Diseño de placas controladoras para mini-robots de bajo coste
Bibliographic record
Abstract
El objetivo de este proyecto final de carrera es el diseño de una placa controladora de bajo coste, basada en un microcontrolador de ATMEL1.\nPara dicho diseño se han implementado dos versiones, añadiendo en cada una de ellas distintas funcionalidades. Así, posteriormente, dependiendo de la funcionalidad que se requiera se utilizará una placa u otra.\nLa primera versión, la más sencilla, es la Skymega1.0. Esta placa permite controlar un robot de forma simple. Utiliza un microcontrolador AtmegaX8, donde X es la capacidad de memoria disponible para programa: 4, 8, 16 o 32 KBytes; en concreto, se ha usado el Atmega168. Consta de un puerto serie, bus I2C, ocho conectores de tres pines: un pin digital acompañado de alimentación y GND, (pensados especialmente para servos), LED y pulsador para pruebas, y un puerto de expansión para su comunicación con otros dispositivos –con otras placas por ejemplo-.\nLa siguiente versión, Skymega2.0, ha sido mejorada respecto a la primera introduciendo la electrónica necesaria para poder conectar y controlar dos motores de continua. Además, se han añadido otros conectores, uno para Bluetooth y cinco cuyo objetivo inicial es usar tres para la conexión de sensores infrarrojos y dos para sensores de ultrasonidos; aunque estos conectores pueden ser usados para cualquier otro fin. Junto a estos conectores, se encuentran otros cuatro que inicialmente se han destinado a conectar servos, -pueden ser también usados para otro fin, como por ejemplo para conectar sensores infrarrojos-. En esta placa, al igual que en la 1.0, el microcontrolador será un AtmegaX8. En este caso se ha usado el Atmega328.\nParalelamente, se ha realizado un pequeño tutorial de cómo usar ciertas herramientas para el diseño de placas, con el fin de facilitar a aquellas personas que se inician en este campo la labor tanto de diseño como de rutado, siendo ésta última una tarea a veces complicada y lenta. __________________________________________________________
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".