NVIDIA Jetson Orin Nano Super Developer Kit

INFORMACIÓN

La NVIDIA Jetson Orin Nano Super Developer Kit es una plataforma compacta y potente diseñada para desarrollar aplicaciones de IA generativa y edge AI. Con un rendimiento de hasta 67 TOPS, incluye un módulo Jetson Orin Nano con GPU Ampere (1024 núcleos CUDA y 32 tensor cores), un CPU ARM de 6 núcleos y 8GB de memoria LPDDR5 de alta velocidad (102GB/s). Está optimizado para ejecutar modelos avanzados como LLMs (Large Language Models), transformers y visión por computadora, siendo ideal para prototipos y proyectos innovadores.

Este kit es perfecto para desarrolladores, estudiantes y makers que trabajan en robótica, visión artificial y procesamiento de sensores. Incluye una placa de referencia con conectores para cámaras MIPI CSI-2, USB 3.2, Ethernet, PCIe (M.2) y expansión GPIO, además de soporte para frameworks como NVIDIA Isaac, Metropolis y Holoscan. Su integración con el ecosistema NVIDIA (Omniverse, TAO Toolkit, NGC) lo convierten en una herramienta versátil y poderosa para llevar la IA generativa al edge de forma eficiente.

Este kit incluye:

• Jetson Orin Nano 8GB montado en la tarjeta base (carrier board)
• Disipador de calor con ventilador integrado (preinstalado)
• Fuente de alimentación de 19V 2.37A (marca Lite-On)
• Cable de corriente con enchufe tipo B (compatible con México y EE.UU.)
• Cable de corriente con enchufe tipo I (compatible con Australia y otros países)

ESPECIFICACIONES Y CARACTERÍSTICAS

• Marca: NVIDIA
• Modelo: Jetson Orin Nano Super Developer Kit
• Dimensiones:
  • Caja de embalaje: 24cm x 16cm x 6cm
  • Tarjeta base (Carrier Board): 103 mm x 90.50 mm x 34.77mm
• Peso:
  • Caja de embalaje: 772g
  • Tarjeta base: 175.14g

Jetson Orin Nano Super

• Arquitectura GPU: NVIDIA Ampere con 1024 CUDA cores y 32 cores tensor.
• CPU: ARM® Cortex®-A78AE de 6 núcleos, V8.2 64-bit.
• Memoria: 8GB LPDDR5 de 128 bits con ancho de banda de 102GB/s.
• Almacenamiento: Soporta tarjeta SD y NVMe externo.
• Video Encode: 1080p30 soportado por 1-2 núcleos de CPU.
• Video Decode: 1x 4K60 (H.265), 2x 4K30 (H.265), 5x 1080p60 (H.265), 11x 1080p30 (H.265).
• Potencia: Rango de 7W a 25W.
• Rendimiento AI: Hasta 67 TOPS.
• Conectividad del Módulo:
• Cámaras: 2x MIPI CSI-2 de 22 pines.
• PCIe: M.2 Key M con x4 PCIe Gen3 y M.2 Key M con x2 PCIe Gen3.
• M.2: Key E para expansión adicional.
• USB: 4 puertos USB 3.2 Gen2 Tipo-A y uno Tipo-C para UFP.
• Red: Conector Gigabit Ethernet (GbE).
• Pantalla: Conector DisplayPort 1.2 (+MST).
• Otros I/O: Encabezado de expansión de 40 pines (UART, SPI, I2S, I2C, GPIO), encabezado de botón de 12 pines, encabezado de ventilador de 4 pines, tomacorriente de alimentación DC.

