3. Seleção de hardware para os próximos capítulos
Capítulo 3 do curso para iniciantes em SO-ARM Physical AI — a lista de hardware prático necessário em cada fase: unidade de controle principal, o kit SO-ARM, câmeras e câmeras de profundidade opcionais.
3.1 Seleção de hardware para os próximos capítulos
3.1 Seleção de hardware para os próximos capítulos
Esta seção apresenta a lista de hardware necessária em cada capítulo. Cada um pode comprar conforme a própria situação.
Ao longo do curso, você usará seu próprio computador como dispositivo de implantação de algoritmos — pode ser uma máquina Ubuntu x86, um Mac ou um Jetson. Mas lembre-se de não usar WSL ou Ubuntu em máquina virtual no Windows, senão gastará muito tempo resolvendo bugs e reduzirá sua eficiência de aprendizado.
Unidade de controle principal
Todos os capítulos exigem uma unidade de controle como destino de implantação do código. Dispositivos e sistemas recomendados:
| Hardware necessário | Link | Qtd. | Observações | Capítulos |
|---|---|---|---|---|
| Desktop ou notebook | - | 1 | Ubuntu 22.04 nativo, CUDA 12+, Python 3.12, Torch 2.6+; para treinar, GPU NVIDIA com 12GB+ de VRAM (p. ex. RTX 4080) e 16GB+ de RAM | Todos |
| reComputer Robotics J4012 (Jetson Orin) | Bazaar | 1 | JetPack 6.0 / 6.1 (JetPack 6.2 ainda sem suporte) | Fase 2, 3 |
| NVIDIA Jetson AGX Thor 128G | Bazaar | 1 | Para inferência GR00T N1.5 da Fase 4 | Fase 2, 3, 4 |
Sem GPU de treinamento, ainda dá para concluir o curso: treine políticas pequenas em um notebook gratuito na nuvem (p. ex. Google Colab), ajuste o GR00T na NVIDIA Brev, ou use o treinamento em nuvem sem código do Capítulo 22 (SenseCraft Robotics).
Fase 2: Montagem do SO-ARM e controle básico
| Hardware necessário | Link | Qtd. | Observações |
|---|---|---|---|
| Kit SO-ARM101 (líder + seguidor) | Kit SO-ARM101 Pro Kit SO-ARM100 | 1 | - Versão kit: traz servos, placas, cabos; você imprime ou compra as peças - Versão pré-montada: pule a montagem do Capítulo 6 - Atenção às regras de alimentação Standard (5V) vs. Pro (líder 5V / seguidor 12V) |
Fase 3: Aprendizado por Imitação e LeRobot
| Hardware necessário | Link | Qtd. | Observações |
|---|---|---|---|
| Kit SO-ARM101 (líder + seguidor) | Bazaar | 1 | O mesmo kit da Fase 2 |
| Câmera USB de 32 × 32 mm | - | 2 | A coleta de dados exige duas vistas (frontal + lateral, ou superior + garras); o kit traz uma, prepare a segunda |
| Tapete de mouse / de mesa | - | 1 | Protege e estabiliza a superfície; torna o posicionamento de objetos reprodutível |
Fase 4: VLA — Isaac GR00T e SenseCraft sem código
| Hardware necessário | Link | Qtd. | Observações |
|---|---|---|---|
| Kit SO-ARM101 (líder + seguidor) | Bazaar | 1 | O mesmo kit da Fase 2 |
| Câmera USB de 32 × 32 mm | - | 2 | As chaves de câmera devem permanecer iguais entre dataset e inferência |
| GPU de treinamento (ou nuvem) | - | 1 | O ajuste fino do GR00T precisa de ~25GB de VRAM (Ampere ou mais novo, p. ex. RTX 4090 / A6000); V100 sem suporte. Alternativas: nuvem NVIDIA Brev, ou a rota sem código do Capítulo 22 |
| NVIDIA Jetson AGX Thor (opcional, inferência na borda) | Bazaar | 1 | Executa o serviço de inferência GR00T N1.5 ajustado na borda |
Melhorias opcionais
| Hardware necessário | Link | Qtd. | Observações |
|---|---|---|---|
| Câmera de profundidade Orbbec Gemini 2 | Bazaar | 1 | Percepção RGB-D opcional para os capítulos de câmeras |
| Arquivos da garras macia | soarm_soft_gripper | - | Dedos de TPU para objetos macios, frágeis ou irregulares |