摘要：“众所周知，在海水涨潮时，潮水拥挤在弗罗群岛和罗弗敦群岛之间的海域里，水流急剧加速，势不可挡，形成湍急的漩涡。船只一旦被卷入其中，就别想脱身。”

“众所周知，在海水涨潮时，潮水拥挤在弗罗群岛和罗弗敦群岛之间的海域里，水流急剧加速，势不可挡，形成湍急的漩涡。船只一旦被卷入其中，就别想脱身。”

这是著名长篇科幻小说《海底两万里》中的片段，是尼摩船长带领阿罗纳克斯教授一行人乘着“鹦鹉螺号”在挪威西海岸遭遇大漩涡时的描述。

早在 150 多年前的 1869 年，作家儒勒・加布里埃尔・凡尔纳（Jules Gabriel Verne）就开始畅想乘着水下航行器穿越太平洋和大西洋，探索海底的无限未知。

地球是一个被水覆盖的行星，表面约 71% 是海洋。大海不仅面积广阔，而且深不可测，其中物种多样，矿产丰富。百年来，人类从未停止对大海的认知和探索。

从海平面到水下 1000 米是临地空间的一部分。在这个区域中，物种的多样性构成了复杂的生态系统和丰富的海产资源，它将是人类活动“向下”拓展的重要空间。

然而，由于海水的不均匀特性，光线会被吸收和散射。因此，“智能光电”技术应运而生，可以实现在暗淡的环境中对光信号进行探测、传输，及智能化感知和分析。

中国电信人工智能研究院（TeleAI）正在加速推进“智能光电”技术的研究工作，并与智能体、智传网（AI Flow）、AI 治理形成“三智”+“一治”的完整战略布局。

临地空间与人们的现实生活紧密相关，TeleAI 希望通过 AI 驱动包括赛博空间、临地空间、广域空间在内的“三大空间经济”发展，拓展人类的活动范围。

随着机械工程、计算机、人工智能等技术的突飞猛进，自主水下航行器（Autonomous Underwater Vehicle，AUV）的应用得到进一步发展。

从“深海进入”到“海洋开发”，AUV 扮演着至关重要的角色。AUV 能够自主航行进入更深的水域空间，无需通过脐带电缆与其他平台连接，就能执行各种任务。

然而，由于 AUV 造价昂贵，且携带大量珍贵的海洋数据，在完成任务后，通常需要以“导引回收”的方式使其安全返航，保障数据完整，并实现设备的重复利用。

为了提高 AUV 末端光学导引回收的精度，中国电信集团 CTO、首席科学家、中国电信人工智能研究院（TeleAI）院长李学龙教授带领团队展开深入研究，提出了“自主水下航行器多分支网络光学导引定位方法”。

该方法旨在为 AUV 在能源补充、数据传输和指令下达等方面提供更快的解算速度、较低的算力功耗需求以及较少的能量消耗。

相关论文已在中国精品科技期刊《中国科学：信息科学》正式发表。

论文地址：

https://www.sciengine.com/SSI/doi/10.1360/SSI-2024-0183;JSESSIONID=8df64795-11e5-4fe3-8024-f4e0cd442a7c

突破与创新

团队搭建了基于多象限测角的光学导引定位硬件系统，提出了多分支回归网络的 AUV 光学导引定位方法。

该方法首次将深度网络引入多象限测角的光学导引定位位置解算任务中，设计了多分支结构的位置解算回归网络。研究了数据驱动的多维度定位约束训练方法，构建了水下光学导引定位系统的物理几何关系，实现光学导引硬件与算法的一体化设计。通过解算多象限光电探测器采集的导引灯偏角数据，获取了 AUV 与导引灯的相对位置，实时输出 AUV 的即时位置坐标，完成了海试验证。

