关键词： 机器人竞赛   中小学生   广西   电脑   电化教育馆   参赛队伍   百色市   教育厅  

摘要： 4月23日，由自治区教育厅主办，广西电化教育馆、百色市教育局承办的“2017年广西中小学电脑机器人竞赛”在百色市第一小学开赛。来自我区各地的730支参赛队伍约1500名中小学生参加13个项目竞赛。

关键词： 竞赛活动   机器人   湖南省  

关键词： 创新教育   中国   北京教育学院   机器人竞赛   国际教育   教育机构   理事会   青少年  

摘要： 2017年4月22-23日，由北京教育学院、国际教育荣誉学会、亚太青少年机器人竞赛理事会联合主办，多家创新教育机构协办B92017中国STEM＋创新教育大会在北京中学顺利召开。

关键词： 柔性并联机器人   非线性摩擦   动力学   速度规划   误差  

摘要： 为了实现柔性并联机器人的高速、高精度控制,基于Hensens&Kostic理论,计入关节非线性摩擦力建立了Lagrange动力学误差模型,测试了补偿前后机器人的单点定位误差。基于机构最大速度和加速度约束条件,分析了S型和常用T型2种速度规划算法下机器人的位置误差和速度性能。仿真结果表明:T型速度规划位置和速度跟踪最大误差为78.1μm和11.4 mm/s,而S型速度规划分别是37.8μm和3.72 mm/s,且2个终止点定位误差仅为8.1μm和8.9μm;速度性能方面,S型速度峰值误差变化最大仅为1.74 mm/s,远小于T型速度规划的6.88 mm/s。可见,在高速下S型速度规划算法保证了较高的位置跟踪精度尤其是定位精度,速度尖峰突变小且整体曲线相对平缓,大幅提高了速度跟踪精度和运动平稳性,更易于实现机器人高速、高精度平稳控制。实验测试了机器人连续运动下定点位置误差,仿真所得位置误差小于实测数据,存在100μm左右的误差,但所得结论一致,验证了仿真分析的有效性。

关键词： 竞赛活动   湖南省   机器人   青少年   邵阳市   王建华   副主席   开幕式  

摘要： 5月20日，2017年湖南省青少年机器人竞赛在邵阳市第一中学隆重举行。来自全省各市州的598支队伍、1900余名师生参加比赛。湖南省教育厅党组成员、省委教育工委副书记王建华，湖南省科协党组成员、副主席刘晓河，邵阳市副市长李华和等出席活动。刘晓河主持开幕式，王建华致开幕辞。

关键词： FTC   自动控制程序   定向移动   陀螺仪   编码器  

摘要： 在FTC机器人竞赛中,为了实现自动程序运行阶段机器人准确地定向移动来实现得分,提出了通过使用编码器、陀螺仪等不同传感器进行多种组合并进行数据分析的方法,使机器人精确定向移动。经过多次试验验证分开或组合使用陀螺仪和编码器等传感器等多种方法,得出同时应用编码器和陀螺仪这两种传感器可以来完成得分任务的结论。

关键词： ROBOTS  

摘要： The article offers brief information on the HC10 robot from Yaskawa Motoman Canada Ltd.

关键词： MEDICAL education   SURGICAL robots   OPERATING rooms   MEDICAL care costs   COMPUTER simulation  

关键词： COMPUTATIONAL intelligence   ROBOTICS   COMPUTER vision   SPATIOTEMPORAL processes   SPANNING trees (Graph theory)  

关键词： Service robotics   Search strategy   Patent query   Data mining   Machine learning   Support vector machine  

摘要： Emerging technologies are often not part of any official industry, patent or trademark classification systems. Thus, delineating boundaries to measure their early development stage is a nontrivial task. This paper is aimed to present a methodology to automatically classify patents concerning service robots. We introduce a synergy of a traditional technology identification process, namely keyword extraction and verification by an expert community, with a machine learning algorithm. The result is a novel possibility to allocate patents which (1) reduces expert bias regarding vested interests on lexical query methods, (2) avoids problems with citation approaches, and (3) facilitates evolutionary changes. Based upon a small core set of worldwide service robotics patent applications, we derive apt n-gram frequency vectors and train a support vector machine, relying only on titles, abstracts, and IPC categorization of each document. Altering the utilized Kernel functions and respective parameters, we reach a recall level of 83% and precision level of 85%.