STEM Education banner
STEM Education avatar
STEM Education
@stemeducation
Subscribers1.6K
Views303.7K
Videos714
STEM EducationPublished at May 6, 2026 at 01:03 AM2:50
Stem Education 2026 - Future Scientists (2ο ΔΣ Αναβύσσου) Από την ανθρώπινη στην Τεχνητή Νοημοσύνη thumbnail

Stem Education 2026 - Future Scientists (2ο ΔΣ Αναβύσσου) Από την ανθρώπινη στην Τεχνητή Νοημοσύνη

last monthLong-tail
stemeducation2026futurescientistsstem education 2026
Published time
May 6, 2026 at 01:03 AM
Duration
2:50
Video type
Education
Channel region
Greece
Publish Timing Insight
Not enough timing data
This channel still lacks enough historical upload timing data. Let the channel accumulate more snapshots before evaluating the best timing.
Monetization Insight
High RPM
This video sits in a relatively high RPM range, suggesting a more monetization-friendly topic.
Action Suggestion
Watch for sustained growth
The basic conditions are already in place. Keep watching 7-day views and revenue before deciding whether this topic should become a series.
Views
25
Likes
1
Comments
0
Estimated Daily Revenue
-
Estimated Total Revenue
$0.02 - $0.11
RPM Range
$0.72 - $4.2
1D Views Gain
0
7D Views Gain
0
1D Likes Gain
0
7D Likes Gain
0
1D Comments Gain
0
7D Comments Gain
0
Velocity Score
0%
Topic Cluster
stem
Video Description
«Γεια σας! Είμαστε οι Future Scientists του 2ου Δημοτικού Σχολείου Αναβύσσου και συμμετέχουμε στον Πανελλήνιο Διαγωνισμό STEM και Εκπαιδευτικής Ρομποτικής. Το έργο μας παρουσιάζει μια έξυπνη πόλη, όπου η τεχνητή νοημοσύνη και οι αυτοματισμοί βοηθούν τους ανθρώπους και κάνουν την πόλη πιο ασφαλή και προσβάσιμη για όλους. Το βασικό ρομπότ της πόλης μας είναι το Robot Assistant. Το ρομπότ αυτό βοηθά πολίτες που χρειάζονται υποστήριξη, όπως ηλικιωμένους, άτομα με κινητικές δυσκολίες, άτομα με προβλήματα όρασης και άτομα με προβλήματα ακοής. Ο χρήστης πατά ένα κουμπί και στη συνέχεια σκανάρει την κάρτα του ώστε το ρομπότ να καταλάβει πώς μπορεί να τον βοηθήσει. Στην πόλη μας υπάρχουν και άλλα ρομποτικά συστήματα που συνεργάζονται μεταξύ τους. Έχουμε έναν σταθμό επιτήρησης πυρκαγιάς, ο οποίος παρακολουθεί τις περιβαλλοντικές συνθήκες της πόλης, μετρά τη θερμοκρασία και την υγρασία και υπολογίζει το επίπεδο κινδύνου πυρκαγιάς. Σε περίπτωση που εντοπιστεί φωτιά, το σύστημα ενεργοποιεί έναν μηχανισμό που ανοίγει μια δεξαμενή και ρίχνει άμμο για να τη σβήσει. Το Traffic Robot κινείται στον δρόμο ακολουθώντας μια γραμμή και προσομοιώνει την κυκλοφορία των οχημάτων. Υπάρχει επίσης ένα ρομποτικό αμαξίδιο κατασκευασμένο με Lego WeDo 2.0 που χρησιμοποιείται για τη μεταφορά ενός ατόμου με κινητική αναπηρία. Τέλος, υπάρχει ακόμη ένας φωτεινός σηματοδότης που ρυθμίζει την κυκλοφορία. Στο έργο μας χρησιμοποιούμε διάφορους αυτοματισμούς. Ο αυτοματισμός Ε1 επιτρέπει στον σταθμό επιτήρησης να κινείται πάνω από την πόλη και να σταματά σε συγκεκριμένα σημεία χρησιμοποιώντας αισθητήρες που εντοπίζουν μαύρες γραμμές. Ο αυτοματισμός Ε2 αφορά την πλατφόρμα του Robot Assistant. Η πλατφόρμα κατεβαίνει μέχρι να ενεργοποιηθεί ένας αισθητήρας επαφής και τότε ο κινητήρας σταματά. Ο αυτοματισμός Α1 χρησιμοποιεί αισθητήρες θερμοκρασίας και υγρασίας για να υπολογίζει το επίπεδο κινδύνου πυρκαγιάς στην πόλη. Τα δεδομένα αυτά αποστέλλονται στο cloud ώστε να μπορούμε να παρακολουθούμε τις συνθήκες του περιβάλλοντος. Ο αυτοματισμός Α2 ενεργοποιείται όταν η θερμοκρασία είναι πολύ υψηλή, κάτι που μπορεί να σημαίνει ότι υπάρχει φωτιά. Τότε ενεργοποιείται ένας σερβοκινητήρας που ανοίγει μια δεξαμενή και ρίχνει άμμο για να περιορίσει τη φωτιά. Ο αυτοματισμός Α3 χρησιμοποιεί την κάμερα τεχνητής νοημοσύνης AI Lens για να αναγνωρίζει τις κάρτες των χρηστών και να ενεργοποιεί την αντίστοιχη λειτουργία του ρομπότ. Με το έργο μας δείχνουμε πώς η τεχνητή νοημοσύνη και οι αυτοματισμοί μπορούν να δημιουργήσουν μια πιο ασφαλή, έξυπνη και προσβάσιμη πόλη για όλους.
Related Topics
Continue with closely related videos to judge topic depth and content format.
Topic: stem
Not enough related-topic video data yet.
Video FAQs

These FAQs clarify what this video page measures, why revenue is estimated, and how to use the page for content research.

What can you learn from this video analytics page?

This page shows views, likes, comments, RPM and revenue estimates, publish timing, topic tags, related videos, and the broader channel context behind the video.

Why are RPM and revenue numbers estimates?

Actual earnings depend on monetized playbacks, audience geography, seasonality, advertiser demand, and monetization status. CloutOrbit provides directional estimates for benchmarking, not exact payouts.

How should you use this page for content research?

Compare timing, topic tags, monetization signals, and adjacent videos from the same channel to spot formats, themes, and publishing patterns worth testing.