DOFBOT Pro 6-DOF 3D-djupseende robotarm för Jetson Nano 4GB / Orin Nano SUPER / Orin NX SUPER
DOFBOT Pro 6-DOF 3D-djupseende robotarm för Jetson Nano 4GB / Orin Nano SUPER / Orin NX SUPER
Yahboom
Det gick inte att ladda hämtningstillgänglighet
Översikt
DOFBOT PRO är en desktop-nivå 3D AI vision robotarm designad för ROS-utbildning och utveckling. Den kombinerar en 6-DOF rörelseledstruktur, en 3D djupkamera och NVIDIA Jetson-seriens kontrollkort för att förenkla komplex rörelsekontroll genom ROS, framåt/invers kinematik och visuell perception för 3D-rymdigenkänning, spårning och greppande.
Videor
Nyckelfunktioner
- Jetson plattformskompatibilitet: kompatibel med Jetson Nano 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER kontrollkort; GPU-accelererad modellträning och Python-utveckling stöds.
- 3D djuppunktmolnigenkänning: RGB + djup (RGB+D) fusionsdetektering för 3D-positionering, spårning och greppande uppgifter.
- ROS rörelseplanering och simulering: stöder MoveIt rörelseplanering och RViz robot simulering; stöder 2D och 3D visuell interaktion.
- 6-DOF aluminiumlegering struktur: precisionsbearbetad aluminiumlegeringskropp; högprecisionsservon för smidig rörelse i flera axlar.
- Korsplattformskontroll: stöder appkontroll (Android/iOS), trådlös handkontroll och PC-webbsideskontroll.
- Multimodala / stora modellkoncept (som tillhandahålls): Stort språkmodell, stort talmodell, stort visuellt modell; inkluderar skalbar RAG kunskapsbas och "Dual-Modal Dynamic Feedback Reasoning Architecture" beskrivningar.
- Algoritmramverk listade: invers kinematik algoritm, YOLOv11, OpenCV, MediaPipe.
För produktval och teknisk support, kontakta https://rcdrone.top/ eller e-posta [email protected].
Specifikationer
DOFBOT-PRO (robotarmssystem)
| Masterkontroll | Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER |
|---|---|
| Frihetsgrad | 6 |
| Armlängd | 350mm |
| Gripare öppen-stängd | 6cm |
| Upprepningsbar positionsnoggrannhet | ±0.5mm |
| Strukturtyp | Traditionell robotarmsstruktur |
| Kamera | DABAI DCW2 Djupkamera |
| Visuell dimension | 3D-bild med djupavståndsinformation |
| Röst | AI stor modell röstmodul + högtalare |
| Display | 10.1-tums display |
| Funktion | Interconnectionskontroll; MoveIt rörelseplanering; RViz robot simulering; 2D visuell interaktion; 3D visuell interaktion; AI stor modell |
| Positionering (som beskrivs) | Inbyggd AI / AI stor modell / 3D djup visuell robotarm |
ROS Robotarm Konfigurationer (som listade)
| Version | Standardversion | Ultimate version |
|---|---|---|
| Kontrollkort | 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 |
| Röstmodul | Alla versioner inkluderar AI stor modell röstmodul | |
| Djupkamera | DABAI DCW2 Djupkamera | |
| Display | / | HD 10.1-tums pekskärm |
Rekommendationer för val av kontroller (specifikationer för Jetson-kort visas)
| Artikel | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|---|---|
| Beräkningskraft | 0.5TFLOPS (FP16) | 34 TOPS | 67 TOPS | 117 TOPS | 157 TOPS |
