一台AUV下水一次能带多少电，行业里不是秘密。据中国船舶科学研究中心公开综述，伍兹霍尔海洋研究所的REMUS 100电池组容量约1千瓦时、3节航速下续航约20小时，已算便携式AUV里的优等生；声呐、照明与相机等任务载荷，功耗普遍落在几十瓦到几百瓦。推进、感知、通信各分走一块，留给算法"思考"的那部分电本就不宽裕。

水下对接是作业链条上最吃"眼睛"的一步：找到对接站、靠上去、补电与交换数据。据中国科学院沈阳自动化研究所《机器人》期刊公开论文，千米级靠水声定位引至附近，最后十几米才交给光学或电磁传感器；声学方向角误差在1到3度之间，越靠近，折算出的横向偏差越难接受，光学虽能给出厘米级精度，有效作用距离却普遍只有10到28米。

水一浑，窗口收得更窄：悬浮颗粒把光向后散射回相机，信标自身的光又在前向散射中糊成光晕，图像上灰阶被压平、圆形光斑粘成一块。

深度学习是应对这类退化的常规武器，问题不在效果而在部署条件：训练要吞下大量像素级标注样本，推理要占用GPU算力。把GPU塞进耐压舱，代价是额外功耗、额外发热，以及密闭空间里几乎无解的散热。而AUV的设计目标恰相反——低功耗、小体积、长航时，三条里没有一条给它留位置。技术路线的竞争，先是一场取舍。

不烧GPU的解法长什么样

近日，中国科学院西安光学精密机械研究所官网发布消息称，该所海洋光学技术研究室吴国俊研究员团队在复杂水环境自主水下航行器光学对接领域取得重要进展，相关成果发表于国际期刊 Information Fusion，第一作者为该所工程师苗宇宏。

其框架缩写PGF-ULB，结构是两条彼此独立的线索。一条来自水下成像的物理规律：按成像模型压掉后向散射杂光，同时削弱信标周围那圈前向散射光晕，让被浑水盖住的信标本体浮出来。另一条来自信标自身的形状——这类主动光源多为圆形、具径向对称结构，即使局部遮挡或退化，对称性依然存在，可被构造成抗退化的结构性线索。两条线索最后由条件随机场（CRF）依各自可信度自适应融合。

真正值得看的是它不需要什么，不训练、不人工调参、不用GPU，普通CPU上即可实时跑完——这句话放进AUV耐压舱的语境，性质就变了。

团队依托湖试与近海实测，建起含800幅像素级标注图像的ULBSOD基准数据集，覆盖坐底式、笼式、抓取式等多种对接站构型，横跨不同浊度、光照与目标尺度，与9种代表性算法同台：检测成功率100%，F1分数0.996，质心定位平均误差0.384像素，结构一致性（S-measure）0.927。不过，100%是在这一特定数据集上取得的，代表受控条件下的方法上限，不等于换一片海域就能复现。

更有产业含义的是下游。团队把PGF-ULB接进单目位姿估计流程，跑通"检测—位姿估计—视觉导引"全链路，航行器位姿可用率从最优深度学习基线U2Net的86.13%升到99.52%。13.39个百分点的差距落到对接动作上，就是从"偶尔跟丢"变成"全程盯住"。

对接精度是"长期驻留"的入场券

一台AUV的作业能力，本质上被"什么时候必须回来"锁死：电耗尽要回收，数据存满要回收，而回收要母船、要吊放设备、要等海况窗口。对接站的价值在于把这个循环切开——不返甲板，靠上基站就能补电、传数据、领新任务。驻留的成色由对接精度决定：有线与无线方案各有各的对位难题，一次失败丢掉的不只是几度电，而是整条观测时间序列上的断点。

工程实践已把这段路的难度摆了出来，据《海洋工程》2019年公开论文，沈自所一型锥形导向罩入口直径1.98米、后端0.64米，在千岛湖吊至水下7米完成对接与有线充电；据公开论文，REMUS在超短基线引导下从几海里外进入直径80厘米锥形罩，单次成功率60%，浙江大学"海豚二号"2017年在南海50米水深处与海底观测网非接触式对接11次、成功10次。共同约束是：声学负责送到附近，最后十几米的光学段决定成败。

需求侧的窗口正在同时打开，同济大学牵头共建的国家重大科技基础设施海底科学观测网，预计2026年建成投用；翦知湣院士等在公开综述中判断，低成本、可快速布放回收、能自主组网的深海智能微网已成国际紧迫趋势。海南省"十五五"海洋经济发展规划也把深海长时序驻留列为需要突破的技术瓶颈。

比答案更值钱的，是那条约束路线

面对图像退化，行业的第一反应通常是"用更强的模型去学"，前提是算力与样本都不紧张。水下无人装备恰好两头都紧：样本要潜下去采、回来逐像素标，算力预算还要和推进、声呐一起分。把已知的物理规律和几何结构直接写成算法先验，用确定性知识置换掉一部分学习成本，就成了更现实的选项。多台UUV协同作业、水下施工结构定位、深海考古精细测绘，面对的都是同一类"高退化、低算力、强实时"任务。

物理引导依赖对成像过程的建模，几何约束依赖目标形状稳定，主动发光且圆形对称的信标在水下并不常见，换成非合作目标，约束从何而来需要重新回答。回到那块1千瓦时的电池，它决定了什么样的算法有资格上船。PGF-ULB没有让算法更聪明，只是让它更省；在算力、功耗、样本三重预算同时收紧的场合，这种取向往往比多挣几个点的精度更容易被工程接受。