Yahboom JetCobot 7自由度視覺協作機械臂，適用於Jetson Nano B01 4GB/Orin Nano SUPER/Orin NX SUPER
Yahboom JetCobot 7自由度視覺協作機械臂，適用於Jetson Nano B01 4GB/Orin Nano SUPER/Orin NX SUPER
Yahboom
無法載入取貨服務供應情況
概述
JetCobot 是一款7軸視覺協作機械臂，使用 NVIDIA Jetson 系列開發板作為主控板（Jetson Nano B01 4GB / Jetson Orin Nano SUPER / Jetson Orin NX SUPER）。具有類似UR的機器人配置、ROS機器人操作系統和逆運動學算法，支持坐標控制、運動規劃、抓取、分類及相關視覺交互任務。
JetCobot 集成了機械臂和攝像系統。配備0.3MP USB攝像頭（110°視野），支持OpenCV圖像處理、機器視覺和深度學習工作流程，用於顏色交互、人臉檢測/跟踪、標籤識別、模型訓練和手勢交互等功能。
主要特點
- 7自由度結構，類似UR配置： 流線型設計，運動範圍大，伺服線路隱藏（如比較圖所示）。
- 逆向運動學 + ROS 工作流程： 支援座標控制和運動規劃。
- MoveIt + RViz 支援： 包括 URDF 運動學模擬模型、MoveIt 模擬控制/軌跡規劃、碰撞檢測和空間抓取場景。
- AI 視覺識別和目標追蹤： 顏色識別和追蹤、色塊分類、色塊抓取、顏色互動、人臉識別和追蹤，以及標籤識別/智能堆疊（Apriltag 標籤碼）。
- 深度學習 / 模型訓練： 支援垃圾分類工作流程和基於區域的抓取範例（區域識別：抓取和放置；區域檢測：自定義抓取）。
- MediaPipe 開發 / AI 互動升級： 手勢控制動作組，手勢識別控制堆疊，機械臂識別和手掌追蹤，以及手勢姿態控制機械臂。
- 多種控制方法： 支持 MoveIt 模擬控制、手柄控制和 PC 網頁控制（也顯示 Jupyter Lab 控制）。
規格
| 產品 | JetCobot AI 視覺協作機械臂 |
| 自由度 | 7 |
| 最大有效臂展 | 270MM |
| 關節旋轉範圍 | -153° 至 153° |
| 重複定位精度 | ±0.5mm |
| 攝像頭 | 0.3MP USB 相機 |
| 相機視野 | 110° |
| 相機幀率（顯示） | 30fps |
| 視覺尺寸（圖表） | 平面2D圖像 |
| 夾爪（顯示） | 電動夾爪 |
| 夾爪開合角度（圖表） | 5cm |
| 夾爪範圍（顯示） | 20-45mm |
| 夾爪力（顯示） | 150g 力 |
| 結構類型（圖表） | 類似UR的機器人結構 |
| 主控（圖表） | Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER |
| 功能（圖表） | 互聯控制；MoveIt運動規劃；RViz機器人模擬；2D視覺交互 |
| 語音（圖表） | / |
| 顯示（圖表） | / |
Jetson主控選項（參考圖表）
| 主控板 | Jetson Nano B01 4GB | Jetson Orin Nano SUPER 4GB | Jetson Orin Nano SUPER 8GB | Jetson Orin NX SUPER 8GB | Jetson Orin NX SUPER 16GB |
| 計算能力 | 0.5TFLOPS (FP16) | 34 TOPS | 67 TOPS | 117 TOPS | 157 TOPS |
| CPU | 4 核 Arm Cortex-A57 MPCore 處理器 | 6 核 Arm Cortex-A78AE v8.2 64 位元 CPU；1.5MB L2 + 4MB L3 | 6 核 Arm Cortex-A78AE v8.2 64 位元 CPU；1.5MB L2 + 4MB L3 | 6 核 NVIDIA Arm Cortex-A78AE v8.2 64 位元 CPU；1.5MB L2 + 4MB L3 | 8 核 NVIDIA Arm Cortex-A78AE v8.2 64 位元 CPU；2MB L2 + 4MB L3 |