| CPU | Quad-core Arm Cortex-A57 MPCore-processor | 6-kärnig Arm Cortex-A78AE v8.2 64-bit CPU; 1.5MB L2 + 4MB L3 | 6-kärnig Arm Cortex-A78AE v8.2 64-bit CPU; 1.5MB L2 + 4MB L3 | 6-kärnig NVIDIA Arm Cortex A78AE v8.2 64-bit CPU; 1.5MB L2 + 4MB L3 | 8-kärnig NVIDIA Arm Cortex A78AE v8.2 64-bit CPU; 2MB L2 + 4MB L3 |
| GPU | 128-kärnig NVIDIA Maxwell GPU | 512-kärnig NVIDIA Ampere-arkitektur GPU med 16 Tensor Cores | 1024-kärnig NVIDIA Ampere-arkitektur GPU med 32 Tensor Cores | 1024-kärnig NVIDIA Ampere-arkitektur GPU med 32 Tensor Cores | 1024-kärnig NVIDIA Ampere-arkitektur GPU med 32 Tensor Cores |
| Minne | 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 |
| Lagring | 16GB eMMC + 64GB U-disk | 256GB SSD | |||
| Ström | 5W - 10W | 7W , 10W , 25W | 7W , 15W , 25W | 10W , 15W , 25W , 40W | 10W , 15W , 25W , 40W |
| ROS Systemversion | Ubuntu18.04 + Docker + ROS2 Humble | Ubuntu22.04 LTS + ROS2 Humble | |||
Funktionsdrift Skillnad (uppmätta resultat visas)
| Version | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 16GB |
|---|---|---|---|
| Robotstart (programstarttid) | 62s | 49s | 48s |
| 2D-ansiktsigenkänning (programstarttid / programkörningsram) | 4s / 10fps | 7s / 30fps | 7s / 30fps |
| 2D-gesterigenkänning greppa block (programstarttid / programkörningsram) | 7s / 6fps | 6s / 30fps | 6s / 30fps |
| 2D-fingertoppsbanigenkänning (programstarttid / programkörningsram) | 10s / 5fps | 7s / 30fps | 6s / 30fps |
| MoveIt (programstarttid / programkörningsram) | 45s / 6fps | 43s / 30fps | 38s / 30fps |
| 3D-Yolo skräpuppskattning och sortering (programstarttid / programkörningsram) | 64s / 5fps | 9s / 30fps | 6s / 30fps |
| 3D-Mediapipe gestmaskinkod avståndssortering (programstarttid / programkörningsram) | 9s / 6fps | 5s / 14fps | 3s / 15fps |
| 3D-spårning för att fånga färgblock (programstarttid / programkörningsram) | 8s / 10fps | 4s / 14fps | 2s / 15fps |
| AI stor modell för objektsortering (programstarttid / programkörningsram) | 40s / 5fps | 25s / 30fps | 20s / 30fps |
Applikationer
- 3D visionsdetektering och grepp; spatial perception; objektspårning; 3D sortering
- Djupmätning (avståndsmätning), formigenkänning, höjdmätning, volymmätning
- Djupvisionspositionering och spårning; 3D spatial spårning och grepp; 3D punktmolnigenkänning
- AI-driven visuell interaktion: intelligent sortering och hantering, färgigenkänning, dynamisk spårning, skräpsortering, spårning, grepp
- Multimodala arbetsflöden beskrivna: videoanalys, långkommandorörelsekontroll, onormal höjdsortering, avsiktsinferens (RAG kunskapsbas), KCF objektspårningsalgoritm, YOLOv11-baserade igenkänninguppgifter
Exempel på objektmått som visas för volymmätningdemonstrationer: 30*30*30mm kub, 30*30*30mm cylinder, 30*30*60mm cylinder.Exempel på avståndsöverlägg som visas inkluderar 240,0 mm och 190,0 mm.
Manualer
Tutorial-länk: http://www.yahboom.net/study/DOFBOT-Pro
Detaljer
Jämför populära alternativ för desktop-robotarmar i en översikt, inklusive frihetsgrader, räckvidd, gripområde och kontrollplattformar.
En snabb specifikationsöversikt hjälper till att välja rätt modell för ROS-lärande, simulering och grundläggande visionuppgifter.
DOFBOT-PRO kombinerar en 6-DOF arm, RGB+D djupsensor och Jetson-kompatibilitet för 3D-perception och grepputveckling.
