江苏大学计算机科学与通信工程学院智能科学与技术教学系统采购信息公示

序号

货物名称

是否为进口设备

单位

数量

是否属核心产品

1

**大学智能科学与技术教学系统

否

套

1

是

序号

指标项

重要性

指标要求

关键指标理由

1

具身智能场景实训机器人

重要

升降平台

★1. 主体总高：≤1.9m

★2. 升降行程：≥0.91m

★3. 最低工作高度：≤0.05m

★4. 最高工作高度：≤1.9m

★5. 最小通过宽度：≤0.72m

6. 升降速度：0.08~0.12m/s

7. 整机臂展：≤1.70m

8. 整机重量：≤79kg

★9. 主要材质：航空级铝合金 + 高强度工程改性塑料

★10. 头部自由度：≥2 自由度

★11.RGB-D 相机：工业级高清深度一体相机

- 深度 FOV：水平 87°±2°、垂直 58°±2°、测距视场≥95°

- 深度工作距离：0.25m~3.2m

- 深度分辨率：最高不低于 1280×720

-RGB 分辨率：不低于 1920×1080

6 轴机械臂（2 台）

1. 自重：≤3.85kg

★2. 自由度：≥6 轴多关节协作构型

★3. 额定负载：≥1.5kg

★4. 最大臂展：≤655mm

5. 控制：支持位置 / 速度 / 力矩三闭环全维度伺服控制

6. 供电：DC24V±5%，最大输入电流≥10A

7. 峰值功耗≤250W

★8. 开发：原生Python SDK+ROS2 Humble 完整中间件适配

★9. 关节运动范围：不小于J1[-180°,﹢120°]；J2[-170°,+10°]；J3[-5°,+180°]；J4[-172.5°,+172.5°]；J5[-105°,+105°]；J6[-172°,+172°]

关节最大速度：不低于J1 180°/s；J2 180°/s；J3 180°/s；J4 360°/s；J5 360°/s；J6 360°/s

二指夹爪（≥2台）

★1. 夹持行程：0~65mm

★2. 最大夹持载荷≥2kg

3. 自重≤620g

4. 结构：航空铝+高强度玻纤尼龙精密 CNC 一体加工

★5. 通讯：CAN2.0 工业总线，控制频率≥250Hz

6. 供电 DC24V 工业级供电

背包主臂模组

1. 整机自重≤7.2kg

★2. 构型：6 轴同构主遥操作机械臂，落地 / 背负双模式兼容

★3. 续航：满电连续工作≥8h

4. 电源：5V3A、容量≥20000mAh 大容量工业锂电池

★5. 无线：2.4GHz 工业级抗干扰无线通信模组

履带底盘

1. 直行速度：0.1~1.2m/s 可调

★2. 重复定位精度：优于±50mm

★3. 驱动：差速闭环驱动架构

★4. 主控：八核处理器（A72×2+A53×4），内存≥4GB，固态存储≥32GB

★5. 激光雷达：测距≤25m、采样≥32kHz、扫描 10Hz、角分辨率≤0.12°

整机配置

★1. 整机标配多模态视觉目标抓取算法、AI 目标检测推理环境，预装具身智能训练环境；

2. 全设备电气系统带过流、过压、过热、限位四重安全防护；

3. 整机出厂经过高低温老化测试、满载 72h 连续可靠性测试；

决定设备基础性能下限，低配芯片完全达不到实训 / 教学需求

2

智能感知型标准化智慧零售场景

一般

搭建一体化标准化智慧零售实体物理场景，整体划分为智能货架陈列区、全品类商品库区、无人自助结算区、运维后台管控区四大功能分区，分区布局符合实体商超动线规范，分区之间预留机器人自主通行通道，满足移动服务机器人全空间自主巡航、跨区域作业需求；场景配套标准化商品货位编码、点位标识、结算动线标识、环境补光与点位标定设施，打造可复用、可迭代的标准化智慧零售实训落地环境。

3

场景化机器人虚实协同训练与控制平台

重要

一、系统架构与底层依赖

★1、框架定位：基于 3DGS（3D高斯溅射）的 3D仿真框架，支持 Real2Sim2Real（从真实到仿真再到真实）的具身智能机器人学习闭环。

★2、底层引擎：核心物理引擎基于MuJoCo，基础依赖包含 OpenCV和 NumPy。

3、开发环境：支持 Python 3.8及以上版本环境部署。

★4、真机部署接口：具备真机硬件集成模块（Hardware Integration），支持 结构化深度工业相机与 ROS框架的控制通信。

二、视觉渲染与环境感知

★1、3D高斯渲染：支持 3D Gaussian Splatting（3DGS）渲染技术。环境支持从 Hugging Face挂载和加载 PLY格式的 3DGS场景模型。

