Quanser QArm Research
Quanser QArm Reserach
QArm Research to precyzyjne, 6-osiowe ramię robotyczne przeznaczone do zaawansowanych badań oraz kształcenia w zakresie robotyki i mechatroniki. Otwarta architektura, wysoka dokładność i powtarzalność oraz platforma NVIDIA umożliwiają realizację projektów z zakresu sterowania, manipulacji opartej na percepcji, uczenia przez naśladowanie, uczenia ze wzmocnieniem oraz implementacji modeli sztucznej inteligencji.
WYŚLIJ ZAPYTANIE POBIERZ SPECYFIKACJĘ
WYŚLIJ ZAPYTANIE
| ResearchArm – Kluczowe parametry | |
|---|---|
| Układ mechaniczny | |
| Stopnie swobody | 6 DOF robotyczny manipulator szeregowy (J1 Yaw | J2–J4 Pitch | J5 Yaw | J6 Roll) |
| Udźwig | 3 kg |
| Zasięg roboczy | 580 mm |
| Masa | 13.5 kg |
| Powtarzalność | ±0.05 mm |
| Dokładność przegubów | 0.088° |
| Zakres ruchu przegubów | J1, J2, J4, J5, J6: ±360°; J3: ±150° |
| Siłowniki | J1, J2: YM080-230-A099-RH; J3–J6: YM070-210-A099-RH |
| Percepcja i efektor końcowy | |
| Kamera | Intel RealSense D405 |
| Efektor końcowy | RH-P12-RN chwytak robotyczny |
| Rozszerzenia efektora | Zasilanie narzędzi 24V, RS485, wejścia/wyjścia cyfrowe, wejście analogowe |
| Obliczenia i interfejs | |
| Interfejs hosta | Ethernet |
| Platforma obliczeniowa | QBrain – komputer NVIDIA AGX Orin |
| Oprogramowanie i symulacja | |
| Wsparcie programowe | MATLAB/Simulink, Python, ROS 2, C++ |
| Symulacja | NVIDIA Isaac Sim | NVIDIA Isaac Lab |
| Cyfrowy bliźniak | Quanser Interactive Labs |
| Uwagi | |
| *Specyfikacja może ulec zmianie | |
QArm Research to precyzyjne, 6-osiowe ramię robotyczne opracowane z myślą o zaawansowanych badaniach naukowych oraz kształceniu w obszarze robotyki, mechatroniki i automatyki. Platforma umożliwia realizację projektów obejmujących pełny proces rozwoju algorytmów sterowania i manipulacji – od modelowania i symulacji, przez implementację i testowanie, aż po walidację na rzeczywistym obiekcie.
Manipulator charakteryzuje się wysoką dokładnością i powtarzalnością pozycjonowania oraz otwartą architekturą. Wbudowana platforma obliczeniowa NVIDIA zapewnia odpowiednią wydajność do implementacji algorytmów wykorzystujących widzenie maszynowe, przetwarzanie danych z czujników oraz modele sztucznej inteligencji.
QArm Research umożliwia prowadzenie badań i zajęć dydaktycznych z zakresu klasycznych metod sterowania, planowania ruchu, manipulacji opartej na percepcji (Perception-Driven Manipulation), uczenia przez naśladowanie (Imitation Learning), uczenia ze wzmocnieniem (Reinforcement Learning) oraz implementacji i walidacji modeli AI na rzeczywistym manipulatorze.
Dzięki bezpiecznej konstrukcji, bogatemu zestawowi czujników oraz zgodności z popularnymi narzędziami badawczymi platforma stanowi kompletne środowisko do realizacji projektów dydaktycznych, prac badawczych i rozwoju nowoczesnych metod sterowania robotami manipulacyjnymi.
Produkt stanowi także element wyposażenia Quanser laboratorium fizycznej SI oraz Quanser laboratorium inteligentnej automatyzacji.
Do jakich badań można wykorzystać QArm Research?
QArm Research jest przeznaczony do badań z zakresu robotyki, automatyki, Applied AI i Physical AI. Platforma umożliwia realizację projektów obejmujących m.in. sterowanie manipulatorami, planowanie ruchu, manipulację opartą na percepcji, imitation learning, reinforcement learning oraz wdrażanie i walidację modeli AI na rzeczywistym robocie.
Jakie możliwości sterowania zapewnia otwarta architektura QArm Research?
Platforma zapewnia dostęp do sterowania prędkością i pozycją, dzięki czemu użytkownik może implementować i testować własne algorytmy sterowania. Otwarta architektura oraz elastyczne interfejsy I/O umożliwiają również integrację dodatkowych czujników i urządzeń wykonawczych.
Jakie środowiska programistyczne i narzędzia symulacyjne są obsługiwane?
QArm Research współpracuje z MATLAB®/Simulink®, Python®, ROS 2™ i C++. Do symulacji i badań nad Physical AI można wykorzystać NVIDIA Isaac Sim® oraz NVIDIA Isaac Lab, a Quanser Interactive Labs zapewnia cyfrowego bliźniaka manipulatora. Pozwala to połączyć modelowanie, symulację, uczenie oraz eksperymenty na rzeczywistym obiekcie w jednym procesie badawczym.
Czy QArm Research nadaje się do projektów wykorzystujących widzenie maszynowe i AI?
Tak. Manipulator jest wyposażony w kamerę RGB-D Intel RealSense D405 oraz jednostkę QBrain z NVIDIA AGX Orin. Taka konfiguracja umożliwia lokalne przetwarzanie danych sensorycznych i realizację eksperymentów z percepcją, rozpoznawaniem obiektów, manipulacją sterowaną informacją wizyjną oraz wdrażaniem modeli AI bezpośrednio na platformie robotycznej.
Czy QArm Research może pracować jako część większego laboratorium robotycznego?
Tak. QArm Research może być wykorzystywany jako samodzielne stanowisko lub integrowany z innymi rozwiązaniami Quanser, m.in. Physical AI Lab i Intelligent Automation Lab. Może współpracować z Haptic Robot, robotami mobilnymi QBot Platform, przenośnikami oraz dodatkowymi układami sensorycznymi, co pozwala budować bardziej złożone stanowiska badawcze.