매년 V5 Competition Starter Kit 에서 Hero Bot이 설계되어 팀에 현재 VEX V5 Robotics Competition(V5RC) 게임을 플레이할 수 있는 시작점을 제공합니다. 히어로 봇은 경쟁 키트 조각을 사용하여 설계되었으며, 시즌이 끝나면 로봇을 분해하여 동일한 키트로 내년의 히어로 봇으로 만들 수 있습니다.
경험이 풍부한 팀은 게임의 역학을 조사하기 위해 로봇을 신속하게 조립할 수 있습니다. 새로운 팀은 히어로 봇을 사용하여 귀중한 건축 기술을 배우고 시즌 초반에 경쟁에 사용할 로봇을 사용자 지정할 수 있습니다.
덱스는 2025-2026 V5RC 푸시백의 히어로 봇입니다. 게임에 대한 자세한 정보와 게임 진행 방법은 이 페이지를 참조하세요.
기사 전체에서 사용게임 정의와 게임 규칙 및 점수에 대한 더 자세한 정보는 V5RC Push Back 게임 매뉴얼을 참조 .
히어로 봇 만들기
팀 내 구성을 어떻게 나눌지에 대한 제안은 대회 101: V5RC 반격 STEM 랩 단원의 세션 2: 첫 번째 로봇 만들기를 참조하세요. 이 세션의 활동은 스테이션 기반 탐색으로 나뉘므로, 각 단계의 Dex가 구성되는 동안 모든 팀원이 참여할 수 있습니다.
채점 기능
V5RC Push Back!에서 점수를 얻는 방법은 다양합니다! 이 페이지 의 비디오를 시청하여 점수 매기기와 게임 플레이에 대한 개요를 확인하세요. 점수 계산에 대한 자세한 내용은 게임 매뉴얼 을 읽어보세요.
블록
덱스는 V5RC 푸시백 필드에서 4개의 골을 막아 점수를 얻습니다. 덱스는 섭취를 사용해 블록을 섭취하고, 컨베이어를 사용해 목표에 전달할 수 있습니다. 블록은 필드와 필드 벽을 따라 있는 로더에 모두 위치합니다.
센터 골
센터 골은 필드 중앙에 위치해 있습니다. 센터 골에는 덱스가 블록을 칠 수 있는 상단과 하단 섹션이 있습니다. 각 섹션에는 한 번에 최대 7개의 블록을 보관할 수 있습니다. 동맹은 두 센터 목표 중 하나를 대부분 장악함으로써 추가 포인트를 얻을 수 있습니다.
긴 목표
롱 골은 필드 양쪽에 위치해 있습니다. 롱 골은 한 번에 최대 14개의 블록을 담을 수 있습니다. 롱 골에는 중앙 섹션이 표시되어 있습니다. 롱골의 중앙 구역에 블록을 가장 많이 보유한 얼라이언스는 추가 포인트를 얻을 수 있습니다.
공원 구역
경기의 마지막 순간에 덱스는 적절한 얼라이언스 공원 구역에 주차하여 추가 포인트를 획득할 수 있습니다. 영웅 봇 두 대가 공원 구역에 들어갈 수 있습니다.
디자인 특징
Dex는 경쟁 로봇의 시작점으로, 학생, 교사, 코치가 게임을 이해하기 위해 로봇을 빠르게 제작할 수 있도록 설계되었습니다. 따라서 Dex는 V5 Brain에 내장된 Drive 프로그램 으로 구동될 수 있습니다. V5RC 푸시백 게임의 일부 작업은 완료할 수 있지만, 모든 작업은 완료할 수 없습니다.
이 히어로 봇은 게임에서 작업을 완료하는 데 필요한 몇 가지 주요 기능을 갖추고 있습니다.
2-모터 구동계
Dex는 4개의 바퀴와 2개의 모터로 구성된 구동계를 갖추고 있어 Hero Bot이 V5RC Push Back 필드에서 쉽게 기동할 수 있습니다.
컨베이어
Dex의 컨베이어 시스템은 컨베이어 벨트 인서트와 함께 다양한 체인 링크를 사용합니다. 이를 통해 히어로 봇은 필드의 블록을 들어올려 4개의 다른 골에 넣을 수 있습니다. 삽입물은 블록이 컨베이어 벨트를 따라 올라가 점수를 매기는 동안 블록을 제자리에 고정합니다.
기어 트레인 흡기
덱스의 흡입구는 여러 개의 기어 트레인, 고무줄, 체인 링크를 사용해 필드의 블록을 잡아 땅에서 충분히 높이 들어 올려 컨베이어에 도달합니다. 체인 링크는 기어 트레인에 의해 지지되고, 2.75인치 휠을 움직이며, 이 모든 휠은 하나의 모터로 구동됩니다.
Dex 수정
팀의 전략에 따라 Dex를 수정하여 성능을 향상시킬 수 있습니다. 예를 들어, 덱스가 블록을 잡는 능력은 섭취량을 수정함으로써 더욱 효과적으로 만들어질 수 있습니다.
경쟁에서 로봇을 개선하기 위한 101: V5RC 푸시백 STEM 랩 의 세션 5를 참고 히어로 봇을 수정하는 데 도움이 되는 프로세스를 알아보세요. 이 세션에서는 협력적이고 데이터 기반의 의사 결정을 통해 로봇을 점진적으로 개선하는 방법을 살펴봅니다.