Огляд
JetCobot - це 7-осний візуальний колаборативний роботизований маніпулятор, який використовує розробницьку плату серії NVIDIA Jetson як основну контрольну плату (Jetson Nano B01 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER). З конфігурацією, подібною до UR, операційною системою роботів ROS та алгоритмом оберненої кінематики, він підтримує координатне управління, планування руху, захоплення, сортування та пов'язані завдання з візуальною взаємодією.
JetCobot інтегрує роботизований маніпулятор та систему камер. Він оснащений USB-камерою 0.3MP (кут огляду 110°) та підтримує обробку зображень OpenCV, машинне зір та робочі процеси глибокого навчання для функцій, таких як взаємодія за кольором, виявлення/відстеження облич, розпізнавання етикеток, навчання моделей та взаємодія за жестами.
Ключові особливості
- Структура з 7 ступенями свободи з конфігурацією, подібною до UR: Плавний дизайн корпусу, великий діапазон руху та приховане проводка сервоприводів (як описано в таблиці порівняння).
- Обернена кінематика + робочий процес ROS: Підтримує координатне управління та планування руху.
- Підтримка MoveIt + RViz: Включає URDF модель симуляції кінематики, управління симуляцією MoveIt/планування траєкторії, виявлення зіткнень та сценарії просторового захоплення.
- AI візуальне розпізнавання та відстеження цілей: Розпізнавання та відстеження кольору, сортування кольорових блоків, захоплення кольорових блоків, кольорова взаємодія, розпізнавання та відстеження облич, а також розпізнавання міток/інтелектуальне складання (коди міток Apriltag).
- Глибоке навчання / навчання моделей: Підтримує робочі процеси класифікації сміття та приклади захоплення на основі регіонів (ідентифікація регіону: захоплення та розміщення; виявлення регіону: налаштування захоплення).
- Розробка MediaPipe / оновлення взаємодії з ШІ: Група дій керування жестами, стек керування розпізнаванням жестів, розпізнавання роботизованої руки та відстеження долоні, а також керування позою жестів роботизованою рукою.
- Кілька методів керування: Підтримує симуляційне керування MoveIt, керування ручкою та веб-керування ПК (також показано керування Jupyter Lab).
Специфікації
| Продукт | JetCobot AI візуальна колаборативна роботизована рука |
| Кількість ступенів свободи | 7 |
| Максимальна ефективна розмах руки | 270MM |
| Діапазон обертання суглобів | -153° до 153° |
| Точність повторного позиціонування | ±0.5mm |
| Камера | 0.3MP USB камера |
| Кут огляду камери | 110° |
| Частота кадрів камери (показано) | 30fps |
| Візуальні розміри (діаграма) | Плоске 2D зображення |
| Захват (показано) | Електричний захват |
| Кут відкриття-закриття захвату (діаграма) | 5см |
| Діапазон захвату (показано) | 20-45мм |
| Сила захвату (показано) | 150г сила |
| Тип структури (діаграма) | Структура робота, подібна до UR |
| Головне управління (діаграма) | Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER |
| Функція (діаграма) | Контроль взаємозв'язку; Планування руху MoveIt; Симуляція робота RViz; 2D візуальна взаємодія |
| Голос (графік) | / |
| Відображення (графік) | / |
Опції керування Jetson Master (Довідкова таблиця)
| Головна контрольна плата | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 8GB | Jetson Orin NX SUPER 16GB |
| Обчислювальна потужність | 0.5TFLOPS (FP16) | 34 TOPS | 67 TOPS | 117 TOPS | 157 TOPS |
