【Unboxing and Reviewing】---JetCobot 7-axis visual collaborative robotic arm

【Déballage et test】---Bras robotique collaboratif visuel à 7 axes JetCobot

0 commentaires

Bonjour à tous, aujourd'hui nous allons déballer et examiner un bras robotique collaboratif visuel AI 7-DOF - JetCobot .
JetCobot est doté de 7 articulations flexibles. L'ensemble du corps adopte une conception intégrée blanche. La conception structurelle unique et la belle apparence attirent de nombreux utilisateurs.
Comme indiqué ci-dessous. Toutes les pièces de JetCobot.

1. À propos du panneau de commande principal

Yahboom propose trois configurations au choix : version Jetson NANO 4 Go , version Jetson Orin NANO 8 Go , version Jetson Orin NX 16 Go .

Remarque : les supports de cours, les fonctions et le logiciel de contrôle des trois versions sont identiques. Les différentes versions n'affectent que les performances de JETCOBOT.

Veuillez vous référer à l'image suivante pour les performances des trois cartes de développement.

Conseils : Nous recommandons aux utilisateurs de choisir la version avec Jetson ORIN NX 16 Go, qui offre de meilleures performances de carte mère et un fonctionnement plus fluide de certaines fonctions complexes de reconnaissance visuelle et de simulation d'IA.

2. Configuration matérielle

JetCobot est principalement composé d'un bras robotique MyCobot280, d'une pince, d'une caméra USB et d'un châssis métallique Jetson.

◆◆◆ Bras robotisé MyCobot280

MyCobot280 a une portée de bras effective maximale de 270 mm.

Ajoutez une portée effective maximale du bras de préhension de 374,5 mm.

Précision de positionnement répétitive de ± 0,5 mm.

Il adopte une configuration similaire au robot UR, mouvement flexible.

◆◆◆ Pince

La pince est entraînée par un moteur et la vitesse peut être contrôlée, ce qui peut minimiser l'impact sur l'objet serré. Le point de positionnement est contrôlable, le serrage est contrôlable et la pince peut saisir fermement l'objet, pas facile à tomber et facile à utiliser.
Les paramètres de la pince sont les suivants :

Modèle myCobot_gripper_Ag_blanc Mode de conduite Électrique
Processus Moulage par injection ABS Mode de transmission Engrenage + bielle de connexion
Couleur Blanc Dimensions 112x94x50MM
Plage de serrage 20-45 mm Poids 110g
Force de serrage maximale 150g Mode de vol Connecteur de blocs de construction
Précision de répétition 1 mm Exigences environnementales Températures et pressions normales
Durée de vie Un an Interface de contrôle Contrôle du port série

◆◆◆ Caméra USB

La caméra USB sur le bras robotique avec 0,3 MP, champ de vision de 110 °, résolution 480P et fréquence d'images de 30 ips, qui peut fournir une acquisition d'images HD.
Les paramètres de la caméra USB sont les suivants :

Pixels 300 000 Champ de vision 110°
Résolution 480P (640 x 480) Fréquence d'images 30 images par seconde
Méthode de connexion USB 2.0 Mode Fcous Mise au point fixe
Longueur du câble de la caméra 70CM Matériau du boîtier Résine

◆◆◆ Châssis

La coque globale est en matériau métallique et les espaces sur le côté correspondent un à un à l'interface de la carte de développement Jetson, protégeant la carte de développement sans affecter les autres périphériques externes.
Adoptez un matériau acrylique transparent sur le devant, permettant aux utilisateurs d'observer l'état de fonctionnement des cartes de développement Jetson à tout moment.

3. Présentation de la fonction

3.1 Apprentissage profond | Reconnaissance des déchets

La caméra haute définition équipée sur JetCobot capture des images des déchets, qui sont ensuite intégrées dans des modèles d'apprentissage profond pré-entraînés pour analyse. En fonction des caractéristiques extraites, JetCobot peut déterminer à quelle catégorie appartiennent les déchets, comme les trognons de pomme, les piles usagées, les livres ou les déchets dangereux.

3.2 Tri et empilage des déchets

JetCobot identifie avec précision le type de déchets et le bras robotique effectue immédiatement des actions de tri en fonction des résultats de la classification, en ramassant les déchets au bon point de recyclage ou en empilant le même type de déchets.

3.3 Reconnaissance visuelle | Suivi de la cible

Grâce à des caméras haute définition, JetCobot est capable de comprendre et de réagir à son environnement, en combinant les fonctions de reconnaissance visuelle de l'IA et de suivi de cible pour réaliser une série d'opérations complexes et précises.

3.4 Développement MediaPipe | Apprentissage profond

En intégrant le framework d'apprentissage automatique MediaPipe, JetCobot peut non seulement effectuer des tâches de saisie et de placement de base, mais également démontrer une grande adaptabilité dans des scénarios plus complexes.

3.5 Algorithme de cinématique inverse | Contrôle de simulation MoveIt

JetCobot prend en charge la simulation Movelt, qui permet le contrôle mécanique et la validation des algorithmes dans des environnements virtuels, réduisant ainsi les exigences en matière d'environnements expérimentaux et améliorant l'efficacité expérimentale ;
Les utilisateurs peuvent contrôler directement chaque articulation du bras robotique dans l'environnement de simulation, prévisualiser le mouvement du bras robotique dans l'environnement virtuel, y compris l'extension et la rotation des articulations ainsi que la position et la posture des effecteurs finaux.

3. Méthode de contrôle à distance

Nous proposons trois modes de contrôle pour JetCobot. Comme indiqué ci-dessous.

Jetcobot est un bras robotique collaboratif visuel IA à 7 degrés de liberté, équipé du bras robotique collaboratif myCobot280 et d'une caméra HD, qui peut identifier avec précision des objets tels que la couleur, le visage et la posture humaine.

En calculant la position des objets grâce à des relations géométriques, il peut effectuer un positionnement, une saisie et un suivi précis. Yahboom fournit également une carte, 8 blocs de construction et un papier à damier. Les utilisateurs peuvent l'utiliser pour effectuer le tri des couleurs, le tri des déchets, l'empilage des déchets, etc.

Prend en charge Jetson Nano B01, Jetson Orin Nano 8 Go, Jetson Orin NX 16 Go. En combinant TensorFlow et PyTorch, ainsi que la formation de modèles YOLOv5, il fournit un ensemble complet de solutions d'application d'algorithmes visuels.

Couvre les ensembles d'outils d'application d'algorithmes visuels tels que OpenCV, Mediapipe, Apriltag et Jetson-Inference. En intégrant le système robotique ROS et l'algorithme de cinématique inverse, le contrôle complexe des mouvements du bras robotique a été simplifié. Il peut réaliser le contrôle des coordonnées, la planification des mouvements, la détection des collisions, la sélection et le tri. Fournit une plate-forme flexible pour l'enseignement et la recherche ROS.

Des tutoriels MoveIt détaillés seront fournis et permettront de contrôler et de valider le bras robotisé dans l'environnement de simulation RVIZ. JetCobot est un bon choix pour les domaines de l'éducation, du développement et de la recherche.


Mots clés:
【Déballage et test】--- Voiture robot Roboduino V2 avec caméra WiFi ESP32

Exécuter un modèle de langage volumineux sur Raspberry Pi/Jetson ? Quelle est son efficacité ?

Laisser un commentaire