NVIDIA Jetson Nano 4GB B01 Kifurushi cha Msanidi kwa Edge AI/ROS - A57 1.43GHz, 128-core Maxwell GPU

Muhtasari

Jetson NANO 4GB B01 AI Large Model Developer Kit ni kit cha maendeleo chenye ukubwa mdogo (jukwaa la bodi ya maendeleo) kilichoundwa kwa ajili ya kuanza na AI. Inaweza kuendesha mitandao mingi ya neva kwa wakati mmoja kwa matumizi kama vile uainishaji wa picha, ugunduzi wa vitu, kugawanya, na usindikaji wa sauti, na inaweza kuendesha kwa nguvu kidogo kama 5 watts.

Jukwaa hili la Jetson Nano linatumia processor ya quad-core ARM Cortex-A57 na GPU ya 128-core Maxwell yenye kumbukumbu ya 4GB LPDDR, na inasaidia mifumo maarufu ya AI na algorithimu kama TensorFlow, PyTorch, Caffe/Caffe2, Keras, na MXNet.

Vipengele Muhimu

• CPU: Quad-core ARM A57 @ 1.43 GHz
• GPU: 128-core Maxwell
• Nguvu ya kompyuta ya AI: 473 GFLOPS (pia inatajwa kama 472 GFLOP katika maandiko yaliyotolewa)
• Uendeshaji wa nguvu ya chini: kama 5 W (pia inaonyeshwa kama 5 W–10 W katika nyenzo za kulinganisha zilizotolewa)
• Video encode: 4K @ 30; 4x 1080p @ 30; 9x 720p @ 30 (H.264/H.265)
• Video decode: 4K @ 60; 2x 4K @ 30; 8x 1080p @ 30; 18x 720p @ 30 (H.264/H.265)
• Camera interface: MIPI CSI-2 DPHY channel *2
• Display: HDMI na DP
• Networking / expansion: Gigabit Ethernet; M.2 Key E; inasaidia kadi ya mtandao ya M.2 dual-band ya kasi ya juu; inasaidia kadi ya mtandao ya USB ya kasi ya juu
• USB: 4x USB 3.0; USB 2.0 Micro-B
• I/O nyingine zilizoorodheshwa: GPIO, I2C, I2S, SPI, UART
• Power inputs mentioned: micro USB, DC power, na PoE (kama ilivyoelezwa katika maandiko yaliyotolewa)

Specifications

Maelezo ya Hifadhi (Demo Rasmi vs Toleo la SUB)

• Nyenzo zilizotolewa zinaorodhesha toleo mbili: Jetson Nano 4GB Developer Kit (SUB) na Jetson Nano 4GB Developer Kit (Demo Rasmi).
• Hifadhi ya SUB (ilionyeshwa): 16GB eMMC. Nyenzo inasema bodi inaweza kuanzishwa bila hifadhi ya nje, na kwamba 16GB eMMC inakidhi mahitaji ya kawaida ya maendeleo na inafaa na faili ya picha ya mfumo rasmi.
• Hifadhi ya Demo Rasmi (ilionyeshwa): microSD (Sijajumuisha). Nyenzo inasema watumiaji wanahitaji kununua kadi ya TF (microSD) na kuandika faili ya picha ya mfumo ili kuanzisha bodi.
• Ikiwa uwezo wa kuhifadhi haukoshi kwa mradi, nyenzo inasema uwezo unaweza kupanuliwa kwa kutumia diski ya USB au kadi ya TF.

Kadi ya TF / Kumbukumbu ya Mfumo

• Nyenzo iliyotolewa inasema: “Kadi ya TF iliyojumuishwa katika orodha ya usafirishaji imeandikwa kwa picha ya mfumo.”
• Nyenzo iliyotolewa pia inasema: “Matoleo yote ya kifaa yana kadi ya TF ya 64GB.”
• Kumbukumbu nyingine inasema kwamba kufunga picha rasmi ya mfumo + usanidi wa mazingira ya AI kunaweza kuzidi 32GB, na inapendekezwa kutumia diski ya U/kadi ya TF ya 64GB au zaidi.