★2、传感器仿真：LiDAR 仿真：内置高保真激光雷达仿真模块，支持 Taichi (≥1.6.0) 的 GPU 硬件加速，适用于移动底盘的 SLAM 及导航测试。视觉传感器：支持多机位自定义渲染，能够通过参数（--camera-names）指定渲染的摄像机列表。

★3、渲染交互控制：仿真运行时，支持通过快捷键实现以下切换：开启/关闭高斯渲染 (Ctrl+g)；开启/关闭深度图（Depth）可视化 (Ctrl+d)；切换摄像机视角 ('[' / ']')

三、算法与策略集成

1、模仿学习与策略算法基线：仿真器集成并提供以下模型算法的基线（Baseline）：ACT、Diffusion Policy、RDT

★2、算法依赖库：核心算法框架兼容并集成 torch, einops, h5py, transformers, wandb等科学计算与日志记录库。

★3、运动学解算：提供针对机械臂及复合机器人的 Mocap IK（动作捕捉逆运动学）解算支持。

四、内置资产库（机器人与场景）

★1、机器人资产：预装五大品类机器人标准化 XML、MJCF 动力学建模文件，覆盖桌面级小型科研臂、中载荷多轴协作臂、标准化六轴工业臂、轮式移动复合机器人、多自由度灵巧机械手，**开箱即用、仿真环境直接加载。

★2、零售场景资产：搭建规格 10m×10m 的标准化作业场地，全域划分起始待命区、仓储货架区、物料拾取区、动态障碍区、货品交付区。货架区配备 5 组标准货架，系统支持在任意货位随机生成货物模型；障碍区可动态随机生成固定式障碍物；交付区布设 1m×1m 专用收货平台，完成货物收纳。

★3、文旅场景资产：搭建景区物品识别与搬运标准化仿真场地，配置移动双臂机器人模型、原料区操作台、六层目标货架及多类任务道具；场景内包含可操作彩色长方体包装盒与固定不可移动异形道具，支持按自然语言指令完成物品识别、精准抓取、定向搬运与指定方位放置，全域支持随机摆放与任务重排，仿真环境开箱即用。

五、控制与部署要求

★1、硬件外设接入：支持工业六自由度三维操作鼠标的接入，以用于机械臂的遥操作控制与数据采集。

2、录制与推理模式：支持自定义录制频率（--record-frequency）和自定义推理频率（--infer-hz）。

3、容器化与远程环境部署：提供Docker 部署方案，支持通过 GPU 容器部署配套工具套件 挂载 GPU **。针对服务器无显示器场景，提供带 VNC 服务器的构建文件（Dockerfile.vnc），支持通过 VNC 客户端远程获取 GUI 渲染画面。

★4、部署环境要求：处理器：最低配置 12 代 6 核桌面处理器，推荐配置 14 代 16 核高性能桌面处理器。内存：最低配置 16.0 GB，推荐配置 64.0 GB。

★显卡：最低配置3072 CUDA、24MB L2、8GB GDDR6 128bit、115W独显，推荐配置为10752 CUDA、64MB L2、16GB GDDR7 256bit、360W独显。硬盘：M.2 SSD 256 GB 及以上。操作系统：Ubuntu 22.04 及以上版本。

项目用途固定（高校 AI 实训室、算力平台），必须预装指定系统与开发环境

4

机器视觉与自然语言处理综合实验平台

重要

一、总体要求

★1.平台出厂集成Python3、机器视觉、自然语言、深度学习、ROS系统等开发环境，配备TensorFlow、PyTorch多种深度学习框架，能满足人工智能相关的学习与开发，可以开展人工智能专业课程及人工智能场景应用的课程教学与实践。

★2.平台所有模块一体化板载设计（拒绝零散模块外接使用），模块包含：①边缘计算平台、②人机交互显示单元、③视觉处理应用系统、④麦克风阵列系统、⑤ROS智能机械臂应用系统、⑥AIOT无线网关、⑦AIOT虚实结合采集控制端模块、⑧AIOT端感控场景应用系统、⑨机器视觉场景应用组件等九大部分组成。

★3、平台本地部署Deepseek-R1:1.5B大模型,实现麦克风阵列语音识别推理与播报;实现语音互动对话、语音搜索推理、大模型微调推理与硬件控制等功能。演示直接打开桌面“离线语言模型”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，通过板载“麦克风阵列”实现语音与本地部署DeepSeek-R1：1.5B模型对话，并将对话问题推理分析的结果语音播报输出，亦可联动AIOT端传感器。演示语音输入“我好热”时，推理结果为AIOT端“风扇”打开；演示语音输入“室内光线太暗了”时，推理结果为AIOT端“RGB灯”打开等联动控制效果。

