Blog
Casos reales, guías y aplicaciones del Jetson Orin Nano para centros de innovación, universidades e industria.
Un laboratorio de IA en una caja: por qué F1TENTH eligió el Jetson Orin Nano
Cómo universidades de todo el mundo arman autos autónomos a escala 1:10 con ROS 2, SLAM y aprendizaje por refuerzo sobre un Orin Nano de ~15 W.
Energía100.000 medidores con IA: la red eléctrica que decide en el borde
Utilidata embebió un Jetson Orin Nano en el medidor eléctrico para pronosticar demanda y detectar fallas antes de que ocurran. Un caso real de edge AI en utilities.
AgTechFumigar solo la maleza: robots de agricultura de precisión con YOLO11 y Orin Nano
Un pulverizador inteligente que detecta maleza y ajusta las boquillas al dosel en tiempo real, sobre un Jetson Orin Nano. mAP 0.98 y hasta 84% menos área fumigada.
Guía técnicaEl límite real del Orin Nano no son los TOPS: son los 8GB (y cómo aprovecharlos)
La comunidad lo confirma: el cuello de botella del Orin Nano es la memoria unificada, no el cómputo. Guía honesta para correr LLMs y visión locales sin frustrarte.
Manufactura95% de exactitud detectando defectos textiles en la línea, con un nodo de 25 W
Inspección óptica automatizada de tela en movimiento con YOLOv11 sobre Jetson Orin Nano. Un caso de Industria 4.0 retrofiteable para pymes manufactureras.
Smart CitiesContar autos en una intersección con 150 imágenes: TAO + Orin Nano a 6 ms
Análisis de flujo vehicular con NVIDIA TAO y transfer learning sobre Jetson Orin Nano. Smart city de bajo dato y bajo consumo, viable para municipios.
SeguridadLectura de patentes on-premise: ANPR de 160 países en el borde de la cámara
Reconocimiento de patentes (ANPR/LPR) ejecutado localmente en Jetson Orin Nano, sin enviar el dato a la nube. Relevante para cumplimiento de la Ley 21.719.
LatAmFútbol robótico de clase mundial desde Recife: Orin Nano en RoboCup (UFPE)
El equipo RobôCIn de la UFPE corre percepción de visión sobre Jetson Orin Nano 8GB en sus robots de RoboCup. Investigación latinoamericana replicable.
AmbientalDrones que persiguen el humo: IA + aprendizaje por refuerzo a bordo para incendios
Un cuadricóptero que detecta y sigue columnas de humo de incendios con YOLOv8 + RL sobre Jetson Orin Nano. Tema crítico para Chile.
RobóticaBVLOS + VLM: cuando el dron detecta en el borde y razona con un LLM en la nube
Arquitectura híbrida edge-cloud: YOLOv11 en el Jetson Orin Nano a bordo del dron + un Vision-Language Model en la nube para análisis de escena.