创新点1：导引硬件与算法一体化设计

为了实现水下光学导引大视角的高精度定位，团队采用了多象限光电探测器，分析了导引灯组排布与 AUV 的物理几何关系，建立了光学导引偏角-位置的数学模型。

从导引灯的几何排布角度出发，在理论上证明了使用三个非共线排布的导引灯可以确保导引灯偏角数据与 AUV 位置（简称偏角-位置）的一一对应关系，是保证在算法层面产生唯一位置真值解的重要前提条件。

创新点2：多分支结构的位置解算回归网络

为了提升模型的表示能力，团队设计了多分支结构的位置解算回归网络，通过多象限光电探测器获取的导引灯偏角信息，将 AUV 位置解算的任务视为回归问题，采用了编解码器结构，提高了位置解算精度和速度。

创新点3：多维度的空间位置约束目标函数

为了更高效地指导网络模型参数优化，团队从方向、距离、坐标三个维度设计网络模型目标函数，建立了多维度空间定位精度约束，进一步提高了网络模型的解算精度和泛化能力。

实验结果

在 AUV 导引回收任务中，全面评估定位精度对于确保方法效果至关重要，团队通过在不同距离的定位精度实验，展示本文方法在位置解算的准确性。

本文方法在 0.8m 至 20m 范围内的坐标定位精度实验数据如下图所示。可以看出，绝对坐标误差随着距离的增加而增加，由统计分析可得，其均值 58.292mm@0.8~20m，标准差 43.347mm@0.8~20m。

为了直观展示多分支网络光学导引定位方法的位置坐标解算精度，团队设计了仿真轨迹以进一步测试 AUV 坐标预测轨迹的可视化结果。

轨迹仿真实验中采样了 80 个点，其坐标解算的绝对坐标误差均值为 41.256mm@0.8~20m，绝对坐标误差最大值为 143.847mm@0.8~20m，绝对坐标误差最小值为 3.276mm@0.8~20m。

在相同的验证条件下，团队同样使用物理仿真随机生成的 10 万组偏角-位置数据，使用多项式回归算法、支持向量回归算法、决策树算法和随机森林回归算法，与多分支结构的位置解算回归网络算法在 0.8~20m 的导引范围内对定位坐标精度进行比较。

与传统回归算法相比，多分支结构的位置解算回归网络的绝对坐标误差均值仅为 58.292mm，展现出更高的定位精度。这一结果表明了多分支回归网络在特征提取和非线性建模上的优势， 尤其在处理复杂定位任务时，表现出了更高的定位精度。

为了验证多分支网络光学导引定位方法的位置解算精度，团队在自然资源部北海海洋技术中心海港港池开展了海试验证。三条轨迹的坐标真实值和预测值结果如下图所示。

通过对绝对坐标误差进行计算和统计，得到预测轨迹点与采集的 GPS 轨迹点平均绝对坐标误差在 35.102mm@1~3m，而仿真实验的平均误差仅为 6.646mm@1~3m，与海试数据存在差距。

这是由于海试误差除了算法本身存在的误差以外，主要是由 GPS 的测量误差和多象限光电探测器的测量误差造成。

因此，海试中的误差积累难以避免导致了仿真和实验存在定位误差差异。同时，综合 GPS 和多象限光电探测器的测量误差来看，海洋试验的误差仍在合理范围内，验证了该方法在海洋环境中仍可以实现预期的精确定位。

如果说“鹦鹉螺号”只是小说中的科幻，那么 1872 年的“挑战者”号考察船则掀起了现代海洋科学的开端。这次考察首次进行了大规模海底勘探，发现约 4700 种海洋生物。

一百多年来，人类对大海的探索从未停止，从石油勘探、矿产开采，到海底隧道、海底光缆，每一次突破都拓展着认知与活动的边界。

李学龙教授带领团队在“自主水下航行器多分支网络光学导引定位方法”的研究，将为自主水下航行器的导引回收提供有利保障，也将为深海探索带来新的可能。

在《海底两万里》的故事最后，阿罗纳克斯教授从海底回到了现实，他向读者提出了 6000 年前的那个问题：“谁曾能探测深渊的深处呢？”

现在，TeleAI 团队给出了答案。

来源：TeleAI