外文翻译.docx
- 文档编号:7037640
- 上传时间:2023-01-16
- 格式:DOCX
- 页数:25
- 大小:488.02KB
外文翻译.docx
《外文翻译.docx》由会员分享,可在线阅读,更多相关《外文翻译.docx(25页珍藏版)》请在冰豆网上搜索。
外文翻译
南京邮电大学
毕业设计(论文)外文资料翻译
学院
自动化学院
专 业
自动化
学生姓名
施来鹏
班级学号
B110503B11050323
外文出处
RoboticsandAutonomousSystems
附件:
1.外文资料翻译译文;2.外文原文
指导教师评价:
1.翻译内容与课题的结合度:
□优□良□中□差
2.翻译内容的准确、流畅:
□优□良□中□差
3.专业词汇翻译的准确性:
□优□良□中□差
4.翻译字符数是否符合规定要求:
□符合□不符合
指导教师签名:
年 月 日
附件1:
外文资料翻译译文
一种自主攀爬机器人的设计与运动规划
AvishaiSintov,TomerAvramovich,AmirShapiro
摘要:
本文提供了一种新颖的可以攀上垂直粗糙的表面的机器人的设计方案,可以用来,比如粉刷墙面。
作为CLIBO(clawinspiredrobot爪启发机器人),这种机器人可以在某一位置固定很长一段时间。
这样的能力具有很重要的民用和军事优势,如用来监视、观察、搜索和救援,甚至也能用于娱乐和游戏方面。
这种机器人的运动学机理和运动方式是一种基于攀岩通常用的四肢爬壁方式和猫用爪子爬树的方式混合的模仿技术。
它有四条腿,每条腿都具有四个自由度以及专门设计的连接到腿的钩爪使得它能爬上墙壁并且可以朝任何方向移动。
每条腿的端部是由十二个鱼钩组成的夹持装置,这些钩子以一种特殊的方式对齐使得每个钩子可以在墙壁的表面独立运动。
这样的设计具有不需要用于紧压避免来平衡重量的尾状结构的优点。
为了能让机器人可以在预定路线上进行自主攀登,设计者特意设计了一种运动算法。
该算法考虑了机器人的运动学以及施加在足垫的接触力。
此外,该设计还提供给机器人审查其夹持力的能力以达到和保持在其附连到墙壁的高可靠性。
构建了一个实验机器人来验证模型和它的运动算法。
最终,实验证明了特殊的夹持装置的高可靠性和运动规划算法的效率。
关键词:
攀爬,机器人,爪,运动,算法
1.简介
本文包含了垂直壁面攀爬机器人的设计和运动规划。
这种能力显著提高机器人的移动性和工作区域并且具有重要的军事和民用的优势。
作为设计目标的一部分,机器人被假定为能够以自行和可靠的方式移动。
此外,机器人还应该要小巧、结构紧凑以及便于单人携带操作。
为了执行相应任务,机器人还必须能够无能量消耗地附着在墙壁上。
为了实现这些设计目标,机器人的设计和开发借鉴了人类四肢攀岩的方式和猫用脚爪爬树的运动方式。
基于这种设计的机器人被称为CLIBO(爪启发机器人)。
为此,我们建造了一个机器人原型来验证这种理念。
用这个运动模型,作为这项工作一部分的运动算法结合了四条腿的控制器和智能执行器的能力。
我们用CLIBO实验表明了可靠的爬壁是可行的。
这种机器人的独特设计一方面提供了机器人操纵能力,另一方面,能够控制其位置和力的分布。
可垂直和自主沿粗糙表面垂直运动的机器人,如粉刷类,提供了相当大的军用和民用优势。
布置在建筑物的高处,机器人,作为一个观测平台,能够提供有价值的军事情报,以及协助搜寻和救援行动。
这样的机器人也可以用于敌对区域无人扫描和作为运载火力武器及爆炸物的平台。
在民用方面,这种机器人可以部署在高危环境下进行回收各种操作进程和状态的信号。
本文的第一部分介绍了机器人设计的考虑因素,这些因素决定了机器人的运动结构。
在第二部分中,我们来回顾机器人的数学模型,模型描述了从它的设计中得到的运动学和静态学模型。
在第三节中,我们讨论了基于抓取质量措施和机器人运动学的运动规划算法。
第四节展示了该设计和运动规划算法的实现。