★4、平台通过调用具身智能多模态应用，实现语音多指令控制IOT模块、健康场景联动、语音控制机械臂、语音视觉机械臂融合场景推理等功能应用。演示直接打开桌面“具身智能”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，通过板载“麦克风阵列”实现语音与多模态模型对话，并将对话问题推理分析的结果语音播报输出，亦可联动机械臂、AIOT端传感器等模块。演示语音输入类似“光线太亮了，而且我好热”时，推理结果为AIOT端“RGB灯”关闭、“风扇”打开等联动效果；演示在摄像头区域内，放置三种类型物块，语音输入“你能看到什么，并帮我把右边的分类”时，推理结果准确识别物块类别并语音播报结果，右侧物块机械臂准确抓取进行分类。

★5、平台通过调用OpenClaw智能体应用，在移动设备终端的社交平台对话框里，实现语音多指令获取平台传感器数据、控制执行器状态、控制机械臂分拣等功能应用。演示在飞书聊天窗口中点击语音按钮进行语音输入，语音自动转为文字后发送给OpenClaw进行处理演示先语音输入"我有点热"，系统记录用户偏好并打开风扇；间隔一段时间后，演示语音输入"还是很热"，OpenClaw基于历史对话记忆，自动调节降低温度设备让数码管显示值变小；演示语音输入"现在凉快了"，系统根据语义判断自动关闭风扇等降温设备，操作结果通过飞书聊天窗口文字反馈。

6、系统提供人工智能核心课程，包含：《Python基础》、《OpenCV机器视觉》、《深度学习TensorFlow实验》、《深度学习Pytorch实验》、《端感知控制》、《六轴机械臂控制》、《PyQT5应用开发》、《自然语言处理》、《人工智能AI大模型》、《人工智能综合课程设计》等课程**与教学资料，包含教学实验指导书、实验案例源码、开发环境及软件工具等。

二、主要模块参数:

2.1、人工智能边缘计算平台

★CPU：等同或优于六核ARM Cortex-A78 MPcore处理器；

★GPU：≧512 CUDA Cores；≧16 Tensor Cores；

★AI算力：≧34 TOPS（INT8）

内存与存储：≧4GB LPDDR5，≧256 GB SSD；

以太网：支持10/100/1000 BASE-T自适应；

显示接口：支持HDMI 2.0 或DP；

★硬件**：≧3个UART，≧2个SPI，≧2个12S，≧4个12C，≧1个CAN,≧1个DMIC DSPK，≧1个PWM，多个GPIO；

★本地大模型：本地部署Deepseek-R1:1.5B大模型,实现麦克风阵列语音识别推理与播报;实现大模型微调推理与硬件控制；

2.2、人机交互显示单元

≧17.3寸，支持≧1920*1080高清信号；

实验箱内部集成HDMI接口接入箱盖上的显示屏；

键鼠：独立有线键盘、有线鼠标。

2.3、机器视觉感知单元

★感光器尺寸：1/2.7 inch；

分辨率：最高支持1920 x 1080；

USB协议：USB2.0 HS/FS；

支持免驱协议：UVC（USB Video Class）；

支持自动曝光控制、自动白平衡、自动增益控制；

工作电压：DC 5V。

任意角度识别：支持任意角度准确识别颜色标签、动物图卡、交通标识、垃圾物块；

★同时识别多种组件：支持同时识别两种及以上的颜色标签、动物图卡、交通标识、垃圾物块。

交通标识识别系统：演示直接打开桌面“交通标识”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，通过板载摄像头，可快速识别多种交通标识并可与板载的AIOT端感知模块联动。演示软件识别“限速标志”与板载的“RGB灯”闪烁联动；演示识别“小心行人”标识与板载“蜂鸣器”报警联动等控制场景应用效果。

2.4、自然语言处理单元

MIC：环形6麦;

唤醒/识别距离: 3-5m；

★定位精度:±15°;

电源:5V 300mA;

支持 AEC 功能、360°拾音波束、DNN 降噪算法等

2.5、ROS机械臂应用系统

机械臂材质：阳极氧化铝合金;

★机械臂自由度（DOF）：至少包含5自由度+夹持器，设计“机械臂复位”功能按钮；

★舵机方案：15Kg*5+6Kg*1智能串行总线舵机；

有效负载：≧200g伸直可夹重量;

负载：≧500g夹持搬运重量;

臂展：≧350mm;

★有效抓取范围：****中心轴为半圆半径≤30cm的区域;

重复定位精度：不低于±0.5mm;

