Projets NVIDIA ROS 2
NVIDIA Jetson travaille au développement de packages ROS 2 pour faciliter le développement d’applications d’IA pour la robotique.
Projets ROS
Isaac ROS Nvblox : reconstruction de scène 3D accélérée par le matériel et fournisseur de cartes de coûts locales Nav2 utilisant nvblox.
Isaac ROS Object Detection : prise en charge du modèle d’apprentissage en profondeur pour la détection d’objets, y compris DetectNet.
Isaac ROS DNN Inference : ce référentiel fournit deux nœuds ROS 2 accélérés par GPU NVIDIA qui effectuent une inférence d’apprentissage en profondeur à l’aide de modèles personnalisés. Un nœud utilise le SDK TensorRT, tandis que l’autre utilise le SDK Triton.
Isaac ROS Visual SLAM : ce référentiel fournit un package ROS 2 qui estime l’odométrie inertielle visuelle stéréo à l’aide de la bibliothèque accélérée par GPU d’Isaac Elbrus.
Isaac ROS Argus Camera : ce référentiel fournit des nœuds monoculaires et stéréo qui permettent aux développeurs ROS d’utiliser des caméras connectées aux plates-formes Jetson via une interface CSI.
Isaac ROS image_pipeline : ce métapaquet offre des fonctionnalités similaires à celles du métapaquet standard image_pipeline basé sur le processeur, mais le fait en tirant parti de la vision par ordinateur spécialisée de la plate-forme Jetson Matériel.
Isaac ROS Common : utilitaires communs Isaac ROS à utiliser avec la suite de packages Isaac ROS.
Isaac ROS AprilTags : le nœud ROS 2 utilise la bibliothèque NVIDIA GPU accélérée AprilTags pour détecter les AprilTags dans les images et publier leurs poses, identifiants et métadonnées supplémentaires .
Images Docker ROS et ROS 2 : images Docker pour un déploiement facile sur la plate-forme NVIDIA Jetson, composée de ROS 2, PyTorch , et d’autres bibliothèques d’apprentissage automatique importantes.
Ros and ROS 2 DockerFiles : Dockerfiles pour ROS 2 basé sur l4t qui vous permet de créer votre propre image Docker.
Packages ROS 2 pour PyTorch et TensorRT : le package ROS 2 est destiné aux tâches de classification et de détection d’objets utilisant PyTorch et NVIDIA TensorRT. Ce tutoriel est un bon point de départ pour l’intégration de l’IA avec ROS 2 sur NVIDIA Jetson.
Progiciels ROS / ROS 2 pour nœuds d’apprentissage en profondeur accélérés : reconnaissance d’images d’apprentissage en profondeur, détection d’objets et nœuds d’inférence de segmentation sémantique et nœuds de diffusion de caméra/vidéo pour ROS /ROS 2 en utilisant la bibliothèque jetson-inference et le tutoriel `NVIDIA Hello AI World <https://developer.nvidia.com/embedded/twodaystoademo >`__.
Package ROS 2 pour l’estimation de la pose humaine : un package ROS 2 pour l’estimation de la pose humaine.
Package ROS 2 pour l’estimation de la pose de la main et la classification des gestes : un package ROS 2 pour l’estimation de la pose de la main en temps réel et la classification des gestes à l’aide de TensorRT.
Packages ROS 2 accélérés par GPU pour l’estimation de la profondeur monoculaire : package ROS 2 pour les exemples de torch2trtxb accélérés par GPU NVIDIA tels que l’estimation de la profondeur monoculaire et la détection de texte.
Package ROS 2 pour les statistiques Jetson : package ROS 2 pour surveiller et contrôler votre NVIDIA Jetson [Xavier NX, Nano, AGX Xavier, TX1, TX2] .
Packages ROS 2 pour DeepStream SDK : package ROS 2 pour NVIDIA DeepStream SDK.
Projets de simulation
Isaac Sim Nav2 : dans cet exemple ROS 2, nous démontrons Omniverse Isaac Sim intégré au projet ROS 2 Nav2.
Isaac Sim Multiple Robot ROS 2 Navigation : Dans cet exemple ROS 2, nous démontrons Omniverse Isaac Sim intégré à ROS 2 Nav2 pile pour effectuer une navigation simultanée de plusieurs robots.