我们在这里还提供了一个已经建好的机器人原型和大量搭载了这个原型的实验讨论。
2.机器人设计与分析
为了研制得到一种能够攀爬粗糙壁面的作业机器人,CLIBO的结构是按照这样一种方式开发的,当被激活时,它会模仿一种四肢攀爬的攀岩技术。
2.1.机器人设计
这种机器人包含四个围绕它中心对称布置的四条腿。
每条腿都具有五自由度。
图1展示了一条腿的设计样式。
其中四个自由度是机动的,第五个,它是装在每条腿的末端的夹紧装置中,是一个被动自由度。
前两个自由度,其轴垂直于墙壁,使机器人能够前进移动。
这两个自由度也负责控制附着于墙壁的钩爪,通过拉动末端效应器(EE)向地板施加向下的力,如下所述,并检查反作用力。
剩下的两个机动自由度,其轴平行于墙壁平面,被设计用于确定机器人从所述壁面(电机3)和末端效应器的角约束(电机4)的距离。
图1.某样式
腿部的这种设计给机器人提供了良好的步态能力。
每条腿的前两个电机驱使机器人的运动。
在钩附着和确定了所述壁面的距离(由电机3和电机4)之后,机器人的运动是由每条腿的前两个电机执行的。
这样的运动方式和攀岩者用他们的手指来抓住岩石表面裂痕并激活肩部和肘部肌肉来推进运动的行为很类似。
机器人的这种结构,允许他可以利用它16个电机中的8个朝任意期望的方向(360°)移动。
此外,机器人可以通过延伸腿来改变和墙壁的距离,以此根据壁面条件来降低或升高自身位置。
因此,这种腿具有去耦平面运动(平行于壁)和垂直于该平面的优点。
图2.夹紧装置示意图
一种可替代的腿构造已经进行了检验。
其中,第一个自由度的轴垂直于壁面,另外三个自由度的轴则平行于墙壁的表面。
这样的结构具有可负荷攀爬和横向运动的优点。
然而,这种配置也使机器人需要开动全部四个电机来推进。
此外,由于这种电机分布方式,机器人的质心从壁面移开并且因此脱离壁面。
每个腿的四个驱动器都和每条腿的顶部的末端效益器组装。
这种末端效应夹紧装置(图2),模仿了猫攀爬时抓住物体或壁面的方式,是一种专为机器人运动设计的独特装置。
每个装置,包含在一个铝制机箱上对齐的12个镍制鱼钩,能够钩住墙上的裂缝和抓持2KG的重量。
这些钩子通过一根细的尼龙绳和铝制机箱连接。
一小片盒装环氧基树脂将钩子粘在串上。
挂钩之间是导轨,防止它们纠缠在一起和限制被动兼容的自由度上的环氧基树脂片。
换句话说,钩子不能被横向移动或者扭曲。
它只能在墙壁的方向上移动,后退和前进。
一系列钩子抓握实验同时表明钩子能够约束彼此抓取物体的干扰和丢失情况。
这种布置给每个钩子提供了独立的抓持能力。
这种抓持装置设计成可以相当于墙壁平面20°角旋转的方式。
这种旋转方式可以防止夹紧装置主体和墙壁发生碰撞。
因为所有的腿被固定在墙上,当机器人移动它的中心主体时,腿的取向必须改变。
钩子固定在墙上而且一个取向上的变化会在抓握装置上关于垂直壁面的轴线施加扭矩。
这种扭矩可能导致腿从墙壁上脱离。
为了防止这种情况,一个被动的自由度被加入到该把持装置的轴上面。
因此,该夹紧装置通过两个微型轴承连接到腿上,创造出了一个自由度轴。
一个小的平衡重量被加到了抓持设备以此保持它的平衡,因为它接近于壁面来附着它本身。
2.2.运动学
设计机器人运动的第一步是分析它的运动。
因此,需要一个基于从伺服马达获得的位置反馈的机器人的方向的数据的系统的分析方法。
2.2.1.直接运动学
直接运动学的使用使得精确用一个腿关节角度函数定位腿部末端效应器的位置成为可能。
基于该关节角度,末端效应器相对于全局帧的位置能够被计算出来。
为了分析这种运动学,一组帧被连到了系统上(图3)。
机器人相对于框架W、全局框架移动。
框架O位于机器人的中心体,保证它和框架W并行。
框架B被固定在了机器人的中心体。
框架L,固定在每条腿的第一个电击伤,保证和框架B并行。
框架i(i=1,2,3,4)是放置在电动机i的轴线上并随之旋转。
假设机器人能够在平行于墙壁的平面移动。
由于所有的腿都是相似的,尽管在镜像视图中,末端效应器的位置被首先放置在相对于第一个电机(框架L)的位置。