垃圾分类系统：演示直接打开桌面“垃圾分类”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，通过板载摄像头和机械臂，利用视觉定位与机械臂姿态动态解析算法，完成非固定位置垃圾识别与快速分类。演示垃圾物品左右两侧随机放置，机械臂完成垃圾分类和两种及以上的物块堆叠动作。

★机械臂远程控制系统：演示直接打开桌面“云端控制”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，机械臂通过MQTT协议与人工智能云平台互联互通，实现机械臂远程控制。演示通过手机移动端APP远程5G网络控制机械臂执行“单关节运动”动作，语音控制“机械臂抓取”、“机械臂跳舞”等动作。

2.6、AIOT无线网关

★MCU：Cortex-M3内核处理器；

显示屏：≧0.96寸液晶显示屏。

无线模组：标配ZigBee无线模组，支持WiFi/BLE/LoRa等多种无线模组；

外围接口：外围接口：Mini USB接口，JTAG接口；

2.7、AIOT虚实结合采集控制端模块

★MCU：CORTEX-M3内核处理器；

≧3.5寸TFT触摸显示屏；

无线模块：兼容双排直列接口，标配ZIGBEE，可选WIFI/BLE/LORA等无线模块；

通讯协议：传感层支持Modbus。

★外设接口：提供RS485、RS232、UART、GPIO、PWM等接线柱。

2.8、AIOT端感控场景应用系统

提供包含但不限于智慧环境、智能安防、智能停车。

★智慧环境感知单元：包含但不限于光照、温湿度、雨雪、风扇、数码管、调色灯等传感器与执行器。

★智能安防感知单元：包含但不限于红外对射、烟雾、酒精、蜂鸣器、触摸按键、人体等传感器与执行器。

★智能停车感知单元：包含但不限于超声波、电磁锁、继电器、舵机等传感器与执行器。

传感数据采集系统：演示直接打开桌面“传感器上云”软件图标（非命令方式）进入PYQT5系统软件界面。软件运行后，设备板载“温湿度”、“光照”等传感器数据通过MQTT协议与人工智能云平台互联互通。演示通过手机移动端APP远程5G网络采集平台“温湿度”等传感数据，控制平台“蜂鸣器”、“风扇”等执行器。

2.9、机器视觉场景应用组件

★颜色标签：包含但不限于红色、绿色、黄色、蓝色四种颜色的色块或卡片，配套提供对应的训练模型数据；

动物图卡：包含但不限于印刷有猫、狗等多种动物的物块或卡片，配套提供对应的训练模型数据；

交通标牌：包含但不限于印刷有停车、转弯、限速、禁止通行、小心行人、禁止长时间停车等交通标识物块或卡片，配套提供对应的训练模型数据；

垃圾物块：按照国家最新版《生活垃圾分类标志》标准，提供印刷有害、可回收、厨余、其他四类垃圾图标的物块，配套提供对应的训练模型数据；

三、配套软件与实验课程：

3.1、软件**

★平台采用边缘计算+端感控+大模型框架体系，出厂预装Ubuntu20.04操作系统，集成Python3、机器视觉、自然语言、深度学习（TensorFlow、PyTorch）框架、ROS系统等。

★演示Demo：颜色识别、猫狗识别、交通标识识别、人脸识别、垃圾分类、语音识别、离线语音推理模型、多模态视觉推理模型等。

3.2、人工智能虚拟仿****实验室配套1个节点）

3.2.1、总体要求

（1）平台融合 B/S 架构与 Unity3D 技术，打造了“教、学、练、考、评”闭环。

★（2）平台至少包含教师管理系统、虚实结合课程管理系统、3D 学生实验系统三大子系统。覆盖从课程学习到实验实操、从教师管控到学生练习的全场景。

★（3）平台内置 Python、机器视觉、深度学习、ROS 机械臂控制等多领域超 80 个标准化实验项目，实现 AI 理论学习与虚拟实操深度融合。

★（4）机械臂控制虚实结合：在人工智能虚拟仿真实验平台中，演示可使用拖拽组件、模块、设置参数等操作，完成机械臂初始化、机械臂起立、机械臂某个关节舵机旋转一定角度等流程。通过3D模型，展示机械臂运动过程及结果；演示保存以上流程Python代码文件，通过SSH远程下载到AIoT实验箱真实硬件中，运行python代码文件，演示机械臂实现与虚拟仿真平台中，一致的运动过程及结果。

（5）垃圾分类虚实结合：在软件中使用拖拽组件、组件连线、设置参数等操作，完成“导入系统包”、“获取识别信息”“窗口实时显示检测”等流程，运行代码后自动调用 PC 端垃圾识别视觉应用，将垃圾图卡或物块放到镜头前，视觉应用能准确识别垃圾名称。保存以上流程Python代码文件，通过SSH远程下载到人工智能真实硬件中，运行导入的python代码文件，可实现与虚拟仿真平台中一致的垃圾分类过程及结果。

