地球，这颗蔚蓝色的星球，其表面覆盖着约71%的浩瀚海洋，不仅面积辽阔，而且深邃莫测，蕴藏着丰富的生物多样性和矿产资源。人类对海洋的探索从未停歇，而海洋的临地空间，特别是从海平面至水下1000米的区域，成为了人类活动向下拓展的重要领域。
在这个区域中，复杂多样的生态系统孕育了丰富的海产资源，对人类经济和社会发展具有重要意义。然而，由于海水的特殊性质，光线在海洋中会被迅速吸收和散射，导致水下环境暗淡无光。为了克服这一难题，智能光电技术应运而生，它能够在这样的环境中对光信号进行高效探测、传输，并进行智能化感知和分析。
中国电信人工智能研究院（TeleAI）在这一领域取得了显著进展，他们正在加速推进智能光电技术的研究，并将其与智能体、智传网（AI Flow）以及AI治理相结合，形成了“三智”+“一治”的战略布局，旨在推动包括赛博空间、临地空间、广域空间在内的“三大空间经济”发展。
随着机械工程、计算机技术和人工智能的飞速发展，自主水下航行器（AUV）在深海探索和开发中扮演着越来越重要的角色。AUV能够自主进入深海，无需依赖外部连接，就能执行各种复杂任务。然而，由于AUV造价高昂且携带大量宝贵数据，如何安全回收并保障数据完整性成为了一个关键问题。
为了提高AUV的光学导引回收精度，中国电信CTO、首席科学家、TeleAI院长李学龙教授带领团队展开了深入研究，并成功提出了“自主水下航行器多分支网络光学导引定位方法”。这一方法旨在通过更快的解算速度、更低的算力功耗和更少的能量消耗，为AUV在能源补充、数据传输和指令下达等方面提供有力支持。
团队在研究中搭建了基于多象限测角的光学导引定位硬件系统，并创新性地提出了多分支回归网络的AUV光学导引定位方法。他们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，并研究了数据驱动的多维度定位约束训练方法。通过解算多象限光电探测器采集的导引灯偏角数据，团队成功获取了AUV与导引灯的相对位置，并实时输出了AUV的即时位置坐标。
这一方法具有三大创新点：首先，团队采用了多象限光电探测器，并分析了导引灯组排布与AUV的物理几何关系，实现了导引硬件与算法的一体化设计；其次，他们设计了多分支结构的位置解算回归网络，通过编解码器结构提高了位置解算精度和速度；最后，团队从方向、距离、坐标三个维度设计了网络模型目标函数，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。
在实验验证中，团队通过在不同距离的定位精度实验，展示了该方法在位置解算方面的准确性。实验结果表明，在0.8m至20m的范围内，该方法的绝对坐标误差均值仅为58.292mm，标准差为43.347mm。团队还设计了仿真轨迹实验和海试验证，进一步测试了AUV坐标预测轨迹的可视化结果和位置解算精度。在仿真实验中，坐标解算的绝对坐标误差均值仅为41.256mm，而在海试实验中，预测轨迹点与采集的GPS轨迹点的平均绝对坐标误差在35.102mm左右。
尽管海试实验中的误差积累导致仿真和实验存在定位误差差异，但综合考虑GPS和多象限光电探测器的测量误差，海洋试验的误差仍在合理范围内。这一结果验证了该方法在海洋环境中仍可以实现预期的精确定位，为自主水下航行器的回收和海洋资源的开发提供了有力支持。