Video za Mafunzo

Maudhui ya Kozi / Mafunzo (kama ilivyotolewa)

• Imesasishwa mnamo Juni 2026: Maelekezo ya usambazaji na matumizi ya OpenClaw (MPYA). Njia mbili za mwingiliano zimeelezwa: WAP na moduli za sauti.
• Maelekezo ya Juu ya ROS (HOT): Msingi wa ROS1 na ROS2 na vifaa vya kujifunza vinavyohusiana vinaonyeshwa.
• Maelekezo ya Juu ya Maono ya AI (HOT): inajumuisha vitu kama vile maelekezo ya kamera ya ndani, mtihani wa kamera ya nje ya USB, ujenzi wa mazingira ya Jetson-Inference, ujenzi wa mazingira ya DeepStream, na zaidi (kama ilivyoorodheshwa katika muhtasari hapa chini).

Muhtasari wa Kozi ya Jetson Nano B01 (kipande)

• Anza haraka: 1. Jifunze njia; 2. Maelekezo ya kuanza haraka
• Maelekezo ya Msingi ya Jetson Nano B01: 1. Utangulizi wa Jetson nano B01; 2. Flash picha ya mfumo; 3. Disk ya SD iliyoflash inasomwa tena; 4. Jetson Nano B01 inaanza; 5. Andika picha rasmi (SDK)
• Maelekezo ya Msingi ya bodi ya SUB ya Jetson Nano B01: 1. Utangulizi wa bodi ya SUB ya Jetson Nano B01; 2. Andika picha ya mfumo ya EMMC
• Kuanzisha TF: 1.Jetson Nano SUB TF kadi kuanzisha na kupanua; 2. Andika picha ya mfumo wa TF kadi; 3. Kadi ya SD iliyowashwa re-read disk; 4. Andika TF kadi boot
• Kadi ya U kuanzisha: 1. Andika boot ya EMMC; 2. Andika mfumo wa kadi ya U; 3. Kadi ya U iliyowashwa re-read disk; 4. Jetson Nano SUB kuanzisha
• Maelekezo ya msingi ya mfumo wa usakinishaji: 1. Utangulizi wa mfumo wa Jetson Nano B01 na desktop; 2. Upanuzi wa kadi ya SD; 3. Mipangilio ya mtandao; 4. SSH Telnet & Uhamisho wa Faili; 5. VNC kuingia kwa mbali; 6. Nakala ya mfumo wa Jetson Nano B01; 7. Nafasi ya kubadilisha ya Jetson Nano B01 iliongezeka; 8. Usakinishaji na matumizi ya Jtop
• Maelekezo ya kudhibiti vifaa vya GPIO: 1. Matumizi ya API ya maktaba za GPIO; 2. Mipangilio ya maktaba ya vifaa ya Jetson Nano B01; 3. Kazi ya kusoma pini; 4. Udhibiti wa kiwango cha pini; 5. Kudhibiti LED; 6. Jetson Nano B01 inawasiliana na vifaa vya nje kupitia bandari za serial; 7. Mawasiliano ya Jetson Nano B01 I2C
• Maelekezo ya juu ya AI ya kuona: 1.On-board camera tutorial; 2. Jaribio la kamera ya nje ya USB; 3. Usanidi wa Jupyter lab na Jetcham; 4. Sakinisha TensorFlow (hiari); 5. Ujenzi wa mazingira ya Jetson-Inference (hiari); 6. Hello AI World; 7. Mantiki ya uainishaji wa picha; 8. Mantiki ya kugundua vitu; 9. Segmentation ya semantiki; 10. Makadirio ya mkao; 11. Utambuzi wa vitendo; 12. Kuondoa nyuma; 13. Makadirio ya kina ya monocular; 14. Ujenzi wa mazingira ya DeepStream (hiari); 15. Ukaguzi wa magari; 16. Utangulizi wa yolo5; 17. Ujenzi wa mazingira ya YOLO5 (hiari); 18. Kugundua kwa wakati halisi ya yolo5; 19. yolo5 + tensorrt kasi; 20. yolo5 + tensorrt kasi + Deep Stream (fungua kamera); 21. Ujenzi wa mazingira ya Mediapipe (hiari); 22. Maendeleo ya Mediapipe; 23. Soma Nifanye