Tarjeta Base (Carrier Board)

• Video: 1x HDMI 2.0 (resolución hasta 4K a 60Hz)
• Cámaras: 2x puertos MIPI CSI (1x de 2 carriles y 1x de 4 carriles)
• Almacenamiento:1x ranura para tarjeta microSD
• Red: 1x puerto Gigabit Ethernet (RJ45)
• Puertos USB:
  • 2x USB 3.2 Gen 2 Tipo A
  • 1x USB 2.0 Tipo A
  • 1x USB-C (para alimentación, datos y flashing)
• GPIO y expansión:
  • 1x conector GPIO de 40 pines (compatible con Raspberry Pi)
  • Interfaces: I2C, I2S, SPI, UART, PWM, ADC
• Alimentación:Entrada de 19V DC, 2.37A (mediante conector tipo barril)
• Botones físicos:Encendido, Reset, Force Recovery
• Conectividad adicional:Ranura M.2 Key E para módulos Wi-Fi/Bluetooth (no incluido)

DOCUMENTACIÓN Y RECURSOS

• Pinout
• Dimensiones
• Vista General
• Datasheet

INFORMACIÓN ADICIONAL

Aplicaciones

1. Visión por Computadora: Implementación de sistemas de visión artificial para reconocimiento de objetos, detección y seguimiento en tiempo real.
2. Robótica: Desarrollo de robots autónomos, brazos mecánicos y drones con capacidades de percepción y decisión autónoma.
3. Seguridad y vigilancia: Sistemas de videovigilancia con análisis en el borde para detección de intrusiones, reconocimiento facial y monitoreo inteligente.
4. IA Generativa y Modelos de Lenguaje: Ejecución de modelos generativos, transformadores de visión, modelos de lenguaje natural y modelos visión-idioma en dispositivos edge.
5. Automoción y Transporte: Sistemas de asistencia al conductor, vehículos autónomos y monitoreo en entornos de transporte inteligente.
6. IoT y Edge Computing: Procesamiento de datos en el borde para aplicaciones industriales, agricultura inteligente y ciudades inteligentes.
7. Simulación y Generación de Datos Sintéticos: Uso de NVIDIA Omniverse y replicadores para generación de datos y desarrollo de aplicaciones de simulación.

Recomendaciones de uso

1. Optimizar el uso de recursos: Aprovecha la potencia de la GPU Ampere y los núcleos CPU de 6 núcleos para distribuir cargas de trabajo y mejorar la eficiencia energética, especialmente en aplicaciones de inferencia en tiempo real.
2. Seleccionar la conectividad adecuada: Utiliza los conectores MIPI CSI-2 para cámaras y las entradas USB 3.2 para dispositivos periféricos para configurar sistemas de visión o sensores adicionales según las necesidades del proyecto.
3. Aprovechar el ecosistema de software: Incorpora las frameworks y herramientas de NVIDIA, como Isaac, Metropolis, Holoscan, Omniverse y TAO Toolkit, para acelerar el desarrollo y la implementación de aplicaciones de AI generativa, visión y robotización .
4. Planificar la expansión: Utiliza las opciones de expansión con las ranuras M.2 y la cabecera GPIO para integrar sensores, cámaras, módulos de almacenamiento o interfaces de red adicionales según los requisitos específicos del proyecto.
5. Mantener la eficiencia energética: Ajusta el consumo de energía en función del rendimiento requerido, considerando un rango de 7W a 25W, para optimizar el consumo y la disipación térmica, usando la solución de enfriamiento adecuada.
6. Prototipado y escalado: Aprovecha el kit de desarrollo completo, que incluye la placa, módulo, fuente de alimentación y guías de inicio rápido, para acelerar la fase de prototipado y preparación para producción.
7. Programar con atención a la compatibilidad: Asegúrate de actualizar el software y firmware con las versiones más recientes para aprovechar mejoras en rendimiento y compatibilidad con modelos AI avanzados.

ENLACES EXTERNOS

• Cómo actualizar el kit de desarrollo Jetson Orin Nano al Super Kit – Wiki 
• Guía del usuario del kit de desarrollador Jetson Orin Nano
• Jetson AI Developer Tools
• Detección de objetos con YOLOv5 y Roboflow
• Preguntas frecuentes Jetson
• Práctica con NVIDIA Jetson Orin Nano – Hackster io