本系统将机器人模型简化成一个一级二维的倒立摆，并抓住机器人步态规划中的八个关键阶段，结合ZMP稳定性理论，设计了一个机器人行走平衡自调整的模糊控制器，使得控制算法大大简化。大型智能交互机器人与场馆内其他小型双足类人机器人Agent的通信研究采用TCP/IP和无线GPRS方式用于大型仿人机器人与场馆内其他小型仿人机器人Agent的通信，研究了几种用于多Agent之间通信的算法，并将一种改进的遗传算法并将其应用于多Agent通讯，结果表明此种算法可以提高多Agent之间的通信效率。完成基于嵌入式系统设计，系统实现语音识别、人脸识别，嵌入式系统同时还完成和行走驱动系统、动作驱动系统、无线通信系统的通信，通信方式采用内部总线；完成了基于DSP的直流电机驱动系统设计，实现无刷直流电机电流环、速度环的双闭环控制；实现了完整的交互协议，保证数据可靠的传递。小型双足类人机器人与小型双足类人机器人之间的通信研究 将机器人团队中的每个机器人作为通用控制设备进行互连，通过遵循自主开发的共同的资源描述及功能服务接口标准，使每个机器人能够有效实现资源共享及协同服务，提高设备间功能的互操作性。互连的机器人相互认识与理解，遵循我们自主开发的规范的设备资源描述标准，该标准详细记录机器人在互连网络中的表现形式，以及设备所能提供的服务。使每台机器人可以互联互通、整体团队形成自组织网络，进行信息共享及协同工作。

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

中国科大阳丽华副教授课题组首度发现，当把表面带负电荷的纳米球与细菌混合在一起时，纳米球会选择性吸附到球菌表面、却不吸附到杆菌表面，而且这种基于细菌形貌选择的识别机制受熵增驱动、且普适于组成和表面化学不同的多种纳米球。基于这种物理识别机制、以及ROS极度有限的有效活性半径（不足200 nm）（图1上），研究人员猜想如果纳米球具有光动力效应，那么就可能在光照下高效清除球菌、却不干扰杆菌（图1中和底）。这一猜想得到了采用不同光动力纳米球和多种细菌所做抗菌实验的证实。相关研究成果发表在期刊The Journal of Physical Chemistry Letters 上。

相关领域院士。

本实用新型涉及电动汽车无线充电技术，具体涉及一种公路及露天环境铺设的光储式电动汽车无线 供电系统，包括公路或露天环境的地面，以及电动汽车；还包括至少一个充电系统发射单元和电动车辆 装置接收单元，充电系统发射单元包括依次连接的电源模块、高频逆变模块、压力感应装置、RFID 阅 读器、功率控制电路、功率振荡模块和电磁发射线圈；电动车辆装置接收单元包括依次连接的电磁接收 线圈、RFID 电子标签、整流模块、稳压降压模块和车载电池；高频逆变模块将低压直

本发明公开了一种面向移动通信平台的即时通信软件侧信道测试系统，包括移动通信设备模拟平台、 侧信道信息采集平台、通用 PC 平台和通信功能验证平台；移动通信设备模拟平台与通用 PC 平台的连 接采用通用标准接口，用于接受通用 PC 平台的控制；移动通信设备模拟平台通过网络与通讯功能验证 平台进行信息交互；通用 PC 平台用于控制加密数据的进出和对侧信道信息进行存储；侧信道信息采集 平台的测试引脚与移动通信设备模拟平台相连，用于侧信道信息的捕获；通