| GPU | 128 核 NVIDIA Maxwell GPU | 512 核 NVIDIA Ampere 架構 GPU，具有 16 個 Tensor 核心 | 1024 核 NVIDIA Ampere 架構 GPU，具有 32 個 Tensor 核心 | 1024 核 NVIDIA Ampere 架構 GPU，具有 32 個 Tensor 核心 | 1024 核 NVIDIA Ampere 架構 GPU，具有 32 個 Tensor 核心 |
| 記憶體 | 4GB 64 位元 LPDDR4 25.6GB/s | 4GB 64-bit LPDDR5 51GB/s | 8GB 128-bit LPDDR5 102 GB/s | 8GB 128-bit LPDDR5 102 GB/s | 16GB 128-bit LPDDR5 102 GB/s |
| 儲存 | 16GB eMMC + 64GB U 盤 | 256GB SSD | |||
| 電源 | 5W - 10W | 7W, 10W, 25W | 7W, 15W, 25W | 10W, 15W, 25W, 40W | |
| ROS 系統版本 | Ubuntu18.04 + ROS1 Melodic | Ubuntu22.04 LTS + ROS2 Humble | |||
該圖表還指出，多個 Jetson 系列控制板的使用方法基本相同；不同的控制板主要影響 JetCobot 的性能。
測量功能/性能差異（參考圖表）
| 項目 |
Jetson Nano 版本 程序啟動時間 / 程序運行幀率 |
Jetson Orin Nano SUPER 8GB 版本 程序啟動時間 / 程序運行幀率 |
Jetson Orin NX SUPER 16GB 版本 程序啟動時間 / 程序運行幀率 |
| 機器人啟動 | 43秒 機械臂初始化完成 / / | 38秒 機械臂初始化完成 / / | 37秒 機械臂初始化完成 / / |
| 基本視覺功能（顏色識別） | 6秒 / 12秒 | 5秒 / 30fps | 4秒 / 30fps |
| Yolov5 垃圾分類 | 31秒 / 6秒 | 17秒 / 30fps | 16秒 / 30fps |
| Mediapipe 人臉檢測 | 13秒 / 30秒 | 8秒 / 30fps-40fps | 7秒 / 30fps-50fps |
| 色塊追蹤 | 10秒 / 30秒 | 7秒 / 30fps | 5秒 / 30fps |
| Apriltag 標籤代碼識別 | 5秒 / 25秒 | 3秒 / 30fps | 3秒 / 30fps |
| RVIZ 模擬建模 | 16秒 / 31秒 | 9秒 / 31fps | 7秒 / 31fps |
圖表顯示的註釋：JetCobot 未配置 Docker 容器技術；它使用官方原生映像配置功能環境，以充分發揮整體主板性能。該數據來自實際的Yahboom實驗室測試；Jetson Orin Nano SUPER 4GB和8GB的性能相似，而Jetson Orin NX SUPER 8GB和16GB的性能接近。
包含內容
- myCobot280 7自由度協作機械臂 (JetCobot)
- 電動夾爪
- USB 攝像頭
- Jetson 主控 (Jetson Nano B01 / Jetson Orin Nano SUPER / Jetson Orin NX SUPER，根據版本而定)
- OLED 屏幕 (列於發貨清單圖表中)
- 配件 (如發貨清單圖表中所列)
應用
- ROS 學習、運動學和運動規劃 (MoveIt / RViz)
- 機器視覺和基於 OpenCV 的互動實驗
- AI 互動演示：顏色追蹤、標籤識別 (Apriltag)、手勢識別和模型訓練工作流程
- 桌面抓取、分類和基於基本坐標的取放任務
手冊 / 文檔
如需售前選擇幫助或售後支持，請聯繫https://rcdrone.top/或發送電子郵件至[email protected].
