武术擂台机器人所需传感器_【金中活动】这个寒假,与“机器人”相约金中!...

8305e0d4e58b79b043ac2b0ce40ab79b.png

2019年1月26日至1月29日,我校“星光计划”寒假科技周活动在科学馆STEAM中心顺利举行,本次活动吸引了来自南京市近20所中小学的30余名同学,其中不乏多位伴随金中“星光计划”科技周活动一起成长,从小立志考取金中的“铁粉”。

5737848a9c0ed81f284c4f9bf149edb7.png

部分学员和老师合影

01

联盟擂台赛

在听完机器人基础知识的主题宣讲后,一场别开生面的格斗机器人擂台赛打响了。大家首先认识了一款容易上手的格斗机器人Ganker,通过手机连接机器人的无线热点,就可以控制机器人的九台舵机,展开一场格斗战,比赛要求选手们保护自家的易拉罐不被对方破坏。

d2cd58636c7883ec4b66cbb2cd3299db.png

蓄势待发

cbcc56e19ae3f7272ae9d46de388f20e.png合作应战

02

小猪快跑

13543930639bd565fb5bc833b7875644.png b24503e45444208f56f2789954734f2a.png

不同于传统的拼装制作,这款小猪由创客自行设计,采用激光切割的方式制作,其中猪腿传动结构颇具特点。同学们在不断的观察和摸索中,发现自己拼装的小猪存在着不同的问题,先后出现了“倒着走的小猪”、“原地踏步的小猪”。但在大家不断的尝试和老师的指导下,这些问题全部得以解决,大家也对电机的正反转、传动结构相位等问题有了初步的认识。

488b3800873455a999a37286ee97716c.png

搭建过程中的交流分享

小猪会跑后,同学们还用机器人工作室的各种材料进行创意发挥:有的小猪变成了“佩奇”;有的盖上了金中的Logo;有的小猪披上塑料斗篷,俨然一副“超人”模样。不过小猪跑得怎么样,还是比比才知道。

7ce9db0a8deae3457828fd9d15004572.gif“小猪快跑”擂台赛:长鼻猪、长臂猪和喜气洋洋猪 

在最后举行的小猪快跑擂台赛上, “超人猪”夺得桂冠。

f578d42652cfdf28618b7bef8631d19e.png

03

“烧脑”编程

最“烧脑”的活动当属机器人循线编程。同学们用机器人套件,自己搭建了一款具有双光感传感器的机器人小车,大家互相帮助,很快完成了这款基础小车的硬件设计。

活动给出了一种全新的“机器人光感循线”方案,尽管有的同学已经接触过传统循线,但对新方案仍感非常惊讶和好奇。

29d351cfe911f659936b2deda979f799.png

循线算法的学习↑

流程图实现循线程序↓

584a2432dfeafa467e1cd99ffeb770a3.png

在代码调试后,同学们下载了程序,调节参数,改变扭矩,优化循线效果。小小的场地上,同学们热火朝天地进行着小车测试。

0a027ed17d4078fefefc5e4cbc2300ed.png

调试循线小车

1

d244736f3895dad693ce2549e9f0d5e5.png

竞速赛准备发车

2

04

创意大比拼

要成为真正的小创客,还必须自己设计一款创意作品。在观察了一款由姚舜老师设计的“投币机”后,通过老师的引导,同学们探索出投币机能投币的原因,也跃跃欲试想制作自己的创客作品。

df677ae974604118626e74f6548c76b0.png

细心观察“投币机”

1

704faf03fe2137e69b62a59a73edc719.png

不畏将动手实践

2

短短几个小时,同学们的奇思妙想结出了丰硕的果实:年纪较小的同学们用电机和冰棒棍搭出创意风扇、锡箔纸电动船这样的作品;还有同学在没有系统学习过串并联电路的情况下搭出电路,做出能自由转向的小车;还有一组同学从“小猪快跑“传动装置中获得启发,设计出防堵塞马桶,令人耳目一新。

85858ee329fe3b473ef9b3447842b82a.png 6ec12b08fba4991bbe007061d6b56665.gif 防堵塞马桶 567e920dbbf89fc729dde50edea02647.png aea3ab115b43c34c89c85d0b558cdd15.png ae155e1070d07ca8240fb133e24932dc.png d20ef2f410cdf536241d9ab8073c6732.png d20ef2f410cdf536241d9ab8073c6732.png

未来之星

bb0040f060754fd621fc1ac042aee2d3.png bb0040f060754fd621fc1ac042aee2d3.png

       在本次活动的颁奖仪式上,STEAM中心的许峰老师肯定了同学们在科技周期间的表现,并鼓励大家在未来的学习生活中继续努力。无限创造力和想象力,以及在活动中坚持挑战、不言放弃的精神,都是STEAM教育要带给学生的宝贵财富。

       值此辞旧迎新之际,金陵中学机器人社团的学长、学姐们用机器人机械臂夹持毛笔,为获得一等奖的同学们献上写满新春祝福的春联。

c1e9b379e8c1eba926c362da75bd5626.png

机器人春联奖品

供稿: STEAM中心

f5f20d1d9de07fb6ff9c62f417c29ea5.pngabd0031c20997dbb490a7a1f5782f183.png

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值