• Matumizi ya Juu ya YOLOv11 / YOLO26 (MPYA): 00. Lazima usome kabla ya kuendesha; 01. Ujenzi wa mazingira ya YOLOv11; 02. Matumizi ya CLI; 03. Kugundua Vitu; 04. Segmentation ya Kesi; 05. Makadirio ya Mkao; 06.Uainishaji wa picha; 07. Ugunduzi wa vitu kwa kutumia sanduku la mipaka lililoelekezwa; 08. Kubadilisha mfano
• Kozi ya msingi ya ROS1: 1. Utangulizi wa ROS; 2. Muundo wa faili za mradi; 3. Amri na zana za kawaida; 4. Mchapishaji; 5. Wajumbe; 6. Kubadilisha ujumbe wa mada na matumizi; 7. Mteja; 8. Seva; 9. Kubadilisha ujumbe wa huduma na matumizi; 10. Kutolewa kwa TF na ufuatiliaji
• Kozi ya usindikaji wa picha za kuona za ROS1: 1. Maono ya AR; 2. Kode ya QR ya AR; 3. Msingi wa ROS+OpenCV; 4. Maombi ya ROS+OpenCV; 5. Maendeleo ya MediaPipe
• Kozi ya msingi ya ROS2: 1. Utangulizi wa ROS2; 2. Kusakinisha ROS2 Humble; 3. Mazingira ya maendeleo ya ROS2; 4. Nafasi ya kazi ya ROS2; 5. Kifurushi cha kazi za ROS2; 6. Kichwa cha ROS2; 7. Mawasiliano ya mada ya ROS2; 8. Mawasiliano ya huduma za ROS2; 9. Mawasiliano ya hatua za ROS2; 10. Ujumbe wa kiolesura maalum wa ROS2; 11. Kesi ya huduma ya parameter ya ROS2; 12. Kifurushi cha meta-kazi za ROS2; 13. Mawasiliano ya kusambazwa ya ROS2; 14. ROS2 DDS; 15.API zinazohusiana na muda wa ROS2; 16. Zana za amri za kawaida za ROS2; 17. Matumizi ya ROS2 rviz2; 18. Sanduku la zana la ROS2 rqt; 19. Usanidi wa faili ya kuanzisha ya ROS2 Launch; 20. Zana ya kurekodi na kucheza; 21. Mfano wa ROS2 URDF; 22. Jukwaa la simulation la ROS2 Gazebo; 23. Mabadiliko ya uratibu wa ROS2 TF2
• Kozi ya Docker: 1. Muhtasari na usakinishaji; 2. Amri za kawaida; 3. Elewa na chapisha picha; 4. Usindikaji wa data ya mwingiliano wa vifaa; 5. Ingia kwenye kontena la docker; 6. Sasisha picha za docker
• Kozi ya usindikaji wa picha za OpenCV: 1. Kozi ya Msingi ya OpenCV; 2. Maombi ya ROS+opencv; 3. Utambuzi wa msimbo wa QR; 4. Maono ya AR; 5. Mediapipe
• Masomo ya mfano mkubwa wa AI ya Offline: 0. Maelekezo ya picha ya mfumo wa mfano mkubwa wa AI; 1. Utekelezaji wa mazingira ya mfano mkubwa wa AI; 2. Sakinisha jukwaa la mazungumzo la mfano mkubwa; 3. Mfano wa Meta AI Llama 3.2; 4. Mfano wa Alibaba Cloud Qwen2; 5. Mfano wa Alibaba Cloud Qwen3; 6. SUTD TinyLlama; 7. Mfano wa DeepSeek DeepSeek-R1; 8.Microsoft Phi-3; 9. Microsoft Orca Mini; 10. NVIDIA StarCoder2; 11. Google Gemma3 Visual Multimodal Large Model; 12. Offline Text to Speech (TTS); 13. Offline Speech to Text (ASR)