3.2.2、虚实结合一致性要求

★（1）硬件一致性：平台采用Unity3D技术开发，将真实机械臂与虚拟机械臂1：1建模，并构建6自由度机械臂舵机算法模型，实现同代码虚拟仿真平台控制与真实机械臂控制一致。

★（2）程序流程一致性：可视化AI程序流程，通过拖拽组件、模块、设置参数，自主构建机器视觉、机械臂控制程序流程，直观掌握视觉算法、机械臂控制工作原理和过程，也可更加专注于逻辑设计和问题解决。

★（3）Python代码一致性：可视化AI程序流程中，每个拖拽的组件、模块及设置的参数，都一对一自主生成对应的Python代码块，将复杂的人工智能算法，采用每个模块单独呈现的形式，明确学习目标，降低学习难度，使学生更快的实现算法原型，提高整体学习和研究效率。

★（4）运行结果一致性：结合6自由度机械臂舵机算法模型，实现同代码虚拟仿真平台控制与真实机械臂控制一致。可将拖拽组件、模块、设置参数等生成的程序流程，自动生成Python文件并导出。Python代码文件可直接到硬件平台中验证、执行结果一致。

（5）教学过程管控：平台包含“导入模块”（保存课程）和“导出模块”（加载课程）。教学过程中，每个实验可自由保存和加载完成或未完成程序流程，结合实验的“实验目的”、“实验理论”、“实验内容”和“实验流程”等课程元素，更加方便教师对教学及教学过程管控。

3.2.3、3D学生实验系统要求

★（1）学生端基于 Unity3D 技术开发，聚焦Python基础、机器视觉、深度学习、机械臂控制、场景应用等方向，

★（2）通过拖拽式组件编程、参数可视化设置、代码智能生成、3D 效果实时展示，让抽象的 AI 算法、机械臂控制原理变得直观易懂。

★（3）平台内置 conda、jupyter 等开发环境，搭载智能纠错功能，更实现软硬件虚实高度一致，同代码可在虚拟平台与真实硬件端无缝运行。

（4）实验流程可保存和加载，学生零风险自由探索，快速实现算法原型与实操落地。

3.2.4、教师端管理系统

（★1）教师端采用B/S 架构实现轻量化操作，****中心、班级管理、实验管理、数据看板四大核心功能，实现教师对教学**、学生、实验、考核的全维度管控。

（2）教师端支持作业/考核一键发布、学生账号批量管理、自定义实验创建与多端同步。

★（3）通过大数据图表直观呈现班级学习进度、实验分数、易错点等数据，同时支持实验报告存档打印，让教学管理更高效、个性化指导更精准。

3.2.5、虚实结合课程管理系统

★（1）平台采用B/S 架构开发，集成Python 基础及进阶、机器视觉 OpenCV、TensorFlow/PyTorch 深度学习、ROS 机械臂控制核心课程，提供实验指导书、PPT、教学视频等全维度学习**。

（2）学生可自主选课、查看课程进度，学习完成后可跳转 3D 实验系统开展实操，学习进度实时同步至教师端，实现“理论学习 - 虚拟实操” 无缝衔接，打造渐进式课程学习体验。

3.2.6、仿真平台虚拟实验

★（1）Python 基础虚拟实验：Python 基础（注释、语句格式及缩进、变量、字符串、引入外援、数据类型、常用操作符）、Python 分支和循环（分支和循环、条件表达式、断言、循环语句）、Python 高级（列表、元组、字符串、序列、字典、集合）、Python 函数（函数的创建与调用、函数的参数、函数的变量、函数式编程、递归）、Python 模块（模块、导入模块）Python 项目（经典飞机大战）。实验项目数量≧10个；

★（2）数字图像与机器视觉虚拟实验：OpenCV 图像基础、OpenCV 视频基础、OpenCV 绘图功能、OpenCV 图像操作基础、OpenCV 图像算术运算、OpenCV 颜色空间、OpenCV 图像变换、OpenCV 阈值处理、OpenCV 图像金字塔、OpenCV图像平滑处理等实验；项目数量≧20 个；

★（3）深度学习TensorFlow虚拟实验：TensorFlow 基础、线性回归、逻辑回归、人工神经网络、卷积神经网络、神经网络迁移学习、循环神经网络、人工智能综合实验，实验项目数量10 个；