詳細資訊
將 JetCobot 與其他 ROS 主控選項進行比較，以選擇適合您應用的平臺。
多個 Yahboom 機械臂平臺共享類似的 ROS 工作流程，而硬體和視覺選項則因型號而異。
深度相機配置支持 3D 視覺任務，例如距離感知跟踪和互動。
JetCobot 專注於 7 自由度類 UR 結構，具有毫米級重複性，用於協調運動任務。
Yahboom JetCobot 是一款桌面級 7 自由度視覺協作機械臂，基於 NVIDIA Jetson 控制板構建。
完整的軟體堆疊支持 ROS 控制、MoveIt 規劃、RViz 可視化和基於 OpenCV 的視覺。
根據您的 AI 管道所需的計算能力選擇 Jetson Nano B01、Orin Nano SUPER 或 Orin NX SUPER。
清晰的Jetson比較有助於將CPU/GPU和記憶體容量與ROS和視覺工作負載相匹配。
性能因Jetson控制器而異，而JetCobot功能集和課程示例保持一致。
類似UR的配置提供了廣泛的運動範圍，並為教室和實驗室使用提供了更整潔的構建。
7-DOF佈局提高了在狹小工作空間中定位、抓取和路徑規劃的靈活性。
集成的USB攝像頭使得視覺拾取和分類工作流程無需複雜的外部攝像頭設置。
內建演示涵蓋顏色識別、積木分類、基於標籤的堆疊和基於跟蹤的互動。
使用深度學習模型訓練和MediaPipe手勢互動來構建更具響應性的拾取和放置任務。
MoveIt 和 URDF 模型支持在硬體運行之前進行模擬、軌跡規劃和碰撞檢查。
通過基於瀏覽器的 Jupyter 環境或 USB 遊戲手柄控制 JetCobot，以便快速測試和演示。
逆向運動學使得坐標輸入能夠實現可重複的定位和一致的末端執行器方向。
七個關節（J1–J7）提供了額外的靈活性，用於運動規劃和協調抓取。
JetCobot 提供 270mm 的最大有效臂展（不含夾爪），J1 基座旋轉 ±153°，重複精度 ±0.5mm。
JetCobot 建立在 ROS 機器人操作系統之上，並列出與 ROS2 Humble 和 ROS1 Melodic 的兼容性。
MoveIt 模擬支持讓 JetCobot 機器人手臂能夠在虛擬環境中進行測試和控制，然後再在硬體上運行。
JetCobot 機械臂套件結合了夾爪、USB 高清攝像頭、OLED 屏幕和吸盤底座，適合穩定的桌面設置。
JetCobot 機械臂配備 USB 高清攝像頭（480p，30 fps，110° 視野）和緊湊型電動夾爪，用於視覺引導的拾取和放置任務。
JetCobot 課程涵蓋設置和組裝、ROS/Ubuntu 基礎、SLAM 映射、使用 MediaPipe 的 AI 視覺以及視覺跟踪和抓取練習。
JetCobot 教程材料包括有組織的下載文件夾和課程內容，如 AI 視覺基礎和 Mediapipe，學習鏈接位於 yahboom.net/study/JetCobot。
JetCobot 學習資源包括 AI 視覺跟踪和抓取課程、MoveIt 教程、ROS2 基礎和開放的 Python 源代碼。
JetCobot 夾爪的尺寸以毫米為單位提供，以幫助規劃安裝空間和整體機械臂的間隙。
JetCobot 支援 Python 編程，適用於 Jetson Nano B01 和 Jetson Orin Nano/NX 的 ROS 選項，並配備固定焦距 0.3MP 相機（480P，30fps，110° 廣角）。
JetCobot 套件包括夾爪、USB 相機、底盤組件、電源適配器和接線，並列出可選的 Jetson Nano/Orin 配件。
Related Collections
