Eine autonome Robotikplattform mit Echtzeit-Computer-Vision und Deep-Learning-Fähigkeiten zur intelligenten Objekterkennung und -interaktion.
Dies ist ein Referenzdesign. Es zeigt, was wir für einen Kunden entwerfen und entwickeln können. Die folgenden Werte sind Designziele und keine Messwerte aus einem gelieferten Produkt.
Mehrachsiges Kameraarray mit Tiefensensor und Infrarotfunktionen
NVIDIA Jetson Nano mit optimierten neuronalen Netz-Inferenz-Pipelines
6-Achs-Servosystem mit PID-Reglern für präzise Roboterbewegungen
Webbasiertes Steuerungspanel mit Live-Videoübertragung und Telemetrie-Dashboard
YOLOv5-basierte Erkennung mit 30 FPS identifiziert mehr als 15 Objektklassen mit Bounding-Box-Visualisierung.
A*- und RRT-Algorithmen für autonome Navigation um Hindernisse mit dynamischer Neuplanung.
Greifersteuerung mit Kraftrückkopplungssensoren für sichere und präzise Pick-and-Place-Vorgänge.
Geräteinternes Transfer-Learning ermöglicht dem Roboter, neue Objekte mit minimalen Trainingsproben zu erkennen.
Stereoskopisches Sehen kombiniert mit Tiefensensoren für präzise 3D-Raumkartierung der Umgebung.
Latenzarmes WebRTC-Streaming für Fernsteuerung mit Tastatur-, Gamepad- oder mobiler Eingabe.
3D-gedrucktes Fahrgestell und Komponentenhalterung, entwickelt in FreeCAD mit Spannungsanalyse-Simulation.
Kamerakalibrierung, Bildvorverarbeitung und YOLOv5-Modelltraining mit einem benutzerdefinierten Datensatz von 5.000 Bildern.
Servomotorintegration mit inverser Kinematik für flüssige 6-DOF-Arm- und Lokomotionsbewegungen.
ROS2-Framework verbindet Vision-, Planungs- und Steuerungsknoten mit Echtzeit-Nachrichtenübermittlung.
Iteratives Testen in kontrollierten Umgebungen mit zunehmend komplexen Navigations- und Erkennungsszenarien.
Von autonomer Navigation bis Computer Vision entwickelt unser Team maßgeschneiderte Robotiklösungen, die die Grenzen intelligenter Automatisierung verschieben.