★（4）深度学习Pytorch虚拟实验：Tensor 的使用、Dataset 类代码实战、TensorBoard 的使用、Transforms 的使用、torchvision 数据集的使用、Dataset 与 Dataloader、神经网络--卷积层、神经网络--非线性激活层、神经网络--线性层、神经网络--Sequential、神经网络--最大池化、神经网络基本骨架 nn.module、项目实战--Cifar10分类实战、项目实战--Cifar10 分类实战(GPU 训练)、项目实战--Minst 数字识别实战、项目实战--猫狗分类实战、项目实战--基于 YOLOv5 的水果分类、项目实战--基于 YOLOv5 的垃圾分类、项目实战--基于 YOLOv5 的车牌检测识别。实验项目数量≧20 个；

★（5）ROS机械臂虚拟实验：包含控制板蜂鸣器控制实验、机械臂单个舵机控制、读取机械臂舵机当前的位置实验、机械臂六舵机同时控制、机械臂上下左右摆动实验、机械臂跳舞、机械臂夹取方块、机械臂搬运、机械臂叠罗汉、颜色识别与分类、垃圾分类等。实验项目数量≧11个；

★（6）综合3D虚拟实验：包含人脸识别系统（能够录入人脸数据；能实现身份认证；身份认证后控制无线 ZigBee 模块开锁，有专门PYQT 用户操作界面）；交通标识识别系统（能够识别平面彩色目标，如停车、减速、禁止行驶等标识，或者利用深度学习识别其他复图案）；车牌检测与识别系统（能从视频流中提取特定帧图像，并进行预处理，滤除干扰信息；能从图像识别车牌号码）；垃圾分类系统（能从视频流中提取特定帧图像识别四大类垃圾的标识 及对其正确的分类）。实验项目数量≧4 个。

3.3、人工智能在****实验室配套1个节点）

3.3.1、总体要求

（1）本平台基于互联网与云计算技术，聚焦电子信息类新工科专业，可协同院校梳理规划培养方案及课程体系，一站式满足高校“教、学、练、测、管”全流程教学需求。

★（2）采用B/S架构，搭建教师端与学生端双端口教学管理闭环，支持课程、实验、测评及数据可视化分析，界面简洁、操作便捷，适配线上线下教学场景；

（3）平台内置对应专业优质教学**，每门课程配套完整教学材料，助力高校专业教学及人才培养。

★（4）教师端发布课程作业：人工智能在线课程平台教师端可通过“作业中心”发布课程作业给学生端，首先选择课程内容再选择班级（确认完成任务时间节点及作业名称），预览课程作业内容后确认下发课程作业。学生端登录后可在“我的作业”中看到教师端发布的课程作业，学生依次完成课程视频、课程实验指导书、课程PPT浏览作业后，“课程平台”端显示已完成的状态信息，教师端亦可在“作业中心”中看到学生完成课程作业的完成情况。

★（5）教师端发布实验作业：本在线课程平台与人工智能虚拟仿真平台实现深度互联互通。教师可通过在线课程平台教师端 — 作业中心，将实验任务一键发布至人工智能虚拟仿真平台；学生可在人工智能虚拟仿真平台我的作业模块，查看并获取教师发布的实验作业。学生按照提示完成实验操作后，点击提交实验，系统将自动同步实验结果至在线课程平台教师端，教师可实时查看学生实验完成状态、实验过程数据及考核分数。

3.3.2、教师端功能要求：

★（1）教师端支撑教学管理全流程，核心功能包括：实验管理、作业中心、班级管理等。

★（2）实验管理：可查看课程及实验**，支持**课程、实验，实现规范化管理；

（3****中心：可自主设置考核参数、发布作业及考核任务，支持多维度筛选查询学生实验报告、考核成绩，实现全过程管理；

（4）班级管理：可自主创建班级、批量导入学生信息并自动生成登录账号，通过可视化图表呈现班级及学生学习数据，便于精准掌握学习情况。

3.3.3、学生端功能要求

★（1）平台包含课程平台、我的作业等功能，涵盖人工智能综合教学实验平台的多门核心课程，至少包含《Python基础》、《OpenCV机器视觉》、《深度学习TensorFlow》、《深度学习Pytorch》、《深度学习PaddlePaddle》、《端感知控制》、《六轴机械臂控制》、《PyQT5应用开发》、《自然语言处理》、《人工智能AI大模型》等10门以上课程；

★（2）每门课程均配套微课视频、PPT课件、实验指导书，可在线查看，并且覆盖核心知识点及实验演示，支持随时观看，助力课后复习，辅以实验案例、习题练习等补充**，满足多样化学习需求。

