- დაბალი შეყოვნება, მასშტაბირებადი გამოყოფილი AI ამაჩქარებელი
- MCU მხარს უჭერს რეალურ დროში ძრავის კონტროლს
- ROS2 DDS-ით უზრუნველყოფს დროულ კომუნიკაციას და თავსებადობას
ვაფლის სატრანსპორტო რობოტების გამოყენების შემთხვევები
კომპაქტური რობოტის კონტროლერი
TAC-3000-NX
- NVIDIA ® JetsonTM SO-DIMM კონექტორის ძირითადი დაფის მხარდაჭერა
- მაღალი ხარისხის AI კონტროლერი 100TOPS-მდე გამოთვლითი სიმძლავრით
5G LTE
- TDD LTE/FDD LTE/WCDMA/GPS
- მხარდაჭერის რეგიონი: გლობალური
მზადაა სტანდარტული სისტემების გამოსაყენებლად: სწრაფი მშენებლობა და გაფართოება
- წარმოების დაფა ხელს უწყობს ნიმუშის განვითარებას და ფართომასშტაბიან განლაგებას
- 100-მდე TOPS (INT8) გამოთვლითი სიმძლავრე
- მხარს უჭერს JetPackTM 5.1 SDK
მცირე ზომის ვიწრო სივრცეებთან ადაპტაციისთვის
- მარტივად განათავსეთ პროდუქტები აპლიკაციის სხვადასხვა სცენარში, სივრცის შეწირვის გარეშე
- მოდულარული სითბოს გაფრქვევის დიზაინის მიღება ერთიანი კვაზი სისტემის დიზაინთან ადაპტაციისთვის
მასშტაბური I/O დიზაინი აპლიკაციის სხვადასხვა მოთხოვნების დასაკმაყოფილებლად
- M.2 გაფართოებები დასაწყებად და უსადენო კავშირებისთვის: M კლავიში NVMe-სთვის და B კლავიში უკაბელო აპლიკაციებისთვის
- დააკავშირეთ edge მოწყობილობები და პერიფერიული მოწყობილობები USB, RS-485, GPIO, CAN და LAN საშუალებით
ვაფლის სატრანსპორტო რობოტების გამოყენების შემთხვევები
განაცხადის გამოწვევები
- უზრუნველყოს სტაბილურობა და მოქნილობა, შეამციროს ვიბრაცია
- გააუმჯობესეთ დაბრკოლებების თავიდან აცილების სიზუსტე
- შეინარჩუნეთ უსაფრთხოების უფრო მაღალი დონე ადამიანი-მანქანის თანამშრომლობის დროს
- რობოტის დიზაინი კარგად უნდა იყოს მორგებული, რათა დააკმაყოფილოს სუფთა ოთახის მოთხოვნები
გამოსავალი
- კომპაქტური დიზაინი ვიბრაციის ტოლერანტობით 3.5 გრმ
- სენსორის შერწყმა მოითხოვს მრიცხველების ავტომატური კითხვის სისტემების უსაფრთხო და ზუსტ ნავიგაციას
- გამოიყენება მარტივი ROS/ROS2 განვითარების მზა გარემოს ინტეგრირებისთვის
- 21TOPS მშობლიური AI მსჯელობის უნარი უზრუნველყოფს გამოთვლითი სიმძლავრის მხარდაჭერას დაბრკოლებების თავიდან ასაცილებლად
გეგმის უპირატესობები
- ადვილად განლაგებულია საწარმოო ხაზები და ქარხნული მრიცხველის ავტომატური კითხვის სისტემები
- მონაცემთა გაძლიერებული დამუშავება სენსორიდან, მიწოდებიდან ინტეგრაციამდე
- დაბალი ენერგიის მოხმარების მოთხოვნები და უმაღლესი დონის AI შესრულება
- შემცირდა განვითარების დრო და გაუმჯობესებული ეფექტურობა
- მოქნილი დიზაინი შიდა ლოჯისტიკისა და AMR მოთხოვნის კორექტირებისთვის
