Pomiń, aby przejść do informacji o produkcie
1 z 28

DOFBOT Pro 6-DOF 3D Ramię Robotyczne z Wizją Głębi dla Jetson Nano 4GB / Orin Nano SUPER / Orin NX SUPER

DOFBOT Pro 6-DOF 3D Ramię Robotyczne z Wizją Głębi dla Jetson Nano 4GB / Orin Nano SUPER / Orin NX SUPER

Yahboom

Cena regularna $603.80 USD
Cena regularna Cena promocyjna $603.80 USD
W promocji Wyprzedane
Z wliczonymi podatkami. Koszt wysyłki obliczony przy realizacji zakupu.
Płytka główna kontrolera
Wersja
Pokaż kompletne dane

Przegląd

DOFBOT PRO to stacjonarny 3D AI wizji ramię robotyczne , zaprojektowane do edukacji i rozwoju w zakresie ROS. Łączy w sobie strukturę stawu ruchowego 6-DOF, kamerę głębi 3D oraz płyty kontrolne serii NVIDIA Jetson, aby uprościć złożoną kontrolę ruchu poprzez ROS, kinematykę do przodu/wsteczną oraz percepcję wizualną dla rozpoznawania, śledzenia i chwytania w przestrzeni 3D.

Filmy

Kluczowe cechy

  • Kompatybilność z platformą Jetson: kompatybilny z płytami kontrolnymi Jetson Nano 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER; wspiera przyspieszone przez GPU szkolenie modeli i rozwój w Pythonie.
  • Rozpoznawanie chmury punktów głębi 3D: fuzja detekcji RGB + głębokość (RGB+D) dla zadań pozycjonowania, śledzenia i chwytania w 3D.
  • Planowanie ruchu i symulacja ROS: wspiera planowanie ruchu MoveIt oraz symulację robota RViz; wspiera interakcję wizualną 2D i 3D.
  • Struktura z aluminium 6-DOF: precyzyjnie obrabiana obudowa z aluminium; serwomechanizmy o wysokiej precyzji dla płynnego ruchu wieloosiowego.
  • Kontrola międzyplatformowa: wspiera kontrolę aplikacji (Android/iOS), kontrolę bezprzewodową oraz kontrolę przez stronę internetową na PC.
  • Koncepcje multimodalne / dużych modeli (jak podano): Duży model językowy, Duży model mowy, Duży model wizualny; zawiera skalowalną bazę wiedzy RAG oraz opisy „Architektury dynamicznego sprzężenia zwrotnego w dwóch modalnościach”.
  • Wymienione ramy algorytmów: algorytm kinematyki odwrotnej, YOLOv11, OpenCV, MediaPipe.

Aby wybrać produkt i uzyskać wsparcie techniczne, skontaktuj się z https://rcdrone.top/ lub wyślij e-mail na [email protected].

Specyfikacje

DOFBOT-PRO (system ramienia robotycznego)

Główne sterowanie Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER
Stopień swobody 6
Rozpiętość ramion 350mm
Chwytak otwieranie-zamykanie 6cm
Dokładność powtarzalnego pozycjonowania ±0.5mm
Typ struktury Tradycyjna struktura ramienia robotycznego
Kamera DABAI DCW2 Kamera głębokości
Wymiar wizualny Obraz 3D z informacją o odległości głębokości
Głos Moduł głosowy dużego modelu AI + głośnik
Wyświetlacz 10.1-calowy wyświetlacz
Funkcja Kontrola połączeń; Planowanie ruchu MoveIt; Symulacja robota RViz; Interakcja wizualna 2D; Interakcja wizualna 3D; Model AI dużej skali
Pozycjonowanie (jak opisano) Wbudowane AI / Model AI dużej skali / Wizualny robotyczny ramie 3D

Konfiguracje ramion robotycznych ROS (jak wymieniono)

Wersja Wersja standardowa Wersja ultimate
Płytki kontrolne 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
Moduł głosowy Wszystkie wersje zawierają moduł głosowy modelu AI dużej skali
Kamera głębokości DABAI DCW2 Kamera głębokości
Wyświetlacz/ HD 10.1-calowy ekran dotykowy

Rekomendacje dotyczące wyboru kontrolera (specyfikacje płyty Jetson pokazane)