它然后被转换到中央主体框架B。
当腿部完全拉伸时,所有角度都被设置为零度。
让框架4作为末端效应器框架。
矢量rL展示了末端效应器在框架L中的位置是:
,其中
是一个从框架i到框架j的齐次变换矩阵,r4是末端效应器在框架4的相关位置。
因此,末端效应器相对于框架L的位置是:
其中,Li是第i个链路的长度,θi是i链路和i-1链路之间的角度。
由于每边有四条腿镜像分布,那么对于每条腿,rL映射到框架B并且可以由矢量rB表达:
是从框架L时到框架B的齐次变换,由绕Y轴旋转所围绕φByx轴和φBx制成。
每条腿的常量,φBx和φBy,通过围绕中心体的腿的位置给定,可以是0°或180°。
我们用框架B代表在相对于机器人的当前中心体位置腿部末端效应器中的位置。
然而,因为腿是相似的,所有的腿的运动将在框架L通过相同的全局功能控制。
2.2.2.反向运动学
为了将末端效应器放在期望的位置,我们用限制了腿的匹配角度的反向运动学(IK)。
这意味着一定的配置会给出腿部末端效应器的期望位置。
这个反向运动学适用于关联CLIBO的中心体的单条腿。
根据腿的匹配角度,反向运动学被用来达到相对于中心体的末端效应器的期望位置。
由于之前提到的平衡重量的存在,末端效应器的方向可以保持恒定。
反向运动学的计算是由中心主体的方向时刻保持垂直的假设而来。
这种假设是准确的,这么说是由于它将在运动算法内所作的中心体的取向角进行校正,这将在后面详述。
此外,该中心体到墙壁的距离被限制在定义域Z内。
由于腿部的结构,两个侧向接头负责控制钩爪到墙壁的距离和接近角度。
然而在X-Y方案中,两个更接近中心的接头负责调节接触点的位置。
有了这些约束和假设,对所需的角度有四种不同的解决方案,两个是给θ1,θ2,另外两个是给θ3,θ4的。
因此,当我们搜寻所有腿的相同结构的解决方案时,框架L的每条腿都被固定为它邻近腿的镜像。
将末端效应器的位置用(X,Y)T表示,利用腿部逻辑结构,反向运动学在框架L中进行计算。
将变量E作为从框架2的原点到全局框架的x-y平面(图4)的末端效应器的距离的投影。
由余弦定理得到,θ2是:
由正弦规律得,θ1是:
当腿附着在墙壁上时,到墙壁Z的距离保持恒定。
因此,限定距离Z的θ3和θ4的总和保持不变并且由k给出。
从
(2)得,
从式(6),我们可以提取θ3:
因此,θ4等于,
这种方法是用于实时确定哪些关节角度是为了在所期望的位置来定位腿的末端效应器。
一旦距离Z已经根据环境被用户界面确定,那么四个角度可以根据式子(4)-(8)随后计算得到。
2.3.平衡分析
腿部是由能够测量操作腿关节扭矩的智能伺服电机组成的。
使用这个反馈,我们可以计算作用在基于关节扭矩的末端效应器的力。
力计算包含作用于连接体质心的引力力量。
从确定作用在腿部末端效应器的反作用力表明两种状态的一个。
过大的力表明腿部超载了。
对机器人的稳定性来说这是很危险的,需要立即处理。
力量过小则表明一个腿已经脱离了壁面。
配置参数向量vp的,它包含致动器θ1,...,θ4的四个关节角度,中心体θ0和其全球位置θw的取向角,dW可以定义如下:
其中θw和的dW(图4)是与全局框架有关的机器人的位置参数并且由下式给出
让rf表示从全局框架原点到到末端效应器的矢量,那么末端效应器的力雅可比会是:
重力雅可比为:
其中
从全局框架的原点到连接体质心的向量。
图4机器人x-y平面图
对于每条腿,作用在关节θ1,...,θ4上和由于反作用力f和连接体块mi在中心体θw,dw,θ0上的扭矩是:
其中(fx,fy,fz)是作用在腿部末端效应器的力向量。
我们已经得到了一个向量扭矩(和一个力Fw):
其中Mw,Fw,M0是作用在中心体的扭矩和力。
然而,这些参数在我们要的条件中没有任何意义。
另外四个参数M1,...,M4是作用在腿部关节的扭矩。
这些参数由伺服电机进行测量。
因此,我们得到四个方程:
这四个方程是显示未知参数fx,fy,fz,θ0特征的关节力矩表达式。
对这些方程式进行数值求解以获得接触力。
正如期望的那样,这个解决方案表明M1,...,M4的表示独立于θw,dw。
这意味着关节扭矩不取决于墙上机器人的位置。
这个控制程序现在能够在任何给定的机器人位置下实时解答这四个方程,给我们提供操作机器人的力的信息。
反作用力分析是同时在一条腿上进行的。
这些分析彼此互相比较为了分析机器人腿部的重量分布。
3.运动规划
在这一节中,我们描述CLIBO的运动规划算法,这使得它能够爬上垂直的,粗糙的质感墙壁。
这个运动规划是基于电机能够测量所施加的扭矩和因此估算夹持器上接触力的能力而来。
CLIBO的控制是基于主动位置控制,而不是主动力控制。
通过这种方式,力矩和力平衡能够被动地得到。
我们的硬件是不能够实现主动力控制的,这是由于从致动器内部的转矩传感器及主动力控制下的这种错误可能会导致稳定性的丧失转矩误差读数。
因此导致平衡没有被确认。
相反,在运动过程中不断给每条腿的施加扭矩和接触力分别被计算着。
机器人运动的主要假设是一条腿会一直试图钩在墙壁上并且最终成功做到。
如果只在多次尝试后才能成功抓取,那么只有一些中央机构配置是不可行的。
没有关于表面纹理的先验知识,因此这类假设是不可避免的。
3.1.运动原则
CLIBO的运动原理是基于所述中心体沿一给定路径上的运动而来。
为中心体架设的路径是由用户做事先爬行预定义的。
除了表面的垂直性,没有任何表面的先验知识,因此在爬行时,立足线是线上决定的。
有用户先爬行得到的路径被离散成小片段。
机器人移动自身中央机构正对一个临时位置的路径段,同时寻找机会移动它的腿。
图5示出了运动的算法的流程图。
机器人从一个更高水平的计划方案得到在墙壁上的路径规划。
我们想要沿着给定的参数化路径S(ρ):
R−→R2移动机器人的中央机构。
其中参数ρ∈[0,Γ],Γ是路径末端的最大值。
让Δρ作为一个机器人路径的一个路径增量是身体中心的一个步骤。
我们将路径离散成
里的元素。
因此,沿着该路径的第k个离散点是sk=Sk(kΔρ)。
用Δsk=sk+1−sk作为一个分离路径元素,其中sk+1=S((k+1)Δρ)。
每个增量是然后细分成更小的段,同时长度δ被身体动作来执行。
因此,机器人路径的每个增量是Δsk步骤分解成更小的、δ、由身体运动进行的子步骤。
对于每个增量Δsk,机器人的中心体沿着起点和增量的端部产生的直线以δ步骤移动。
中心体的运动是通过离开接触点在其当前的位置,并使用闭链运动移动该中心体以协调的方式进行。
每子步骤δ之后,转矩和角度是在致动器测量到的。
使用反向运动和静态分析(第2节),我们得到机器人的末端效应器位置和作用于它们的力量。
运动规划算法是一种反应性算法,它可以不断检查以下四种状态。
在每种状态下,机器人的反应各不相同。
机器人采取一个动作应对一条腿被释放的时候(状态1);一条腿的末端效应器超出了它所运行的位置(状态2);一条腿负载过低(状态3);一条腿超载了(状态4)。
如果没有出现这些状态,机器人移动它的中央机构到下一子步骤,之后再每个事例中重复执行该4状态检查。
这个过程不断进行直到机器人达到设定的增量Δsk的末端。
四个状态按照一个关键的顺序布置,最关键的条件是被先检查。
因此,如果状态1(小腿脱离接触)发生了,它将在其他状态被检查前纠正。
像前面提到的那样,四个状态例行检查,以此来确定腿部的状态。
状态1与抓取装置脱离墙壁的可能性相关联。
如果这样的事件发生了,将只有很重力作用在设备上,会导致在致动器的扭矩测量结果过小。
如果是这样的情况,机器人将会在下一个可能的位置上搜索墙壁上的一个新的夹紧点。
这个“下一个可能的位置”是一条腿的位于腿部的路径向量允许的空间内的一个点。
对于腿部的每一个位置,一个腿的路径向量被定义为从它的当前位置开始并指向其最终位置。
其最终位置将在当前段Δsk移位到腿的预期点的结束点旁边的中央体(中心体位置将在当前Δsk的结束点)。