Alternativa konfigurationsdetaljer tillhandahålls för användare som behöver en annan armstruktur och kamerainställning.
Byggd för ROS-utbildning och utveckling, kit innehåller en kompakt 6-DOF arm med djupvision och en integrerad desktop-liknande setup.
Designad för rörelseplanering och perceptionsarbetsflöden såsom kinematik, målgenerering, spårning och grepp i 3D-utrymme.
Nyckelmoduler täcker djupuppfattning, AI-interaktionskoncept och programvaruramverk som används i vanliga robotikpipelines.
Höjdpunkter inom hårdvara och mjukvara sammanfattar vad som ingår för att bygga vision + ROS-demos och klassrumsexperiment.
Flera Jetson-kortalternativ hjälper till att skala från nybörjarprototyping till högpresterande AI-arbetsbelastningar.
Använd konfigurationsmatrisen för att matcha styrenheten och funktionsuppsättningen med dina ROS-projektkrav.
Djupvision ger avståndsmedveten förståelse för mer pålitlig positionering, igenkänning och greppplanering än 2D ensam.
Arm-kamera kalibrering stöder uppgifter som punktmolnigenkänning och djupbaserad mätning för interaktion i 3D-utrymme.
Multimodala interaktionskoncept inkluderar text-, röst- och visionskapabiliteter för att bygga rikare människa-robot arbetsflöden.
Tillämpningsexempel fokuserar på sorterings- och hanteringsbeteenden som kombinerar perception med kommandostyrd kontroll.
Praktiska demonstrationer visar spårning, sortering och åtgärdsvalsuppgifter som bygger på vision och interaktionslogik.
Interaktiva utmaningsaktiviteter erbjuder tillgängliga scenarier för att testa perception, resonemang och kontrollslussar.
Exempel på visionsigenkänning omfattar färgbaserad spårning, blocksortering, interaktiva spel och etikettbaserad stapling.
Träningsanteckningar och prestationskurvor skisserar den inkluderade djupinlärningsarbetsflödesriktningen för objektidentifieringsuppgifter.
DOFBOT Pro stöder MediaPipe-baserad gestinteraktion, framåt/invers kinematik och MoveIt-simuleringskontroll för installations- och utvecklingsarbetsflöden.
DOFBOT Pro stöder MoveIt kinematik simulering med banplanering, kollisiondetektering och ROS/ROS2 (Humble) arbetsflöden för rörelsekontroll.
DOFBOT Pro stöder appkontroll, webbkontroll och en USB trådlös fjärrkontroll, med en 6-DOF ledkonfiguration märkt J1–J6 för noggrann installation och rörelseplanering.
DOFBOT Pro 6-DOF robotarm kopplar en Jetson-baserad kontrollkort med en DaBai DCW2 djupkamera och intelligenta seriella bussservon för visionsstyrda rörelseprojekt.
DOFBOT Pro-installationen inkluderar en robotarmexpansionskortlayout och stöder tillägg som en röstmodul och en 10,1-tums pekskärm för kontroll.
DOFBOT-PRO kursplanen bryter ner träningsmoduler och lärandemål för att hjälpa till att planera installation och utvecklingssteg.
DOFBOT Pro inkluderar organiserad öppen källkod och steg-för-steg handledningsmappar som täcker 2D/3D visuell spårning, sortering och grepp, samt djupkameraarbetsflöden.
DOFBOT Pro inkluderar nedladdningsbara videohandledningar, ROS2 lärmaterial, en 3D-modellfil och öppen källkod i Python för utveckling på Jetson-kort.
Dimensionsteckningar och en specifikationsöversikt hjälper dig att planera monteringsutrymme och systemintegration för DOFBOT Pro 6-DOF robotarm.
DOFBOT Pro-kitet inkluderar robotarmen med en uppsättning standardtillbehör såsom kontrollerhårdvara, ström- och datakablar samt grundläggande verktyg för montering och installation.
Related Collections
