NVIDIA Jetson Orin Nano Developer Kit 为創建入(rù)門(mén)級人(rén)工智能(néng)机器人(rén)、智能(néng)無人(rén)机和(hé)智能(néng)视覺系(xì)統設定(dìng)了(le)一(yī)个(gè)新(xīn)标(biāo)準，如(rú) NVIDIA announced 和(hé) NVIDIA GTC 2023 。它(tā)還(huán)簡化(huà)了(le) NVIDIA Jetson Orin Nano 系(xì)列的(de)入(rù)門(mén)。緊湊的(de)設计、衆多(duō)的(de)連(lián)接器和(hé)高(gāo)达(dá) 40 项人(rén)工智能(néng)性(xìng)能(néng)，使这(zhè)款開(kāi)發(fà)套(tào)件(jiàn)成(chéng)为将您富有(yǒu)遠(yuǎn)見(jiàn)的(de)概念轉(zhuǎn)化(huà)为現(xiàn)實(shí)的(de)理(lǐ)想(xiǎng)選擇。
該開(kāi)發(fà)套(tào)件(jiàn)由(yóu)一(yī)个(gè) Jetson Orin Nano 8GB模块(kuài)和(hé)一(yī)个(gè)參考承载(zài)板组成(chéng)，該承载(zài)板可(kě)容納所(suǒ)有(yǒu) NVIDIA Jetson Orin Nano- 和(hé) NVIDIA ZVK4]Orin NX 模块(kuài)，为下(xià)一(yī)代(dài)邊(biān)緣人(rén)工智能(néng)産品的(de)原型設计提(tí)供了(le)理(lǐ)想(xiǎng)的(de)平台(tái)。
Jetson Orin Nano 8 GB 模块(kuài)采用(yòng) NVIDIA Ampere architecture GPU ，具有(yǒu) 1024 个(gè) CUDA 內(nèi)核、 32 个(gè)第(dì)三(sān)代(dài)张(zhāng)量(liàng)內(nèi)核和(hé)一(yī)个(gè) 6 核 Arm CPU ，可(kě)實(shí)現(xiàn)多(duō)个(gè)並(bìng)發(fà)人(rén)工智能(néng)應(yìng)用(yòng)管(guǎn)道和(hé)高(gāo)性(xìng)能(néng)推理(lǐ)。開(kāi)發(fà)套(tào)件(jiàn)载(zài)板拥有(yǒu)廣泛的(de)連(lián)接器阵(zhèn)列，包(bāo)括两(liǎng)个(gè) MIPI CSI 連(lián)接器，支持(chí)多(duō)达(dá)四个(gè)通(tòng)道的(de)相机模块(kuài)，實(shí)現(xiàn)了(le)比以前(qián)更(gèng)高(gāo)的(de)分(fēn)辨率和(hé)幀速率。
上(shàng)一(yī)代(dài) Jetson 納米(mǐ)開(kāi)發(fà)套(tào)件(jiàn)使每个(gè)人(rén)都可(kě)以訪問(wèn)人(rén)工智能(néng)。新(xīn)的(de) Jetson Orin Nano 開(kāi)發(fà)套(tào)件(jiàn)以 80 倍的(de)性(xìng)能(néng)提(tí)高(gāo)了(le)入(rù)門(mén)級人(rén)工智能(néng)開(kāi)發(fà)的(de)門(mén)檻，使開(kāi)發(fà)人(rén)員能(néng)夠運行任何类型的(de)現(xiàn)代(dài)人(rén)工智能(néng)模型，包(bāo)括 transformer 和(hé)高(gāo)級机器人(rén)模型。與(yǔ)上(shàng)一(yī)代(dài) Jetson Nano 相比，它(tā)不(bù)僅大(dà)大(dà)提(tí)高(gāo)了(le)人(rén)工智能(néng)性(xìng)能(néng)， Jetson Orin Nano 還(huán)提(tí)供了(le) 5.4 倍的(de) CUDA 计算、 6.6 倍的(de) CPU 性(xìng)能(néng)和(hé) 50 倍的(de)每瓦(wǎ)性(xìng)能(néng)。
NVIDIA Jetson Orin Nano 開(kāi)發(fà)套(tào)件(jiàn)功能(néng)
NVIDIA Jetson Orin Nano 開(kāi)發(fà)套(tào)件(jiàn)包(bāo)括一(yī)个(gè)特(tè)殊的(de) NVIDIA -Orin Nano 8GB 模块(kuài)，带(dài)有(yǒu) SD 卡插槽、參考承载(zài)板、預裝(zhuāng)散(sàn)热(rè)器/風(fēng)扇(shàn)、 19V 直(zhí)流電(diàn)源和(hé)一(yī)个(gè)基于(yú) M.2-Key E 的(de)無線(xiàn)网(wǎng)络模块(kuài)。除了(le)可(kě)引導的(de) microSD 卡插槽外(wài)，托架下(xià)側還(huán)提(tí)供了(le)两(liǎng)个(gè) M.2 Key-M NVMe 插槽，用(yòng)于(yú)高(gāo)速存儲。
Jetson Orin Nano 運行所(suǒ)有(yǒu)現(xiàn)代(dài)人(rén)工智能(néng)模型