• Online large model tutorials: 1. OpenRouter large model API aggregation platform; 2. Multimodal visual understand application; 3. Multimodal visual localization application; 4. Multimodal table scanning application; 5. Multimodal autonomous proxy application
• Online large model (Voice interaction): 0. Voice interaction hardware connection (ReadMe); 1. Offline speech to text (ASR); 2. Offline text to speech (TTS); 3. AI large model voice interaction; 4. Multimodal visual understand speech interaction; 5. Multimodal visual position application; 6. Multimodal table scanning application; 7. Multimodal autonomous proxy application; 8. AI large model offline voice assistant
• OpenClaw deployment and basic usage: 1.OpenClaw Utekelezaji; 2. OpenClaw WAP programu ya nyongeza; 3. OpenClaw WebChat mwingiliano; 4. OpenClaw TUI mwingiliano; 5. Utangulizi wa zana za OpenClaw; 6. Mwongozo wa mtumiaji wa OpenClaw Gate; 7. Muonekano wa vipengele vya OpenClaw; 8. Utangulizi wa kituo cha OpenClaw (Usanidi wa Ujuzi); 9. Usimamizi wa faili za programu za OpenClaw; 10. Programu ya OpenClaw-kamera; 12. Utendaji wa programu ya OpenClaw-script; 13. Programu ya OpenClaw-programming (Udhibiti wa Peripherals & GPIO); 14. Programu ya OpenClaw-msaidizi wa AI maalum
• Maandalizi ya OpenClaw kabla ya matumizi: 1. Usanidi wa vifaa vya pembeni; 2. Usanidi wa OpenClaw API-KEY; 3. Mfano wa kubadili OpenClaw; 4. Maneno ya kuamsha OpenClaw; 5. Usanidi wa mwingiliano wa sauti ya AI; 6. Majaribio ya usanidi wa mpango wa 3D
• Programu ya OpenClaw Peripheral Act (udhibiti wa Peripherals): 1. Udhibiti wa servo; 2. Mwangaza wa RGB; 3. OLED
• Maendeleo ya juu ya nyongeza ya OpenClaw: 1.Vikosi vya joto na unyevu; 2. Programu ya kamera; 1. Msaidizi wa kutunza mimea; 2. Makadirio ya joto ya AI; 3. Mchezo wa Kukisia Kiganja wa AI; 4. Kipenzi cha AI; 5. Kituo cha Hali ya Hewa cha AI; 6. Kipima hisia za joto; 7. Kazi zilizopangwa

Orodha ya Kufunga (maelezo yanaonyeshwa)

• Nyenzo zilizotolewa zinasema: uendeshaji wa bodi tofauti unahitaji adapta ya nguvu na kadi ya kumbukumbu ya 64G.

Programu

• Uundaji wa prototipu za Edge AI: uainishaji wa picha, ugunduzi wa vitu, mgawanyiko, usindikaji wa sauti
• Kujifunza ROS na maendeleo ya roboti (mfumo wa ROS / roboti ya ROS inaonyeshwa kama malengo ya kujifunza yanayoungwa mkono katika nyenzo zilizotolewa)
• Maono ya kompyuta na miradi inayotegemea kamera kupitia MIPI CSI-2 (michaneli 2) au kamera za USB (kama ilivyorejelewa katika muhtasari wa kozi)

Kuhusu uthibitisho wa agizo (aina ya hifadhi, vifaa vilivyomo) au maswali ya ujumuishaji (M.2 Kadi za E WiFi, kamera, nguvu), wasiliana na [email protected] or tembelea https://rcdrone.top/ .

Maelezo