myCobot 280 Jetson Nano

แขนกล 6 แกน + AI Vision บนโต๊ะคุณ

หุ่นยนต์ขนาดวางโต๊ะ น้ำหนักประมาณ 1 กก. มี NVIDIA Jetson Nano ฝังในตัว เขียนโปรแกรมควบคุมด้วย Python หรือ myBlockly (ลากบล็อก) ทำ Pick & Place + Computer Vision ได้ในไม่กี่บรรทัด

น้ำหนัก

~1 กก.

Reach

280 mm

Payload

250 g

ความแม่นยำ

±0.5 mm

Quick Start อ่านสเปกเต็ม ดูคลิป

ส่วนประกอบในชุด AIKit 3D Vision (ภาพจาก Elephant Robotics)

from pymycobot import MyCobot280

mc = MyCobot280('/dev/ttyTHS1', 1000000)
mc.send_angles([0, 0, 0, 0, 0, 0], 50)   # กลับตำแหน่งตรง
mc.send_angle(1, 90, 50)                  # หมุนฐาน 90°

ทำอะไรได้บ้าง?

ตัวอย่างที่ผู้ใช้ทำกันจริงๆ ตั้งแต่งาน demo ในห้องเรียน ไปจนถึงโครงงานจบ:

ดูตัวอย่างพร้อมโค้ดเริ่มต้น 10 โปรเจกต์ ทุกระดับ 10 Project Ideas

เริ่มจากตรงไหนดี?

เลือกตามสถานะของคุณตอนนี้:

• ยังไม่มีหุ่น อยากดูก่อน สเปกและสิ่งที่หุ่นทำได้ อยู่ในบทที่ 1
• เพิ่งได้หุ่นมา ยังไม่ได้ประกอบ เริ่มที่บทที่ 2 แล้วไล่ไปบท 3 และ 4
• ประกอบเสร็จแล้ว ลองให้แขนขยับครั้งแรกใน 5 นาทีที่ Quick Start
• เขียนโปรแกรมเป็นแล้ว เปิดคู่มือ Python หรือ Cheatsheet ไว้ข้างจอ

ลำดับการอ่านสำหรับมือใหม่

ถ้าเพิ่งเริ่มจากศูนย์ แนะนำอ่านตามลำดับนี้ ใช้เวลารวมประมาณ 2-3 ชั่วโมง:

1. บทที่ 1-4 รู้จักอุปกรณ์ เตรียมความพร้อม ประกอบ และเปิดเครื่องครั้งแรก ปูพื้นฐาน ~2 ชั่วโมง
2. Quick Start ลองให้แขนขยับครั้งแรก 5 นาที
3. เลือกวิธีเขียนโปรแกรม 1 อย่าง myBlockly (ลากบล็อก ง่ายสุด), Python (แนะนำ), หรือ ROS (ขั้นสูง สำหรับงานวิจัย)
4. บทที่ 13 และ ไอเดียโปรเจกต์ ลองทำงานจริง เช่น Pick & Place

คำถามที่ถามบ่อย

เหมาะกับใคร?

• อาจารย์ / ครูผู้สอน วิชาหุ่นยนต์ ระบบอัตโนมัติ หรือ AI ระดับอุดมศึกษาและอาชีวศึกษา
• นักศึกษา สาขาเมคคาทรอนิกส์ วิศวกรรมหุ่นยนต์ วิทยาการคอมพิวเตอร์
• ผู้ดูแลห้องปฏิบัติการ (Lab) ที่ติดตั้งและให้คำแนะนำการใช้งาน
• Maker / นักวิจัย ที่อยากต่อยอด Computer Vision + Robotics

อ้างอิง

• Elephant Robotics myCobot 280 JN Documentation
• AI 3D Vision Kit Product Page
• pymycobot GitHub Repository