状态2和中心体移动后的腿部位置有关。
中心体朝向其目标的运动会增加它到末端效应器上一些点的距离并且会减少到另一些点的距离。
换句话说,这些腿必须在中心体的δ步骤中在路径方向上超前。
因此,我们定义了一个对每条腿的允许空间。
所允许的空间指定了一个与中心体以这样一种方式相关的区域,如果腿部定位在了区域外,必须采取一个措施来将腿移到沿腿部路径向量的允许空间内。
因此,由于所允许空间与中心体相关,中心体的运动将移动相对于腿部的允许空间,绝对会导致腿部退出它,从而迫使机器人前进腿中的方向的运动。
腿部前进和允许空间定义会在3.2章中更详细地描述。
重新定义中心体沿路径方向移动了机器人的中心结构,导致了接触力分布的变化。
作用在一条或多条腿上的小作用力可能导致它们是无效的。
此外,一些腿上的小作用力会导致其他腿上的极端的不必要的大作用力。
由于这些原因,检查状态3和状态4是有必要的。
状态4是关于一条腿支撑了太大的力的情况。
由于执行器有一个有限的扭矩,每个执行器的腿部过载都要被检查。
因此,状态4的条件是检查是否每条腿的执行器的扭矩大于一个预定的扭矩最大值Tmax。
在一个执行器过载的状态下,机器人以非常小的步子从过载腿移开它的中心体来修改腿的取向和平衡执行器的扭矩。
相对于状态4,在状态3中,检查一下作用于末端效应器的腿部作用力是否小于限定作用力Fmin是很有必要的。
在这样的情况下,机器人会将腿部向当前段Δsk的末尾的下一个可能的位置前进。
3.2.腿部运动规划算法
移动腿部i的基本原理是通过考虑沿路径的机器人的前进方向来计算腿部的下一个可能位置。
如3.1节中描述的那样,腿部有它的定义允许空间。
允许空间和中心基相关并且它的原点被定义为框架B的原点。
我们定义Rmax为允许带的半径并将其作为由SF划分的x-y区域的腿部最长可能长度进行计算(16)(当从墙上Z中的距离是固定值时,E被定义并且恒定)中的x-y平面上的腿通过的SF划分的。
SF是用于防止腿的矫直预定的安全系数。
因此,Rmax定义了腿部末端效应器的xmax和ymax。
ymin和xmin是定值而且有腿部物理工作空间定义。
从原点得,两个引导线被吸引到由Rmax的弧的交叉点和产生点a和b的最小限(ymin和xmin)。
这种几何结构产生5个区域。
允许的区域是区域VI。
中心体移动之后,腿部的位置被检测并且如果它超出了区域VI,那么腿会被移动到下一个可能区域的允许区域VI中。
下一位置将根据其对当前增量Δsk的最终目的地来确定。
这些坐标然后会被处理使得下个腿的位置会沿着那个方向但在腿部的定义允许空间内。
这意味着,如果下一个腿部的期望位置(x′leg,y′leg)在空间V内,它会被纠正并重新定位在弧(由Rmax得)和移动路径相交的点(xleg,yleg)上,如果下个腿部期望位置在区域I或者区域II中,那么将被分别纠正和重新定位在a或b点。
如果下个期望位置在区域
中,那么只有xleg的坐标将被改为xmin。
区域
的情况也是一样,只有yleg的坐标会被改为ymin。
让Δxbody,Δybody作为中心体关联当前Δsk的位置,xleg,body,yleg,body作为腿部在当前段Δsk移位到下一个其中央主体的腿预期点的终点的位置。
Ffree是作用在末端效应器的表示释放腿部的最小作用力。
算法1是一个动作序列,能够将腿部i的末端效应器从当前位置移动到期望位置。
xleg,body,yleg,body.zleg,body是根据到墙Z的距离计算得到的预定值。
首先机器人将按照yw方向(指向天空)在预定距离d以内将钩爪从墙上分离。
然后它将测量电机上的扭矩并计算腿上的接触力
。
如果作用力小于Ffree,那么这个腿就被释放了,否则它会重复在距离d上的运动并且再次检查作用力。
Δx,Δy是当前Δsk值在x,y轴上的突起。
离开中心体到Δsk末端的距离,Δx−Δxbody,Δy−Δybody表示在中心体框架(框架B)中被转换了,从框架B到框架L使用齐次变换