★3.4、平台实验课程**：

要求提供包含但不限于《Python基础》、《OpenCV机器视觉》、《深度学习TensorFlow》、《深度学习Pytorch》、《端感知控制》、《六轴机械臂控制》、《PyQT5应用开发》、《自然语言处理》《人工智能AI大模型》《人工智能综合课程设计》等10门及以上课程。

所有实验案例均提供原始训练数据集、验证数据集以及标注文件，且每个实验必须独立包含数据集收集、整理数据集与验证集、修改数据集配置文件、修改预训练模型文件以及模型训练和模型测试等全流程实验内容，确保实验的完整性与独立性。

教学用途固定，必须预装指定系统与开发环境，且标定了设备基础性能下限，低配芯片完全达不到实训 / 教学需求

5

虚实结合具身智能双轮腿机器人

重要

具身智能与大模型实验平台 MongoCase是一款融合多种应用技术的综合实验平台，平台包括具身智能必备的机器人物理本体、机器人人工智能控制器、显示器、无线键鼠以及各种机器人传感模组和基础机器人控制操作系统架构等，联网或者单机运行连通大模型交互接口，实现AI大模型智能体与物理实体机器人的交互和联动通信等功能，在此设备上学生和教师可以学习如何基于生成式大模型在机器人智能体上的工程落地和应用。具身智能机器人****实验室教学的边缘计算终端设备平台，终端设备平台联网大模型基础算力服务器，依托基础算力系统可以对具身智能多模态大模型进行训练、调优、部署和优化等工程应用学习，训练调优后的具身智能多模态大模型通过终端设备平台与基础算力硬件系统接口进行通信，联合实验箱内的机器人控制系统以及机器人物理本体（包含机器人附件传感模组等）开展机器人具身智能技术相关的科研实训和教学实验工作。

平台主要用于计算机科学与技术、软件工程和物联网等专业的机器学习、机器视觉、具身智能、智能传感器系统、智能机器人等方面教学、科研和创新实践。平台采用主流的人工智能算力平台和机器人多核控制器实现AI+ROS课程实验，以案例方式呈现人工智能技术在相关领域的工程应用，内置TensorFlow和ROS系统等开发框架，适合开展机器学习、机器视觉、语音处理等方面的知识学习、技术开发。产品专注于视觉、语音、AI技术，聚焦数字图像处理技术、计算机视觉技术、机器学习技术、深度学习技术、语音交互技术，采用理论与实践相结合的方式，从通识概念理解、算法研究、软件功能实现、工程案例实践等多个方面帮助学生掌握相关人工智能与机器人的知识内容。通过一系列综合实践案例，使学生了解相关技术在生活实际与产业实践方面的应用，助力高校人工智能与自动化控制技术的人才培养。

1、实验平台性能描述

（1）实验箱尺寸不小于：619*491*222mm（长宽高），整机重量：11.85Kg，结构：外箱采用PP合金工程级塑料，耐高温耐腐蚀，具有箱体排期阀结构和人体工程学二级防开锁扣，轻便且承重抗压不易变形；实验箱内主面板为FR4板材材质。

（2）实验箱防护等级不低于IP5X，抗跌落性能不低于500mm。

★2、主控平台预装ROS系统和TensorFlow等深度学习框架，可直连摄像头进行图像处理和开展多种人工智能视觉应用开发。

★（1）硬件配置不低于6 核 ArmR CortexR A78AE v8.2 64 位 CPU 1.5MB L2 + 4MB L3，不低于32 个 Tensor Core 的 1024 核 NVIDIA Ampere 架构 GPU，不低于8GB内存/显存；不低于128GB硬盘；

（2）支持双频WIFI+蓝牙；

（3）具有不少于USB3.0*3个，HDMI/DP接口*1个；

★（4）搭载国产嵌入式机器人操作系统，代码自主化率100%；支持实时调度FIFO算法/RR算法；

3、主板扩展板具有过流保护和一键开机功能。

★（1）采用不少于两路DC12V电源供电接口，集成主控开关机按键、板载不少于3个USB接口、不少于1个RJ45网口和不少于12路传感器接口，不少于4个IIC接口、不少于3个ADC接口、不少于1个SPI接口。

（2）采用不低于12位ADC芯片，支持不少于4通道SPI转AD总线通信；

（3）配置开关电源，支持不低于110~264V AC宽电压输入，额定功率不低于120W，板载不少于12V、5V和3.3V电压。

4、显示器：屏幕尺寸≥15.6英寸1080P IPS液晶显示器，屏幕比例≥16：9，分辨率≥1920*1080，色域≥72%NTCS，刷新率≥60Hz，平均亮度≥1000cd/m^2，动/静态对比度≥1000，屏幕可视角度≥178°，内置立体声扬声器。

