Автономный робот-манипулятор с колесами всенаправленного движения для изучения операционных систем реального времени

Благодаря четырем всенаправленным механическим колесам возможно движение на 360° без поворотов, а 5-осевой манипулятор с камерой технического зрения может осуществлять захват, сортировку и перемещение объектов.

Робот оснащен лидаром и поддерживает картографическую навигацию SLAM, 6-канальный микрофонный массив дальнего действия и динамики поддерживают позиционирование источника звука, управление распознаванием голоса, голосовую навигацию, оснащен камерой глубины и может эффективно воспринимать изменения окружающей среды, что позволяет интеллектуально взаимодействовать с людьми.

Возможности набора:

• NVIDIA Jetson Nano может запускать основные платформы глубокого обучения, такие как TensorFlow, PyTorch, Caffe/Caffe2, Keras, MXNet.
• Робот на базе Jetson Nano может реализовывать распознавание изображений, обнаружение и позиционирование объектов, оценку позы, семантическую сегментацию, интеллектуальный анализ.
• Робот оснащен высокопроизводительным лидаром, который поддерживает картографирование с использованием различных алгоритмов, включая Gmapping, Hector, Karto и Cartographer.
• Возможность реализовать планирование пути, навигацию по фиксированной точке, а также обход препятствий во время навигации.
• Возможность отслеживать препятствие в режиме реального времени во время навигации. Таким образом, он может перепланировать маршрут, чтобы избежать препятствия и продолжить движение.
• Используя алгоритм RRT, робот может проводить картографирование, сохранить карту и самостоятельно вернуться к исходной точке, поэтому нет необходимости в ручном управлении.
• Камера глубины поддерживает 3D-картографирование двумя способами: чистое RTAB-видение и объединение видения, а также лидар, который позволяет автономному мобильному роботу перемещаться и избегать препятствий, как на 3D-карте, так и в реальных условиях.
• ORB-SLAM – это платформа SLAM с открытым исходным кодом для монокулярных, бинокулярных камер и камер RGB-D, которая способна вычислять траекторию камеры в реальном времени и реконструировать трехмерное окружение. А в режиме RGB-D можно получить реальный размер объекта через соответствующий API может получить карту глубины, цветное изображение и облако точек камеры.
• На основе платформы MediaPipe может выполнять распознавание человеческого тела, кончиков пальцев, лиц, 3D-обнаружение и многое другое.
• Используйте сетевой алгоритм YOLO и библиотеку моделей глубокого обучения для распознавания объектов.
• Опираясь на алгоритм фильтрации KCF, робот может отслеживать выбранную цель, способен распознавать и отслеживать назначенный цвет, а также одновременно распознавать несколько QR кодов и их координаты.
• Возможность работать с кинематической имитационной моделью URDF.
• 6-микрофонный массив отлично справляется с локализацией источника звука в дальней зоне, распознаванием голоса и голосовым взаимодействием. По сравнению с обычным микрофонным модулем он может реализовывать более продвинутые функции.
• Возможность связи между несколькими машинами может обеспечить навигацию для нескольких транспортных средств, планирование пути и интеллектуальное избегание препятствий.

Уровни обучения:

Исследовательский уровень: Знакомство со сложной кинематикой, основы тригонометрии, углубленное изучение текстовых языков программирования, изучение физических основ работы датчиков.

Продвинутый уровень: Изучить алгоритмы поиска пути: A*, Dijkstra, RRT, PRM, Развитие навыков планирования движения: локальное и глобальное планирование, планирование траекторий. Распознавания графических маркеров, распознавание массивов линий и элементов дорожных знаков и разметки, картография, распознавание направления источника звука. Способы использования роботов и глубокого обучения для автоматизации различных процессов. Визуализация облака точек.