,由下式给出:
当前Δsk的腿部末端的预期位置,被添加到相对于中心体的对应位置。
我们计算从腿部当前位置到期望位置在腿部框架的当前Δsk的末端表示的腿矢量。
因此,腿部的最终位置会被进行检查,以使它在允许的区域内,如果不是,它将会被纠正到前面的状态。
4.实施和实验结果
为了实施上面提出的模型,我们使用了BIOLOID机器人套件。
还用到了16AX-12+Dynamixel致动器。
这些致动器是包含内置的控制器,驱动器,通信协议和减速齿轮的组合式直流伺服电机。
当供给9.6V推荐电压时,最大致动器转矩是16.5公斤力厘米,最大角速度为51转。
执行器的角度和速度可在1024步的分辨率下进行控制。
置的控制器能够测量致动器的角度,速度和扭矩。
对于实现该算法,这个反馈能力是是必不可少的。
机器人拉伸到总长度时,不可操作并且充分拉伸长度是750毫米。
有了外部电源,CLIBO样机重量为2公斤,这使得它非常小巧而且便于携带。
CLIBO的有效负载是从致动器和夹持器的保持极限的能力而得。
每个夹持器能夹持高达2公斤的重量。
然而,根据在第2.3节描述的均衡分析和致动器的最大扭矩,各腿可支撑高达1.6公斤的重量。
因此,假定在任何给定情况至少有三条腿附着在墙壁上的情况下,CLIBO的有效载荷为约5公斤。
在实际操作中,我们认为这种估计是太乐观的,所以实际的有效载荷将是大约2千克。
然而,有效负荷承载力并没有在此阶段验证。
在测试过程中,我们遇到了两个问题。
一个问题就在墙壁上的机器人的稳定性。
更快的动作产生不必要的动态作用力。
腿部脱离墙壁的速度最初设定为0.1米/秒,产生使机器人下落的动态力。
为了解决这个问题,一个经验优化方法来找到一个最佳的驱动器攀爬速度,它降低至0.06米/秒。
第二个问题,传播速度慢,到现在还没有被克服并且移动动作之间长期拖延给了CLIBO一个沿着路径以12厘米/分的进步速度。
尽管有这两个困难,但夹持装置的构造已被充分验证并且证明其能够提供机器人良好的附着可靠性。
5.结论
本文提出了一种四条腿的机器人,CLIBO(爪启发机器人),能使用附着在墙上的钩爪在粗糙表面攀爬。
该CLIBO机器人爬上表面的能力已经用了一种运动算法进行了实验验证。
其他几个方面在以后还有待进一步研究,主要是以下几个方面:
动态运动;制定过渡算法;提供机器人无能量消耗定在墙上的能力;提高机载计算速度;提供配载能量源。
允许夹持器附着到弯曲表面,并调整算法适应不平坦的地形将扩大机器人的机动性而不局限于垂直壁面。
此外,设计出各种涉及吸盘或磁铁可以扩大CLIBO可以攀登的表面。
由于解决这些问题的必要性,CLIBO机器人能够以可靠的方式完成设计任务。
附件2:
外文原文
Designandmotionplanningofanautonomousclimbingrobotwithclaws
AvishaiSintov,TomerAvramovich,AmirShapiro
Abstact
Thispaperpresentsthedesignofanovelrobotcapableofclimbingonverticalandroughsurfaces,
suchasstuccowalls.TermedCLIBO(clawinspiredrobot),therobotcanremaininpositionforalongperiodoftime.Suchacapabilityoffersimportantcivilianandmilitaryadvantagessuchassurveillance,observation,searchandrescueandevenforentertainmentandgames.The
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 外文 翻译