摘要 NVIDIA的LocateAnything-3B开放词汇目标检测模型通过自然语言描述实现任意类别检测，但官方要求16GB显存的Jetson Thor设备。本文介绍了在8GB Jetson Orin NX上通过4-bit量化将模型压缩至2.9GB显存成功运行的实践。内容包括项目背景（开放词汇检测的价值）、硬件配置（reComputer Thor J6015）、批量化引擎实现（保留原生MTP解码

主要介绍了如何在Jetson Orin NX / Nano 系列上部署 NVIDIA Isaac ROS Visual SLAM (cuVSLAM)，并通过 PyCuVSLAM Python 接口 快速实现一个视觉里程计与建图系统。

本文介绍了在Jetson Orin NX上部署NVIDIA开源6D位姿估计系统FoundationPose的全流程。主要内容包括：硬件环境配置（Jetpack 6.2、CUDA 12.6）、项目依赖安装（PyTorch 2.3、PyTorch3D等）、模型数据下载、以及关键库的编译安装（pybind11、Eigen、nvdiffrast）。特别针对Jetson平台的特殊性提供了详细的安装指导，如G

本文介绍了在Jetson Orin NX上部署NVIDIA开源6D位姿估计系统FoundationPose的全流程。主要内容包括：硬件环境配置（Jetpack 6.2、CUDA 12.6）、项目依赖安装（PyTorch 2.3、PyTorch3D等）、模型数据下载、以及关键库的编译安装（pybind11、Eigen、nvdiffrast）。特别针对Jetson平台的特殊性提供了详细的安装指导，如G