| ЦП | 4 ядра процесора Arm Cortex-A57 MPCore | 6-ядерний ЦП Arm Cortex-A78AE v8.2 64-біт; 1.5MB L2 + 4MB L3 | 6-ядерний ЦП Arm Cortex-A78AE v8.2 64-біт; 1.5MB L2 + 4MB L3 | 6-ядерний ЦП NVIDIA Arm Cortex-A78AE v8.2 64-біт; 1.5MB L2 + 4MB L3 | 8-ядерний ЦП NVIDIA Arm Cortex-A78AE v8.2 64-біт; 2MB L2 + 4MB L3 |
| ГПУ | 128 ядер ГПУ NVIDIA Maxwell | 512-ядерний ГПУ архітектури NVIDIA Ampere з 16 Tensor Cores | 1024-ядерний ГПУ архітектури NVIDIA Ampere з 32 Tensor Cores | 1024-ядерний ГПУ архітектури NVIDIA Ampere з 32 Tensor Cores | 1024-ядерний ГПУ архітектури NVIDIA Ampere з 32 Tensor Cores |
| Пам'ять | 4GB 64-біт LPDDR4 25.6GB/s | 4GB 64-біт LPDDR5 51GB/s | 8GB 128-біт LPDDR5 102 GB/s | 8GB 128-біт LPDDR5 102 GB/s | 16GB 128-біт LPDDR5 102 GB/s |
| Сховище | 16GB eMMC + 64GB U диск | 256GB SSD | |||
| Потужність | 5W - 10W | 7W, 10W, 25W | 7W, 15W, 25W | 10W, 15W, 25W, 40W | |
| Версія системи ROS | Ubuntu18.04 + ROS1 Melodic | Ubuntu22.04 LTS + ROS2 Humble | |||
Графік також зазначає, що методи використання кількох контролерів серії Jetson в основному однакові; різні контролери в основному впливають на продуктивність JetCobot.
Виміряна різниця в функціях/продуктивності (Довідкова таблиця)
| Товар |
Версія Jetson Nano Час запуску програми / Частота кадрів під час роботи програми |
Версія Jetson Orin Nano SUPER 8GB Час запуску програми / Частота кадрів під час роботи програми |
Версія Jetson Orin NX SUPER 16GB Час запуску програми / Частота кадрів під час роботи програми |
| Запуск робота | 43с Ініціалізація роботизованої руки завершена / / | 38с Ініціалізація роботизованої руки завершена / / | 37с Ініціалізація роботизованої руки завершена / / |
| Основна візуальна функція (Розпізнавання кольорів) | 6с / 12с | 5с / 30fps | 4с / 30fps |
| Класифікація сміття Yolov5 | 31с / 6с | 17с / 30fps | 16с / 30fps |
| Mediapipe виявлення обличчя | 13с / 30с | 8с / 30fps-40fps | 7с / 30fps-50fps |
| Відстеження кольорових блоків | 10с / 30с | 7с / 30fps | 5с / 30fps |
| Розпізнавання коду тегу Apriltag | 5с / 25с | 3с / 30fps | 3с / 30fps |
| Моделювання симуляції RVIZ | 16с / 31с | 9с / 31fps | 7с / 31fps |
Примітки, показані з графіком: JetCobot не налаштований з технологією контейнерів Docker; він використовує офіційну функцію конфігурації рідкого зображення для повного використання загальної продуктивності материнської плати.Дані отримані з фактичного лабораторного тесту Yahboom; продуктивність Jetson Orin Nano SUPER 4GB та 8GB подібна, а продуктивність Jetson Orin NX SUPER 8GB та 16GB близька.
Що входить
- myCobot280 7-DOF колаборативний роботизований маніпулятор (JetCobot)
- Електричний захват
- USB камера
- Основний контролер Jetson (Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER, залежно від версії)
- OLED екран (вказано в таблиці списку відправлення)
- Аксесуари (як вказано в таблиці списку відправлення)
Застосування
- Навчання ROS, кінематика та планування руху (MoveIt / RViz)
- Експерименти з комп'ютерним зором та взаємодією на основі OpenCV
- Демонстрації взаємодії з ШІ: відстеження кольору, розпізнавання міток (Apriltag), розпізнавання жестів та робочі процеси навчання моделей
- Захоплення, сортування та базові завдання вибору та розміщення на основі координат на робочому столі
Посібники / Документація
- Навчальні посібники: https://www.yahboom.net/study/JetCobot
Для допомоги з вибором перед покупкою або підтримки після продажу, зв'яжіться з https://rcdrone.top/ або надішліть електронний лист на [email protected].
Деталі

