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

Porównaj popularne opcje robotycznych ramion biurkowych na pierwszy rzut oka, w tym stopnie swobody, zasięg, zakres chwytaka i platformy sterujące.

Szybki przegląd specyfikacji pomaga wybrać odpowiedni model do nauki ROS, symulacji i podstawowych zadań związanych z wizją.

DOFBOT-PRO łączy ramię 6-DOF, czujniki głębokości RGB+D oraz kompatybilność z Jetsonem dla rozwoju percepcji 3D i chwytania.

Szczegóły alternatywnej konfiguracji są dostępne dla użytkowników, którzy potrzebują innej struktury ramienia i ustawienia kamery.

Zbudowany z myślą o edukacji i rozwoju ROS, zestaw łączy kompaktowe ramię 6-DOF z wizją głębi i zintegrowanym ustawieniem w stylu biurkowym.

Zapewnia zaplanowanie ruchu i procesy percepcyjne, takie jak kinematyka, rozpoznawanie celów, śledzenie i chwytanie w przestrzeni 3D.

Kluczowe moduły obejmują percepcję głębokości, koncepcje interakcji AI oraz ramy oprogramowania używane w typowych procesach robotycznych.

Najważniejsze cechy sprzętu i oprogramowania podsumowują, co jest zawarte w budowie demonstracji wizji + ROS oraz eksperymentów w klasie.

Wiele opcji płyt Jetson pomaga w skalowaniu od prototypowania na poziomie podstawowym do bardziej wydajnych obciążeń AI.

Użyj macierzy konfiguracyjnej, aby dopasować płytę kontrolera i zestaw funkcji do wymagań Twojego projektu ROS.

Wizja głębokości dodaje zrozumienie uwzględniające odległość, co pozwala na bardziej niezawodne pozycjonowanie, rozpoznawanie i planowanie chwytania niż tylko 2D.

Kalibracja kamery-ramienia wspiera zadania takie jak rozpoznawanie chmur punktów i pomiar oparty na głębokości dla interakcji w przestrzeni 3D.

Koncepcje interakcji multimodalnej obejmują tekst, głos i możliwości wizji do budowania bogatszych przepływów pracy człowiek-robot.

Przykłady zastosowań koncentrują się na zachowaniach sortowania i obsługi, które łączą percepcję z kontrolą napędzaną poleceniami.

Praktyczne pokazy ilustrują zadania śledzenia, sortowania i wyboru akcji oparte na logice wizji i interakcji.

Interaktywne aktywności w stylu wyzwań oferują przystępne scenariusze do testowania percepcji, rozumowania i pętli kontrolnych.

Przykłady rozpoznawania wizji obejmują śledzenie oparte na kolorze, sortowanie bloków, interaktywne gry i układanie na podstawie etykiet.

Notatki szkoleniowe i krzywe wydajności przedstawiają kierunek pracy z głębokim uczeniem dla zadań detekcji obiektów.

DOFBOT Pro wspiera interakcję gestami opartą na MediaPipe, kinematykę do przodu/odwrotną oraz kontrolę symulacji MoveIt dla procesów konfiguracji i rozwoju.

DOFBOT Pro wspiera symulację kinematyki MoveIt z planowaniem trajektorii, wykrywaniem kolizji oraz procesami ROS/ROS2 (Humble) dla kontroli ruchu.

DOFBOT Pro wspiera kontrolę aplikacji, kontrolę przez sieć oraz bezprzewodowego pilota USB, z układem stawów 6-DOF oznaczonym J1–J6 dla precyzyjnej konfiguracji i planowania ruchu.

Robotyczny ramie DOFBOT Pro 6-DOF łączy płytę kontrolną opartą na Jetsonie z kamerą głębi DaBai DCW2 oraz inteligentnymi serwomechanizmami na szeregowej magistrali dla projektów ruchu sterowanych wizją.

Konfiguracja DOFBOT Pro obejmuje układ rozszerzenia ramienia robotycznego i wspiera dodatki takie jak moduł głosowy oraz 10,1-calowy ekran dotykowy do kontroli.

Program kursu DOFBOT-PRO dzieli moduły szkoleniowe i cele nauczania, aby pomóc w planowaniu kroków konfiguracji i rozwoju.

DOFBOT Pro zawiera zorganizowany kod open-source oraz foldery z samouczkami krok po kroku dotyczące śledzenia wizualnego 2D/3D, sortowania i chwytania oraz przepływów pracy z kamerą głębokości.

DOFBOT Pro zawiera do pobrania samouczki wideo, materiały do nauki ROS2, plik modelu 3D oraz kod Python open-source do rozwoju na płytkach Jetson.

Rysunki wymiarowe i przegląd specyfikacji pomagają w planowaniu miejsca montażu i integracji systemu dla robota DOFBOT Pro 6-DOF.

Zestaw DOFBOT Pro zawiera ramię robota z zestawem standardowych akcesoriów, takich jak sprzęt sterujący, kable zasilające i danych oraz podstawowe narzędzia do montażu i konfiguracji.
Related Collections
