Beberapa hari kemarin embeddednesia kedatangan “mainan” baru yang berupa “Single Board Computer” bernama Jetson Nano, yang dirilis oleh NVIDIA, si perusahaan pembuat GPU (Graphical Processor Unit). Berdasarkan situs resminya, Jetson Nano adalah System On Module (SoM) dan developer kit dari keluarga Nvidia Jetson, dengan spesifikasi GPU 128-core Maxwell, prosesor CPU quad-core ARM A57 64-bit, memori 4GB LPDDR4
Jetson Nano ini dirilis di pertengahan 2019 mengusung tagline “AI For Everyone” bertujuan untuk mendemokratisasi peralatan komputasi embedded khususnya bidang kecerdasan buatan. Untuk tujuan tersebut Nvidia membekelali Jetson Nano dengan spesifikasi sebagai berikut
Adverstiment
| GPU | NVIDIA Maxwell architecture with 128 NVIDIA CUDA® cores |
| CPU | Quad-core ARM Cortex-A57 MPCore processor |
| Memory | 4 GB 64-bit LPDDR4, 1600MHz 25.6 GB/s |
| Storage | 16 GB eMMC 5.1 |
| Video Encode | 250MP/sec 1x 4K @ 30 (HEVC) 2x 1080p @ 60 (HEVC) 4x 1080p @ 30 (HEVC) 4x 720p @ 60 (HEVC) 9x 720p @ 30 (HEVC) |
| Video Decode | 500MP/sec 1x 4K @ 60 (HEVC) 2x 4K @ 30 (HEVC) 4x 1080p @ 60 (HEVC) 8x 1080p @ 30 (HEVC) 9x 720p @ 60 (HEVC) |
| Camera | 12 lanes (3×4 or 4×2) MIPI CSI-2 D-PHY 1.1 (1.5 Gb/s per pair) |
| Connectivity | Gigabit Ethernet, M.2 Key E |
| Display | HDMI 2.0 and eDP 1.4 |
| USB | 4x USB 3.0, USB 2.0 Micro-B |
| Others | GPIO, I2C, I2S, SPI, UART |
| Mechanical | 69.6 mm x 45 mm 260-pin edge connector |
Pembaca dapat merujuk pada halaman dokumentasi NVIDIA untuk melihat perbadingan antar modul pada keluarga Nvidia Jetson di tautan ini.
Sebagai komputer yang ditujukan untuk pemrosesan di bidang Kecerdasan buatan, Jetson Nano mendukung sejumlah framework development untuk keperluan kecerdasan buatan, seperti TensorFlow, PyTorch, Caffe, Keras, dan MXNet. Hal tersebut memungkinkan seorang programmer dapat membangun sebuah mesin dengan sistem kecerdasan buatan yang otonom dan kompeks dengan mengimplementasikan kemampuan seperti image recognition, object detection, localization, pose estimation, semantic segmentation, video enhacement dan intelegent analytics
Adverstiment
- Unboxing
Di dalam kotaknya terdapat carrier board dan Jetson Nano berserta heatsink yang telah terpasang. Selain itu juga terdapat petunjuk pemakaian dan diagram bagaimana menggunakan Jetson Nano untuk pertama kalinya.
Berikut adalah ilustrasi dan fungsi dari masing – masing bagian board Jetson Nano.
Ukuran Jetson Nano Developer Kit dapat dibilang lebih besar ketimbang board lainnya, seperti Raspberry Pi 4 misalnya. Jetson Nano Developer Kit memiliki dimensi 80×100 mm, bandingkan dengan Raspberry Pi 4 yang berdimensi 88 x 58 x 19.5mm
Sebagaimana Raspberry Pi, untuk menggunakan Jetson Nano pengguna harus menggunakan microsd card sebagai storage utama yang telah diinstal Sistem Operasi. Sistem Operasi yang didukung resmi untuk Jetson Nano adalah Ubuntu. embeddednesia akan mengulas bagian ini pada tulisan lain.
- Advertisement -
- Jetbot
Salah satu project yang dapat dikerjakan menggunakan Jetson Nano adalah NVIDIA JetBot yang merupakan kit robot otonom bersumber terbuka yang terdiri dari rancangan perangkat lunak hingga perangkat keras guna membangun robot yang ditenagai oleh kecerdasan buatan deep learning dengan ongkos pembuatan tidak lebih dari 250 USD
Project ini dapat digunakan sebagai sarana pembelajaran melalui Jupyter notebook tentang bagaimana membuat program menggunakan Python untuk mengendalikan motor dan melatih JetBot untuk dapat mendeteksi halangan, mengikuti object seperti orang, bola atau melatih JetBot untuk mengikuti sebuah jalur di atas lantai. Banyak kemampuan JetBot yang dapat dikembangkan dengan memperluas fungsi program dan menggunakan framework kecerdasan buatan yang disediakan.
Selain itu juga tersedia ROS Node untuk JetBot yang didukung oleh ROS Melodic yang dapat mengintegrasikan berbasis aplikasi ROS dan kapabilitas seperti SLAM dan path planning tingkat lanjut. Pembaca dapat merujuk ke repositori GitHub yang berisi program node ROS untuk JetBot termasuk model untuk simulator robotik Gazebo 3D yang memungkinkan perilaku kecerdasan buatan yang baru dapat dikembangkan dan diuji pada lingkungan virtual sebelum dapat dipasang pada robot. Simulator Gazebo juga dapat menggunakan data kamera buatan dan menjalankannya secara onboard pada Jetson Nano.