Jetson Orin Nano 開(kāi)發(fà)套(tào)件(jiàn)具有(yǒu)高(gāo)达(dá) 40 个(gè) TOPS 的(de)人(rén)工智能(néng)性(xìng)能(néng)，可(kě)以運行所(suǒ)有(yǒu)現(xiàn)代(dài)人(rén)工智能(néng)模型。这(zhè)一(yī)计算上(shàng)的(de)重(zhòng)大(dà)飛躍使最(zuì)苛刻(kè)的(de)人(rén)工智能(néng)應(yìng)用(yòng)成(chéng)为可(kě)能(néng)，包(bāo)括在(zài)邊(biān)緣運行 transformer 模型，而(ér)这(zhè)在(zài) Jetson Nano 之(zhī)前(qián)是(shì)不(bù)可(kě)能(néng)的(de)。
transformer 模型是(shì)最(zuì)近(jìn)生(shēng)成(chéng)人(rén)工智能(néng)應(yìng)用(yòng)程序的(de)基礎，如(rú) ChatGPT 和(hé) DALL-E ，它(tā)们(men)正(zhèng)在(zài)席(xí)卷(juǎn)世界。transformer 模型通(tòng)过(guò)跟踪序列數據(jù)中(zhōng)元(yuán)素之(zhī)間(jiān)的(de)關(guān)系(xì)来(lái)學(xué)習上(shàng)下(xià)文(wén)和(hé)意(yì)義，從而(ér)消除了(le)对大(dà)型标(biāo)記(jì)數據(jù)集的(de)需求。
即開(kāi)始(shǐ)支持(chí)：
City Segmentation 用(yòng)于(yú)将城(chéng)市(shì)景觀劃(huà)分(fēn)为不(bù)同(tóng)类别
PeopleNet Transformer 基于(yú)可(kě)變(biàn)形檢測 transformer
BERT 用(yòng)于(yú)不(bù)明(míng)飛行物(wù)
Jetson 软(ruǎn)件(jiàn)加速 AI 和(hé) TTM
Jetson Orin Nano 開(kāi)發(fà)套(tào)件(jiàn)運行 NVIDIA AI 软(ruǎn)件(jiàn)堆(duī)栈，具有(yǒu)可(kě)用(yòng)的(de)特(tè)定(dìng)于(yú)用(yòng)例的(de)應(yìng)用(yòng)程序框架。其(qí)中(zhōng)包(bāo)括用(yòng)于(yú)机器人(rén)的(de) NVIDIA Isaac 、用(yòng)于(yú)视覺人(rén)工智能(néng)的(de) NVIDIA DeepStream 和(hé)用(yòng)于(yú)会(huì)话人(rén)工智能(néng)的(de) NVIDIA Riva 。使用(yòng) NVIDIA Omniverse Replicator 可(kě)以节(jié)省(shěng)大(dà)量(liàng)时(shí)間(jiān)用(yòng)于(yú)合成(chéng)數據(jù)生(shēng)成(chéng)( SDG )，使用(yòng) NVIDIA TAO Toolkit 可(kě)以從 NGC 目录(lù)中(zhōng)微調預訓练的(de)人(rén)工智能(néng)模型。
使用(yòng)即将推出(chū)的(de) NVIDIA JetPack 5.1.1 使用(yòng) Jetson Orin Nano 運行一(yī)些(xiē)计算机视覺基準測試的(de)結果(guǒ)。这(zhè)些(xiē)結果(guǒ)表(biǎo)明(míng)，開(kāi)發(fà)工具包(bāo)提(tí)高(gāo)了(le)入(rù)門(mén)級计算机视覺的(de)标(biāo)準。測試包(bāo)括 NGC 的(de)一(yī)些(xiē)密集的(de) INT8 和(hé) FP16 預訓练模型，以及(jí) Industry Resnet-50 基準。基準測試包(bāo)括以下(xià)內(nèi)容：
NVIDIA PeopleNet v2.5 用(yòng)于(yú)最(zuì)高(gāo)精度(dù)的(de)人(rén)員檢測
NVIDIA ActionRecognitionNet 二(èr)維和(hé)三(sān)維模型
NVIDIA LPRNet 用(yòng)于(yú)车牌(pái)識别
用(yòng)于(yú)多(duō)人(rén)人(rén)體(tǐ)姿态估计的(de) NVIDIA DashCamNet 、 BodyPoseNet
ResNet-50 ( 224 × 224 )物(wù)體(tǐ)檢測模型
Jetson Orin Nano 開(kāi)發(fà)套(tào)件(jiàn)是(shì)一(yī)个(gè)多(duō)功能(néng)平台(tái)，支持(chí)使用(yòng) NVIDIA TAO Toolkit 4.0 訓练的(de)模型，並(bìng)将很快(kuài)支持(chí) TAO Toolkit 5.0 中(zhōng)新(xīn)發(fà)布(bù)的(de)模型。使用(yòng) TAO Toolkit 5.0 ，開(kāi)發(fà)人(rén)員可(kě)以利用(yòng)幾(jǐ)種(zhǒng)最(zuì)先(xiān)進(jìn)的(de)视覺 transformer 模型進(jìn)行图(tú)像分(fēn)类、对象(xiàng)檢測和(hé)分(fēn)割用(yòng)例。要(yào)了(le)解(jiě)更(gèng)多(duō)信(xìn)息，请參閱 Access the Latest in Vision AI Model Development Workflows with NVIDIA TAO Toolkit 5.0 .