Przedmiot Jetson Nano B01 4GB Jetson Orin Nano SUPER 4GB Jetson Orin Nano SUPER 8GB Jetson Orin NX SUPER 8GB Jetson Orin NX SUPER 16GB
Moc obliczeniowa 0.5TFLOPS (FP16) 34 TOPS 67 TOPS 117 TOPS 157 TOPS
CPU Procesor Quad-core Arm Cortex-A57 MPCore 6-rdzeniowy procesor Arm Cortex-A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 6-rdzeniowy procesor Arm Cortex-A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 6-rdzeniowy procesor NVIDIA Arm Cortex A78AE v8.2 64-bit; 1.5MB L2 + 4MB L3 8-rdzeniowy procesor NVIDIA Arm Cortex A78AE v8.2 64-bit CPU; 2MB L2 + 4MB L3
GPU 128-rdzeniowy GPU NVIDIA Maxwell 512-rdzeniowy GPU architektury NVIDIA Ampere z 16 rdzeniami Tensor 1024-rdzeniowy GPU architektury NVIDIA Ampere z 32 rdzeniami Tensor 1024-rdzeniowy GPU architektury NVIDIA Ampere z 32 rdzeniami Tensor 1024-rdzeniowy GPU architektury NVIDIA Ampere z 32 rdzeniami Tensor
Pamięć 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
Przechowywanie 16GB eMMC + 64GB U disk 256GB SSD
Zasilanie 5W - 10W 7W , 10W , 25W 7W , 15W , 25W 10W , 15W , 25W , 40W 10W , 15W , 25W , 40W
Wersja systemu ROS Ubuntu18.04 + Docker + ROS2 Humble Ubuntu22.04 LTS + ROS2 Humble

Różnica w działaniu funkcji (pokazane wyniki pomiarów)

Wersja Jetson Nano B01 4GB Jetson Orin Nano SUPER 8GB Jetson Orin NX SUPER 16GB
Uruchomienie robota (czas uruchomienia programu) 62s 49s 48s
Śledzenie twarzy 2D (czas uruchomienia programu / klatki programu w trakcie działania) 4s / 10fps 7s / 30fps 7s / 30fps
Rozpoznawanie gestów 2D (czas uruchomienia programu / klatki programu w trakcie działania) 7s / 6fps 6s / 30fps 6s / 30fps
Rozpoznawanie trajektorii palca 2D (czas uruchomienia programu / klatki programu w trakcie działania) 10s / 5fps 7s / 30fps 6s / 30fps
MoveIt (czas rozpoczęcia programu / klatki programu) 45s / 6fps 43s / 30fps 38s / 30fps
3D-Yolo rozpoznawanie i sortowanie śmieci (czas rozpoczęcia programu / klatki programu) 64s / 5fps 9s / 30fps 6s / 30fps
3D-Mediapipe sortowanie kodu gestów według odległości (czas rozpoczęcia programu / klatki programu) 9s / 6fps 5s / 14fps 3s / 15fps
3D-śledzenie do chwytania kolorowych bloków (czas rozpoczęcia programu / klatki programu) 8s / 10fps 4s / 14fps 2s / 15fps
AI duży model do sortowania obiektów (czas rozpoczęcia programu / klatki programu) 40s / 5fps 25s / 30fps 20s / 30fps

Aplikacje

  • Wykrywanie i chwytanie w 3D; percepcja przestrzenna; śledzenie obiektów; sortowanie 3D
  • Pomiar głębokości (pomiar odległości), rozpoznawanie kształtów, pomiar wysokości, pomiar objętości
  • Pozycjonowanie i śledzenie wizji głębi; śledzenie i chwytanie w przestrzeni 3D; rozpoznawanie chmur punktów 3D
  • Interakcja wizualna wspierana przez AI: inteligentne sortowanie i obsługa, rozpoznawanie kolorów, dynamiczne śledzenie, sortowanie odpadów, śledzenie, chwytanie
  • Opisane przepływy pracy multimodalne: analiza wideo, kontrola ruchu na długie komendy, sortowanie wysokości anormalnych, wnioskowanie o zamiarach (baza wiedzy RAG), algorytm śledzenia obiektów KCF, zadania rozpoznawania oparte na YOLOv11

Przykładowe wymiary obiektów pokazane dla demonstracji pomiarów objętości: Sześcian 30*30*30mm, Cylinder 30*30*30mm, Cylinder 30*30*60mm.Przykładowe nakładki odległościowe obejmują 240,0 mm i 190,0 mm.

Podręczniki

Link do samouczka: http://www.yahboom.net/study/DOFBOT-Pro

Szczegóły