Порівняйте JetCobot з іншими варіантами управління ROS, щоб вибрати правильну платформу для вашого застосування.

Кілька платформ Yahboom arm мають подібний робочий процес ROS, тоді як апаратні та візуальні опції варіюються в залежності від моделі.

Конфігурації глибоких камер підтримують 3D-візуальні завдання, такі як відстеження з урахуванням відстані та взаємодія.

JetCobot зосереджується на структурі з 7 ступенями свободи, подібній до UR, з повторюваністю на рівні міліметрів для координованих рухових завдань.

Yahboom JetCobot - це настільний візуальний колаборативний роботизований маніпулятор з 7 ступенями свободи, побудований на основі контролерів NVIDIA Jetson.

Повний програмний стек підтримує управління ROS, планування MoveIt, візуалізацію RViz та візію на основі OpenCV.

Виберіть Jetson Nano B01, Orin Nano SUPER або Orin NX SUPER в залежності від обчислювальних потреб вашого AI-пайплайну.

Чітке порівняння Jetson допомагає співвіднести потужність CPU/GPU та обсяг пам'яті з навантаженнями ROS та зору.

Продуктивність варіюється в залежності від контролера Jetson, тоді як набір функцій JetCobot та приклади курсів залишаються незмінними.

Конфігурація, подібна до UR, забезпечує широкий діапазон руху з більш чистою конструкцією для використання в класах та лабораторіях.

Конфігурація з 7 ступенями свободи покращує гнучкість для позиціонування, захоплення та планування маршрутів у тісних робочих просторах.

Вбудована USB-камера дозволяє реалізувати візуальні процеси вибору та сортування без складних зовнішніх налаштувань камер.

Вбудовані демонстрації охоплюють розпізнавання кольорів, сортування блоків, складання на основі міток та взаємодію на основі відстеження.

Використовуйте навчання моделей глибокого навчання та взаємодію з жестикуляцією MediaPipe для створення більш чутливих завдань вибору та розміщення.

MoveIt та моделі URDF підтримують симуляцію, планування траєкторій та перевірку зіткнень перед запуском на апаратному забезпеченні.

Керуйте JetCobot через браузерне середовище Jupyter або USB геймпад для швидкого тестування та демонстрацій.

Обернена кінематика дозволяє вводити координати для повторюваного позиціонування та стабільної орієнтації кінцевого ефектора.

Сім суглобів (J1–J7) забезпечують додаткову гнучкість для планування руху та координованого захоплення.

JetCobot пропонує максимальну ефективну розмах руки 270 мм (без захоплювача), з обертанням бази J1 ±153° та повторюваністю ±0,5 мм.

JetCobot побудований на основі системи управління роботами ROS і має сумісність з ROS2 Humble та ROS1 Melodic.

Підтримка симуляції MoveIt дозволяє тестувати та керувати роботизованою рукою JetCobot у віртуальному середовищі перед запуском на апаратному забезпеченні.

Комплект руки JetCobot поєднує в собі захоплювач, USB HD камеру, OLED екран та основу з присоскою для стабільних настільних установок.

Рука JetCobot поєднує USB HD камеру (480p, 30 fps, 110° кут огляду) з компактним електричним захоплювачем для завдань з вибору та розміщення під керівництвом зору.

Курс JetCobot охоплює налаштування та складання, основи ROS/Ubuntu, SLAM картографування, AI зору з MediaPipe та вправи з візуального відстеження та захоплення.

Навчальні матеріали JetCobot включають організовані папки для завантаження та навчальний контент, такий як основи AI зору та Mediapipe, з посиланням на навчання на yahboom.net/study/JetCobot.

Ресурси навчання JetCobot включають курси з AI візуального відстеження та захоплення, навчання MoveIt, основи ROS2 та відкритий вихідний код Python.

Розміри захоплювача JetCobot надаються в міліметрах, щоб допомогти спланувати місце для монтажу та загальний простір для руки.

JetCobot підтримує програмування на Python з опціями ROS для Jetson Nano B01 та Jetson Orin Nano/NX, а також має фіксований фокус 0.3MP камеру (480P, 30fps, 110° широкий кут).

Комплект JetCobot включає захват, USB камеру, компоненти шасі, адаптер живлення та проводку, з додатковими аксесуарами для Jetson Nano/Orin, які наведені.
Related Collections
