Ouster stellt die am Handgelenk befestigte Kamera „Stereolabs ZED X Nano“ vor

Ouster bietet digitale Lidar-Systeme, Kameras, KI-Rechenleistung, Software für Sensorfusion und Wahrnehmung sowie KI-Modelle an. | Quelle: Ouster

Ouster, Inc. gab gestern die Markteinführung der Stereolabs ZED X Nano bekannt, einer kompakten, am Handgelenk tragbaren Stereokamera, die für Robotermanipulation, imitatives Lernen und die Erfassung großer Datenmengen entwickelt wurde.

„Aufbauend auf der Führungsposition von Stereolabs bei KI-Vision- und Wahrnehmungslösungen ermöglicht uns die ZED X Nano, tiefer in den Industrie- und Robotikmarkt vorzudringen und neue Anwendungsbereiche zu erschließen, die kompaktere Formfaktoren erfordern“, sagte Angus Pacala, CEO von Ouster. „Die Zukunft der physischen KI hängt von riesigen Mengen hochwertiger Bilddaten mit geringer Latenz ab, die am Edge erfasst werden. Mit der ZED X Nano bieten wir Robotikern eine bedeutende Aufrüstung ihrer Bildverarbeitungssysteme, die es Maschinen ermöglicht, mit außergewöhnlicher Präzision wahrzunehmen, zu denken, zu handeln und zu lernen.“

Da Robotik-Teams das Imitationslernen und das bestärkende Lernen für Manipulationsaufgaben ausweiten, sind die RGB-Bildqualität und die End-to-End-Erfassungslatenz zu erheblichen Engpässen geworden. Herkömmliche Kameras sind oft auf USB-Verbindungen angewiesen, erfassen 720p-RGB- und Tiefendaten mit niedrigerer Auflösung und erfordern CPU-vermittelte Pipelines, die den Durchsatz begrenzen und die Latenz erhöhen.

Ouster hat die Stereolabs ZED X Nano entwickelt, um diese Herausforderungen zu bewältigen. Sie ist 40 % kürzer als vergleichbare Lösungen und lässt sich direkt an Roboterhandgelenken und End-of-Arm-Werkzeugen befestigen. Sie nutzt denselben zuverlässigen 1920×1200-Global-Shutter-Sensor, der auch in der Flaggschiff-Kameraserie ZED X zu finden ist. Die Kamera kann hochauflösende RGB- und Tiefenbilder mit bis zu 120 Bildern pro Sekunde für Trainingsdaten und Manipulationsaufgaben erfassen.

Die ZED X Nano kann ab heute vorbestellt werden, die Auslieferung beginnt im Mai 2026.

Die ZED X Nano wurde für physikalische KI entwickelt und bietet eine Genauigkeit im Submillimeterbereich

Das Herzstück der ZED X Nano ist eine Erfassungspipeline mit extrem geringer Latenz und einem vollständig kopierfreien Datenpfad vom Sensor zur GPU. Dadurch können Frames gleichzeitig direkt in NVIDIA-Hardware-Encoder und KI-Inferenz-Pipelines gestreamt werden.

Für Datenerfassungsteams ermöglicht dies eine Datensatzerfassung mit höherem Durchsatz bei voller Auflösung. Für Einsatzteams ermöglicht es, dass Wahrnehmungs-, Segmentierungs- und Policy-Netzwerke parallel auf denselben Video-Feeds laufen, wodurch mehr GPU-Ressourcen freigesetzt werden.

Die Tiefenerfassung wird von der Neural Depth Engine von Stereolabs unterstützt, einem KI-gesteuerten Stereo-Tiefensystem, das eine Genauigkeit im Submillimeterbereich entlang der Z-Achse erreicht. Ouster gibt an, dass diese Tiefen-Engine eine deutlich bessere laterale (XY-)Positionierung bietet als herkömmliche Structured-Light- oder Time-of-Flight-Kameras. Sie bietet entscheidende Vorteile für die Schätzung der Greifposition, die präzise Platzierung und Montageaufgaben, bei denen laterale Fehler zu Fehlern bei der Handhabung führen können. Mit einem minimalen Tiefenerfassungsbereich von 3 Zentimetern kann die Kamera zudem Objekte erkennen, die näher liegen als bei vielen konkurrierenden Lösungen auf dem Markt.

Ouster hat die ZED X Nano auf Langlebigkeit ausgelegt. Sie verfügt über eine integrierte vibrationsresistente IMU und wird über eine robuste GMSL2-Verbindung mit Kabeln der nächsten Generation mit Strom versorgt, die den wiederholten Bewegungen und der Kabelbelastung von Roboterarmen standhalten. Dies ersetzt einen empfindlichen USB-C-Anschluss durch eine Verbindung in Industriequalität, die Videos über eine Entfernung von bis zu 15 Metern übertragen kann und gleichzeitig EMI-Resistenz sowie sicher verriegelbare Stecker bietet.

Die ZED X Nano ist das neueste Produkt von Stereolabs, das eine nahtlose native Integration mit NVIDIA Isaac Sim und Isaac Lab für den Sim-to-Real-Transfer bietet, neben vollständiger Unterstützung für ROS und ROS 2. Teams, die Pipelines für imitatives Lernen oder bestärkendes Lernen entwickeln, können hochauflösende Demonstrationen aufzeichnen, in der Simulation mit genau angepassten Kameramodellen trainieren und auf physischer Hardware bereitstellen – alles unter Verwendung desselben Sensor- und Software-Stacks.