- 基于声纳的水下 AUV 定位系统在低基础设施密度环境中的应用
在此研究中，我们提出了一种针对海底人造资产稀疏环境设计的自主水下航行器的新型实时声纳全球定位算法。通过利用两种数据解释前端，并在同一声纳数据流中合并这些观测结果，我们的方法在粒子滤波器内加权高概率区域的粒子或解决对称模糊。在模拟环境中进行了 - 基于在线可调性的自动声纳处理的地形特征化：从在水雷 - 探测中应用 ATR 到侧扫声纳的经验教训
通过无人驾驶潜水器任务期间的在线海底地貌表征技术，提高了海底地形复杂性的可解释性。这些技术基于无监督的机器学习方法，并且适用于实时机载处理，不需要人工操作员的干预。
- 有限多普勒速度日志测量下的无缝水下导航
在受限制的声束测量情况下，提出了一种用于自主水下航行器（AUV）的混合神经耦合（HNC）方法，通过在扩展卡尔曼滤波器中回归丢失的声束来提供无缝的 AUV 导航，性能优于传统模型方法，实验结果证明了方法的有效性。
- 基于混合经典量子卷积神经网络的水下图像机载分类
利用量子 - 经典混合机器学习方法，实现了首次在自主水下车辆上进行实时水下物体识别，效率大于 65％，运行时间减少三分之一，并且相比经典机器学习方法，所需数据集大小减少 50％。
- 应用自适应主动曝光控制技术改善现场视觉基准标志的感知
准确的本地化对于自主水下载具（AUVs）进行精确任务非常重要，而对于水下恶劣的照明条件，使用基于视觉标记的基于图像梯度的主动摄像机曝光控制方法可以显著提高机器人定位的准确性。
- 分离式注意力：一种基于 Cycle GAN 的改进型水下图像增强方法
提出了一种基于改进的 Cycle GAN 模型的水下图像增强方法，利用深度导向关注机制增强整体图像对比度，保持全局内容、颜色、局部纹理和样式信息不变，该方法在包含配对和非配对水下图像集的基准数据集上训练，定性和定量评估结果表明该模型适用于自 - 领域适应水下目标检测与图像增强的实时框架
近年来，在水下图像增强（UIE）领域取得了显著进展，但其在自主水下载具（AUVs）中的水下物体检测（UOD）等高级视觉任务中的实际应用仍较少探索。我们介绍了一种集成实时框架 EnYOLO，旨在同时进行 UIE 和 UOD，并具有域自适应能力 - 面对不完整的 DVL 测量的数据驱动策略
比较分析了 LiBeamsNet 和 MissBeamNet 这两种先进的深度学习方法以及基于模型的平均估计器的有效性，这些方法在两个波束不可用时对于回归丢失的 Doppler 速度日志波束进行了评估。研究发现，这两种深度学习架构的速度预测 - 使用数据驱动方法进行 DVL 校准
提出了一个端到端深度学习框架，用于自主水下车辆（AUVs）的校准程序，使用刺激数据表明，相较于基于模型的方法，我们的提议在准确性方面提高了 35％，在所需校准时间方面提高了 80％。
- 多智能体生成对抗互动式自我模仿学习对 AUV 编队控制与避障的应用
本文介绍了利用 MAGAISIL（多智能体生成对抗交互自我模仿学习）算法控制多自主水下机器人（简称多 - AUV），通过逐步替换由人类教练选择的次优演示路径，使得 AUV 能够学习策略，实验结果表明通过 MAGAISIL 训练的 AUV 可 - 可解释的水下潜水员手势识别
我们提出了一个利用深度学习训练的基于水下手势数据集的水下手势识别系统，并且使用可解释人工智能技术来可视化模型的预测结果，取得了 98.01% 的准确率。
- 革新自主式水下航行器（AUV）与海底图像处理技术的水下探测
通过对自主水下车辆技术和海床图像处理技术的最新进展的全面调查，我们将探索这些进展如何改变我们探索和理解海洋的方式，以及它们对海洋科学未来的潜在影响。加入我们一起发现激动人心的水下探索世界以及推动其发展的技术。
- 优化的 AUV 海底图像分析深度学习模型
使用自主水下航行器，特别是在图像分析方面的创新，以提高准确率和效率，彻底改变了我们从海底获得数据的方式。本文总结和比较了 AUV 海底图像处理中最新的进展，涵盖了从计算机和算法进展到传感器和相机的海洋技术领域。通过阅读本文，您将对使用 AU - 水下对接的高效检测与控制系统：基于机器学习和逼真仿真的综合方法
比较不同的深度学习架构以实现水下对接检测和分类，并使用知识蒸馏压缩具有最佳性能的架构，利用生成对抗网络进行图像转换以模拟真实水下图像，最终评估该方法的成功率并与传统视觉方法进行比较。
- 自适应的水下机器人对接在可视动态环境中的地标颜色
无人水下车辆（AUVs）利用自适应彩色 LED 标记和动态颜色过滤的视觉方法，在不同水质条件下最大程度地提高地标的可见性，无需 AUV 和 DS 之间的通信。
- 自主水下航行器智能碎屑质量估计模型
海洋垃圾对海洋野生动物的存活构成重要威胁，因而清除海洋垃圾对恢复自然平衡和保护海洋生物的繁荣至关重要。本论文利用实例分割技术，通过对图像进行分割和定位，计算并总结各个对象的面积来评估实例分割的区域。
- 协作强韧水下图像增强与感知的双重对抗性韧性
本论文介绍了一种协作对抗鲁棒性网络（CARNet），用于水下图像增强和后续检测任务。通过引入具有强大扰动感知能力的可逆网络来隔离水下图像中的攻击，防止对图像增强和感知任务的干扰，并结合视觉驱动和感知驱动攻击的同步训练策略，使网络能够识别和去 - 高效大规模 AUV 视觉海底地图生成
通过结合海洋数据科学、深海探索、自主水下载具、水下成像和机器人三维重建等技术的最新发展，我们提出了一个系统，可在海底面积达公顷级的范围内进行自动化的机器人三维重建。该系统经过多次研究航行的测试和评估，展示了在真实条件下的稳定性和实用性。
- 利用模型预测路径积分控制增强 AUV 自主性
自主水下航行器（AUV）在测量海洋环境、进行水下检查任务和海洋探索方面发挥着关键作用。本研究探讨了使用模型预测路径积分控制（MPPI）对 AUV 进行控制的可行性，并对主要超参数对 MPPI 控制器性能的影响进行了详细评估。同时，我们将所提 - 半监督水下图像目标检测算法
利用变分自动编码器的半监督方法来检测水下无人潜水器收集的人工物体图像， 通过数据聚类和异常分数提取技术，能够大规模地识别感兴趣的物体的候选样本，并在未标记的数据集上实现了平均精度为 0.64 的识别