NVIDIA Jetson Orin Nano 和(hé) NVIDIA DeepStream 是(shì)邊(biān)緣應(yìng)用(yòng)的(de)理(lǐ)想(xiǎng)组合，如(rú)智能(néng)零(líng)售、智能(néng)城(chéng)市(shì)十(shí)字(zì)路(lù)口和(hé)工業自(zì)动化(huà)。随着 DeepStream 即将推出(chū)的(de)版本(běn)，以及(jí) GXF 運行时(shí)的(de)引入(rù)， Jetson Orin Nano 是(shì)運行 AI 图(tú)形的(de)理(lǐ)想(xiǎng)平台(tái)，这(zhè)些(xiē)图(tú)形需要(yào)與(yǔ)确定(dìng)性(xìng)系(xì)統緊密集成(chéng)，这(zhè)在(zài)工廠(chǎng)自(zì)动化(huà)用(yòng)例中(zhōng)很常見(jiàn)。
此(cǐ)外(wài)，您可(kě)以使用(yòng)最(zuì)新(xīn)版本(běn)的(de) Jetson Graph Composer 構建應(yìng)用(yòng)程序，並(bìng)通(tòng)过(guò)單擊按鈕将其(qí)部(bù)署(shǔ)到(dào) DeepStream Orin Nano ，從而(ér)快(kuài)速熟悉 DeepStream 。
在(zài)NVIDIA Jetson Orin上(shàng)使用(yòng)NVIDIA Jetson加速机器人(rén)應(yìng)用(yòng)
NVIDIA Isaac 机器人(rén)平台(tái)是(shì)一(yī)个(gè)強(qiáng)大(dà)的(de)端到(dào)端平台(tái)，用(yòng)于(yú)開(kāi)發(fà)、模拟和(hé)部(bù)署(shǔ)人(rén)工智能(néng)机器人(rén)。特(tè)别是(shì) NVIDIA Isaac ROS ，一(yī)组硬(yìng)件(jiàn)加速包(bāo)，使 ROS 2 開(kāi)發(fà)人(rén)員更(gèng)容易在(zài) Jetson Orin Nano 開(kāi)發(fà)套(tào)件(jiàn)上(shàng)構建高(gāo)性(xìng)能(néng)解(jiě)決方(fāng)案(àn)。新(xīn)的(de) NVIDIA Isaac ROS DP 版本(běn)優化(huà)了(le) ROS 2 节(jié)點(diǎn)處(chù)理(lǐ)管(guǎn)道，可(kě)以在(zài) Jetson Orin 平台(tái)上(shàng)執行。它(tā)還(huán)提(tí)供了(le)新(xīn)的(de)基于(yú) DNN 的(de) GEMS ，旨在(zài)提(tí)高(gāo)吞吐量(liàng)。
使用(yòng)即将發(fà)布(bù)的(de) NVIDIA ISAAC ROS DP3 在(zài) Jetson Orin Nano 上(shàng)運行这(zhè)些(xiē)机器人(rén)软(ruǎn)件(jiàn)包(bāo)的(de)結果(guǒ)。性(xìng)能(néng)是(shì)在(zài)負载(zài)下(xià)測量(liàng)的(de)，包(bāo)括 RCL 中(zhōng)的(de)消息傳輸成(chéng)本(běn)，用(yòng)于(yú)指示真(zhēn)實(shí)世界性(xìng)能(néng)的(de)實(shí)際基準測試。測試包(bāo)括：
Visual SLAM 使机器人(rén)能(néng)夠通(tòng)过(guò)跟踪环(huán)境周围的(de)视覺特(tè)征，根(gēn)據(jù)图(tú)像计算其(qí)位(wèi)置和(hé)運动
April Tags 用(yòng)于(yú) AprilTag 檢測和(hé)姿态估计
Image Detection
Image Segmentation
Proximity Segmentation 确定(dìng)障礙物(wù)是(shì)否在(zài)近(jìn)场(chǎng)內(nèi)，並(bìng)避免在(zài)導航过(guò)程中(zhōng)與(yǔ)障礙物(wù)碰撞
Stereo Disparity，用(yòng)于(yú)拍攝立體(tǐ)輸入(rù)图(tú)像並(bìng)生(shēng)成(chéng)用(yòng)于(yú)机器人(rén)導航的(de)輸入(rù)图(tú)像的(de)视差图(tú)