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 AUV 处理海床照片的最新技术和工具有扎实的了解，并且了解它们如何进一步提高我们对海底的理解。

该文介绍了一种基于学习驱动的自适应控制方法，通过生物启发的经验回放机制、领域随机化技术和物理平台上的评估协议，实现了仿真到真实的迁移策略。实验结果表明，该方法能够从AUV的次优仿真模型中学到有效的策略，并在实际环境中将控制性能提高3倍。

本文介绍了在大规模、未知和复杂的地下环境中进行同时定位和地图构建（SLAM）的挑战性问题，并讨论了基于激光雷达的多机器人 SLAM 系统的实施和测试。通过在具有挑战性的地下环境中进行大规模评估，探讨了未来的研究方向。

本文研究了使用模型预测路径积分控制（MPPI）对自主水下航行器（AUV）进行控制的可行性，并评估了主要超参数对控制器性能的影响。与经典的PID和级联PID方法相比，证明了MPPI控制器的优越性。此外，还介绍了如何通过将环境约束整合到成本函数中来处理它们。