05配置模拟器
设计您的机器人传感器套件
选择平台、传感器和边缘计算单元。模拟器实时估算该硬件可能支持的自主能力、对电池的影响、成本,以及在雾天、无光或无 GPS 条件下的表现。这只是参考模型,并不预测实际的自主水平。
最近审核: 2026-11方法与来源 →
示例配置:
模拟结果
可能支持的能力
- 一个定位源(LiDAR、VIO 或 RTK GNSS)
- 障碍物检测
- 边缘算力 ≥ 67 TOPS
- 3D 感知(LiDAR,或双目 + RGB-D)
- 两个相互独立的定位源
- 边缘算力 ≥ 150 TOPS
- 用于构建可靠度量地图的 LiDAR
- 不依赖 GNSS 的定位(LiDAR SLAM 或 VIO)
- 两种障碍物检测方式
- 通过 LiDAR 或雷达检测障碍物
- 边缘算力 ≥ 250 TOPS
硬件所允许的自主等级上限L4高度自主
这并非已达到的等级,而是按编辑规则(证据等级 D)该硬件可能允许的上限。实际自主水平主要取决于软件、数据以及在限定运行设计域(ODD)中的验证。
第 5 级并非仅取决于硬件:它需要情境化的学习与决策能力,而这目前尚未在商业部署中得到验证。
- 新增功率
- +64 W
- 对电池的影响
- −18 %
- 传感器 + 计算
- US$4,899
- 基础平台(参考): US$60,000
- 新增重量
- 0.94 kg
- 7 % 占有效载荷
电池续航3 h → 2.5 h
900 Wh · 300 W → 364 W
环境适应能力
- 雾低
- 无光高
- 浓尘低
- 雨中
- 无 GPS / 干扰高
警告
无警告:配置一致。
参考数据及其出处
每个组件都对应一款具有代表性的商用型号:功率和重量取自其数据手册(B 级;若来自经销商或技术论坛则为 C 级)。成本为区间值,总计采用中间值,且通常为编辑估算(D)。NVIDIA Jetson 的价格为 2026 年 7 月涨价后的标价(开发套件;Orin NX 为 1,000 件批量采购的模块价格)。当两个来源给出的功率数值不同时,采用较高者。如果型号数值包含数据手册未涵盖的部件(光学器件、天线或差分改正数据链路),则标注为估算(D),并在来源注释中给出制造商的数值及其条件。
| 组件 | 参考型号 | 成本 | 功率 | 重量 | 证据(规格 · 成本) | 来源 |
|---|---|---|---|---|---|---|
| 固态 LiDAR | Livox Mid-360 | 900–US$1,120 | 6.5 W | 0.265 kg | BC | [Livox][AIFITLAB] |
| 360° 机械式 LiDAR | Ouster OS1 (Rev7) | 6,000–US$12,000 | 17 W | 0.45 kg | BD | [Ouster, 2023] |
| 辐射测温热像仪 | Teledyne FLIR Boson 640 | 3,000–US$7,000 | 1 W | 0.1 kg | DD | [Teledyne FLIR, 2022] |
| 双目 / VIO 模块 | Intel RealSense D435i | 300–US$500 | 3.5 W | 0.075 kg | CD | [RealSense][Clearpath Robotics] |
| RGB-D 相机 | Intel RealSense D435i | 300–US$500 | 3.5 W | 0.075 kg | CD | [RealSense][Clearpath Robotics] |
| 毫米波雷达 | TI IWR6843 (60–64 GHz) | 200–US$1,000 | 2.5 W | 0.1 kg | DD | [Texas Instruments, 2025] |
| RTK GNSS | u-blox ZED-F9P | 300–US$800 | 1 W | 0.15 kg | DD | [u-blox, 2024] |
| 超声波传感器环 | 通用 | 100–US$400 | 2 W | 0.15 kg | DD | — |
| 多气体传感器 | 通用 | 1,500–US$5,000 | 3 W | 0.3 kg | DD | — |
| PTZ 相机,30× 光学变焦 | 通用 | 2,000–US$6,000 | 12 W | 0.9 kg | DD | — |
| Jetson Orin Nano Super | 67 TOPS · 7–25 W | US$399 | ~15 W | 0.15 kg | BC | [NVIDIA][NVIDIA, 2025][CNX Software, 2024][CNX Software, 2026] |
| Jetson Orin NX 16GB | 157 TOPS · 10–40 W | US$999 | ~25 W | 0.25 kg | BC | [NVIDIA][NVIDIA, 2025][CNX Software, 2026] |
| Jetson AGX Orin | 275 TOPS · 15–60 W | US$3,499 | ~40 W | 0.6 kg | BC | [NVIDIA][Hackster.io, 2022][CNX Software, 2026] |
| Jetson AGX Thor | 2070 FP4 TFLOPS · 40–130 W | US$5,499 | ~90 W | 1.2 kg | BC | [NVIDIA][CNX Software, 2026] |
基础平台
按类别设定的编辑原型(D 级),用于计算电池续航;并不代表某一具体型号。
| 电池 | 基础功耗 | |
|---|---|---|
| 人形机器人 | 2000 Wh | 500 W |
| 四足机器人 | 900 Wh | 300 W |
| 地面车辆(UGV/AMR) | 2500 Wh | 300 W |
| 无人机/空中机器人(UAV) | 530 Wh | 560 W |
D· 编辑估算
自主等级如何计算
- 第 1 级:IMU 姿态稳定,所有基础平台均具备。
- 第 2 级:定位 + 障碍物检测 + 算力 ≥ 67 TOPS。
- 第 3 级:3D 感知 + 两个定位源 + 算力 ≥ 150 TOPS。
- 第 4 级(有界 ODD):LiDAR + 不依赖 GNSS 的定位 + 两种障碍物检测方式(其中一种为 LiDAR 或雷达)+ 算力 ≥ 250 TOPS。
- 新增重量按平台类别对功耗施加惩罚(无人机最为敏感)。
- Thor 通过近似的 TOPS 等效值进行比较;其公布数值为 FP4。
模型局限
- 这些规则是一种编辑启发式方法(D 级):统计的是传感器模态数量和算力,而非软件性能。
- TOPS 数值是制造商在最佳模式下公布的标称值(Orin Nano Super 的 67 稀疏 INT8 TOPS 相当于 33 稠密 TOPS),因此不同代产品之间不可直接比较。
- 功耗为稳态典型值;LiDAR 在启动时或低温下的功耗可达两倍:据其制造商称,Mid-360 在自加热时(−20 至 0 °C 之间)峰值达 14 W,OS1 启动时为 22 W,在 −40 °C 时峰值达 28 W。
- 第 4 级还要求在有界的运行设计域(ODD)内完成验证;任何硬件组合都无法保证这一点。
仅供参考的模拟。实际自主能力主要取决于软件、数据以及在目标环境中的验证。