★5、配置不少于15种传感器套件，一键启动不少于12路传感模块，具备模块状态监测交互功能。包括但不限于此：RGB LED模块、MPU6050模块、MAX30102心率计血氧传感器模块、超声波传感器、电机和驱动模块、12832 OLED显示屏模块、数字光照传感器、温度传感器模块、压力传感器模块、紫外线热敏传感器、土壤湿度传感器、有源蜂鸣器、人体红外感应模块、红外避障传感器模块、电容触摸传感器模块等，视觉系统模块（感光元件：不低于sony IMX179性能，Lens Size: ≥1/32inch，图像区域：≥6.18mm×5.85mm，有效像素：≥3264（H）*2448（V），≥800万像素，支持输出的分辨率及帧率：≥3264*2448/2592*1944@15fps；≥1920*1080@30fps，支持免驱协议：UVC协议，自动曝光控AEC：支持，自动白平衡AEB：支持，自动增益控制AGC：支持，自动对焦：≥75度，无畸变，尺寸：≤38*40*40mm。）、麦克风阵列模块（麦克风阵列模块内置LED灯能够实时显示声源方向，内置了回声消除、去混响等算法，可以实现语音活动检测、声源定位、声纹识别、语音控制等功能；接口类型：USB。

★6、实验箱内置桌面机械手臂：

a)内置模块化四轴机械臂是一款开放式AI机器人手臂，用户可从0到1装配及拆卸机械管以加深对机械臂结构了解，支持PC端示教、软件编程、视觉等多种控制方式，自由设定动作、任意添加末端夹具，满足多场景教学需求。支持Python、C++等多种编程及软件进行二次开发；b)轴数：4轴（3+1）；c)最大负载：0.2kg；d)最大伸展范围：318mm；e)重复定位精度：0.2mm；f)扩展通讯接口：USB转串口/UART；g)工作环境：-20°C to 50°C；h)底座尺寸：φ160mm；i)支持软件系统：Win/Mac/Linux(x86)；j)净重量：1.6kg；k)工作电压：12V 5A DC；L)各轴运动范围：第1轴运动范围 -140° to 190°，第2轴运动范围 -40° to 80°第3轴运动范围 -15° to 110°第4轴运动范围 -180° to 180°； m)最大运动高度范围：305mmn；n)关节类型：步进减速电机。

★7、实验箱环境配置：

1)基于Python3版本，TensorFlow，Pytorch， OpenCV-4.5.4的人工智能虚拟环境搭建；

2)基于国产机器人操作系统，兼容ROS-Melodic机器人操作系统。

8、可支持的学习功能：AI人工智能相关实验开发、ROS机器人功能开发、深度学习相关实验编程、Python/C++开发编程等；辅助器材包括：1张机械臂桌面地图、1根机器人供电线、1根机器人通信线、6个彩色积木方块；6个二维码贴纸；1个AC220V电源适配器，1个机器人充电器，1个紫外光发生器。

9、教学**：附实验课程列表

（1）提供依托本产品录制的实验案例功能演示视频教程一套，包含开箱介绍、线缆连接、组装演示等，视频总时长不少于190min。

★（2）平台集成的具身智能应用生成式大模型系统是基于多种应用场景的生成式大模型复杂组合系统，多模态视觉理解大模型包括：GPT4v、GPT4o、Yi-Vision、Claude 3 Opus、通义千问Qwen-VL-Max，智能体Agent大语言模型包括：Yi-Large、Claude 3 Opus。

★（3）产品提供依托本产品开发的《人工智能与机器人控制》在线实验指导教学文档和《开发指导手册》，包含Python基础教程、Ubuntu基础操作、人工智能技术、深度学习、语音交互、ROS机器人操作系统等。

10、配套算力服务器及系统融合管控

用途固定，必须预装指定系统与开发环境

6

智能处理支撑系统

重要

★NVIDIA GB10（Grace Blackwell）AI 原生计算架构，单台算力 1 PFLOPS@FP4，支持200B 参数大模型推理、70B 模型微调，双机互联可达405B参数模型推理能力，满足本地部署大模型、视觉 - 语言模型、强化学习训练需求。

体积小巧、**度部署：150×150×50.5 mm、约 1.2 kg，可桌面 / 机柜灵活部署，适合高校机房、实验室**度集群教学。

全栈软件生态：预装 NVIDIA DGX OS，完整支持 CUDA、PyTorch、TensorFlow、ROS 2 等，内置 AI 开发全栈工作空间与本地应用市场，开箱即可开展课程实验与科研开发。

统一内存与扩展性强：128GB 统一内存、最高 4TB 高速 SSD，支持多机高速互联，满足多并发实训、多学生同时调试模型。

决定设备基础性能下限，低配芯片完全达不到教学需求