Hola a todos, hoy vamos a desempacar y revisar un brazo robótico colaborativo visual con inteligencia artificial de 7 grados de libertad: JetCobot .
JetCobot tiene 7 articulaciones flexibles y todo el cuerpo adopta un diseño integrado de color blanco. Su diseño estructural único y su hermosa apariencia atraen a muchos usuarios.
Como se muestra a continuación. Todas las partes de JetCobot.
1. Acerca de la placa de control principal
Yahboom ofrece tres configuraciones para elegir: versión Jetson NANO de 4 GB , versión Jetson Orin NANO de 8 GB y versión Jetson Orin NX de 16 GB .
Nota: Los materiales del curso, las funciones y el software de control de las tres versiones son los mismos. Las diferentes versiones solo afectan el rendimiento de JETCOBOT.
Consulte la siguiente imagen para ver el rendimiento de las tres placas de desarrollo.
Consejos: Recomendamos a los usuarios que elijan la versión con Jetson ORIN NX 16GB, que tiene un mejor rendimiento de la placa base y un funcionamiento más fluido de algunas funciones complejas de reconocimiento visual y simulación de IA.
2. Configuración del hardware
JetCobot se compone principalmente de brazo robótico MyCobot280, pinza, cámara USB y caja de chasis de metal Jetson.
◆◆◆ Brazo robótico MyCobot280
MyCobot280 tiene una longitud de brazo efectiva máxima de 270 mm.
Al agregar la pinza, la longitud máxima efectiva del brazo es de 374,5 mm.
Precisión de posicionamiento repetido de ± 0,5 mm.
Adopta una configuración similar al robot UR, movimiento flexible.
◆◆◆ Pinza
La pinza es accionada por un motor y la velocidad se puede controlar, lo que puede minimizar el impacto en el objeto sujetado. El punto de posicionamiento es controlable, la sujeción es controlable y la pinza puede sujetar firmemente el objeto, no es fácil que se caiga y es fácil de operar.
Los parámetros de la pinza son los siguientes:
| Modelo | myCobot_pinza_Ag_blanca | Modo de conducción | Eléctrico |
| Proceso | Moldeo por inyección de ABS | Modo de transmisión | Engranaje + biela |
| Color | Blanco | Dimensiones | 112 x 94 x 50 mm |
| Rango de sujeción | 20-45 mm | Peso | 110 gramos |
| Fuerza máxima de sujeción | 150 gramos | Modo campo | Conector de bloque de construcción |
| Precisión de repetición | 1 mm | Requisitos medioambientales | Temperaturas y presiones normales |
| Vida útil | Un año | Interfaz de control | Control del puerto serie |
◆◆◆ Cámara USB
La cámara USB en el brazo robótico con 0,3 MP, campo de visión de 110°, resolución de 480P y velocidad de cuadros de 30 fps, que puede proporcionar adquisición de imágenes HD.
Los parámetros de la cámara USB son los siguientes:
| Píxeles | 300.000 | Campo de visión | 110° |
| Resolución | 480P (640*480) | Velocidad de cuadros | 30 fps |
| Método de conexión | USB 2.0 | Modo enfoque | Enfoque fijo |
| Longitud del cable de la cámara | 70 cm | Material de la carcasa | Resina |
◆◆◆ Caja del chasis
La carcasa general está hecha de material metálico y los espacios en los laterales corresponden uno a uno con la interfaz de la placa de desarrollo Jetson, protegiendo la placa de desarrollo sin afectar a ningún otro dispositivo externo.
Adopte material acrílico transparente en el frente, lo que permite a los usuarios observar el estado de funcionamiento de las placas de desarrollo Jetson en cualquier momento.
3. Introducción a la función
3.1 Aprendizaje profundo | Reconocimiento de basura
La cámara de alta definición que incorpora JetCobot captura imágenes de los elementos de basura, que luego se incorporan a modelos de aprendizaje profundo previamente entrenados para su análisis. En función de las características extraídas, JetCobot puede determinar a qué categoría pertenece la basura, como corazones de manzana, baterías usadas, libros o desechos peligrosos.
3.2 Clasificación y apilamiento de basura
JetCobot identifica con precisión el tipo de basura y el brazo robótico realiza inmediatamente acciones de clasificación según los resultados de la clasificación, recogiendo la basura en el punto de reciclaje correcto o apilando el mismo tipo de basura.
3.3 Reconocimiento visual | Seguimiento de objetivos
A través de cámaras de alta definición, JetCobot es capaz de comprender y responder a su entorno, combinando funciones de reconocimiento visual de IA y seguimiento de objetivos para lograr una serie de operaciones complejas y precisas.
3.4 Desarrollo de MediaPipe | Aprendizaje profundo
Al integrar el marco de aprendizaje automático MediaPipe, JetCobot no solo puede realizar tareas básicas de agarre y colocación, sino que también puede demostrar una alta adaptabilidad en escenarios más complejos.
3.5 Algoritmo de cinemática inversa | Control de simulación MoveIt
JetCobot admite la simulación Movelt, que permite el control mecánico y la validación de algoritmos en entornos virtuales, reduciendo los requisitos de los entornos experimentales y mejorando la eficiencia experimental;
Los usuarios pueden controlar directamente cada articulación del brazo robótico en el entorno de simulación, obtener una vista previa del movimiento del brazo robótico en el entorno virtual, incluida la extensión y rotación de las articulaciones y la posición y postura de los efectores finales.
3. Método de control remoto
Ofrecemos tres modos de control para JetCobot, como se muestra a continuación.
Jetcobot es un brazo robótico colaborativo visual con IA de 7 grados de libertad, equipado con un brazo robótico colaborativo myCobot280 y una cámara HD, que puede identificar con precisión objetos como el color, la cara y la postura humana.
Al calcular la posición de los objetos a través de relaciones geométricas, puede realizar un posicionamiento, agarre y seguimiento precisos. Yahboom también proporciona un mapa, 8 bloques de construcción y un papel de tablero de ajedrez. Los usuarios pueden usarlo para realizar la clasificación por colores, la clasificación de basura, el apilamiento de basura, etc.
Compatible con Jetson Nano B01, Jetson Orin Nano de 8 GB y Jetson Orin NX de 16 GB. Combina TensorFlow y PyTorch, así como el entrenamiento del modelo YOLOv5, y ofrece un conjunto integral de soluciones de aplicación de algoritmos visuales.
Abarca conjuntos de herramientas de aplicación de algoritmos visuales como OpenCV, Mediapipe, Apriltag y Jetson-Inference. Al integrar el sistema robótico ROS y el algoritmo de cinemática inversa, se ha simplificado el complejo control de movimiento del brazo robótico. Puede lograr control de coordenadas, planificación de movimiento, detección de colisiones y selección y clasificación. Proporcionó una plataforma flexible para la educación e investigación de ROS.
Se proporcionarán tutoriales detallados de MoveIt y se realizará el control y la validación del brazo robótico en el entorno de simulación RVIZ. JetCobot es una buena opción para los campos de la educación, el desarrollo y la investigación.