.
Related Collections
