Science Robotics 封面论文：水下机器人“CUREE”，破解珊瑚礁“热点”之谜

来源：市场资讯

（来源：CAAI认知系统与信息处理专委会）

在广袤的海洋中，珊瑚礁虽然只占不到0.01%的海域面积，却孕育了全球25%的海洋生物。然而，这些生态宝库正面临气候变暖、污染、过度捕捞等多重威胁。要有效保护它们，科学家需要精准定位“生物多样性热点”——那些物种特别密集的区域。但传统潜水员调查成本高、风险大、覆盖范围有限，而单一传感器（如仅用视觉或仅用声学）又各有短板。为此，来自伍兹霍尔海洋研究所等机构的研究团队开发了一款名为CUREE的多模态自主水下机器人（AUV），它能够结合视觉与被动声学，自主寻找并绘制珊瑚礁的生物热点，为海洋生态研究带来全新可能。

重要结果：四项“聪明行为”锁定同一热点

研究团队在美属维尔京群岛的Joel‘s Shoal珊瑚礁进行了长达15个月的实验，四项独立的自主行为均成功锁定同一处生物热点——一个大型Dendrogyra柱珊瑚周围区域。

• 视觉鱼类普查：采用“割草机”路径扫描，结果显示热点区域的鱼类数量是其他区域的24.7倍，且鱼群密度与珊瑚结构复杂度（rugosity）显著正相关。

• 声学热点制图：利用四元水听器阵列三角定位鱼类叫声，虽然定位精度略低于视觉，但有效探测距离可达25米，大幅扩展了调查范围。

• 声学生物归巢：利用鼓虾的持续高频噪音作为“声学灯塔”，机器人可在3分钟内自主导航至热点，平均误差仅3.89米，即使有船只干扰也能重新锁定目标。

• 视觉追踪“哨兵物种”：让机器人持续跟踪一条梭鱼近10分钟，路径长达296米，验证了热点区域的生态重要性，且自主追踪占比超过90%。

这四种行为相互验证，证明CUREE能高效、可靠地识别珊瑚礁上的生物热点。

️ 具体方法详解：CUREE如何实现“多模态智能探测”？

一、机器人平台：为浅水生态而生的CUREE

CUREE（Curious Underwater Robot for Ecosystem Exploration）是一款专为浅水生态系统探测设计的小型AUV，单人即可从小船部署。它配备六台推进器，具备六自由度运动能力，能在复杂珊瑚礁地形中灵活悬停、转向。导航方面，它搭载水声多普勒测速仪（DVL）和惯性测量单元（IMU），可实时估算自身速度、姿态与海底距离；需要绝对定位时可加装超短基线（USBL）系统。所有计算板载完成，CUREE既可无缆自主作业，也可通过缆线与水面站相连。实验中，CUREE通常保持距海底约2米的固定高度飞行。

传感器采用模块化头部设计，可快速更换。视觉部分包括前视和下视两个立体相机对（110°广角），前视用于追踪目标，下视用于高分辨率底质测绘（1080p，6帧/秒）。声学部分的核心是四元水听器平面阵列（最大孔径0.88米，采样率48 kHz），覆盖“鱼类频段”（50 Hz–2 kHz）和“虾类频段”（4–20 kHz），灵敏度-206 dB。为避免推进器噪音掩盖生物信号，CUREE采用“听–动–听”策略：每次探测前关闭推进器，静止记录纯净声音（开放测绘15秒，归巢行为3秒），然后移动，如此循环。

二、视觉感知：从鱼群计数到3D结构重建

鱼类检测采用半自动深度学习流程。团队先用多个公开鱼类图像数据集（OzFish、FathomNet、FishTrack22等）预训练YOLOv5模型。由于CUREE的下视相机拍摄的是鱼类俯视图，与常规数据集存在差异，团队额外从自己的调查视频中手动标注了312帧（占总帧数2.3%）用于微调。最终模型以置信度0.25为阈值自动识别鱼类。在10,026帧图像中，36.2%的帧至少检测到一条鱼，热点区域（Dendrogyra柱珊瑚2米内）平均每帧鱼数达到13.56条，而全区域平均值仅0.55条，相差24.7倍。

珊瑚结构复杂度（rugosity） 通过三维重建计算。团队利用下视影像，结合惯性里程计和AprilTag标志，使用Metashape软件生成3D网格模型，在0.25平方米分辨率下计算实际表面积与投影面积之比。平坦沙地区域rugosity接近1.00，而Dendrogyra柱珊瑚附近高达6.38。线性回归分析表明，rugosity与鱼类观测数量呈正相关（β=5.587，R²=0.34），说明复杂地形更吸引鱼类聚集。

三、声学感知：从鱼叫定位到连续虾噪归航

对于鱼类叫声（用于制图）：CUREE生成四通道频谱图，使用YOLO-based检测器识别叫声（置信度≥0.4）。每个叫声经带通滤波后，通过计算通道间的到达时间差（TDOA） 换算为声源的水平方位角。由于平面阵列无法区分上下，团队假设声源来自下方，并将方位投影到二维平面，生成热力图（射线交集密度）。在Dendrogyra网格调查中检测到47个有效鱼叫（速率3.30次/分钟）；在更大范围十字形调查中检测到66个鱼叫（速率4.47次/分钟），最远探测距离达25米。

对于归航行为（利用鼓虾连续噪音）：由于鱼叫太稀疏，团队采用宽带Bartlett波束形成器。将连续信号切成0.1秒短窗，在虾频段内均匀选取256个频点，平均波束输出以获得锐利主瓣，再使用冯·米塞斯混合模型提取目标方位。确定方向后，CUREE向该方向移动3米，停稳再次测量，如此迭代。实验验证分两步：首先在安静海湾放置水下扬声器播放健康礁录音，机器人从10–80米外启动，7次均成功到达，平均最终位置误差3.89米；随后在真正的Joel‘s Shoal礁，从礁东北20–25米外启动，两次归航均准确到达Dendrogyra柱珊瑚，最近距离仅0.381米，耗时约3分钟。

四、生成模型与行为设计：科学驱动的智能决策

四项行为并非随意组合，而是基于一个统一的生成模型。该模型用概率图描述珊瑚礁生态过程：每个位置X具有一些难以直接观测的潜在特征（如食物可获得性），这些特征与物种偏好共同决定热点分布H(X)。机器人只能获得各传感器的观测Z_{s,m}。从观测推断热点的关键是传感器模型P(H_s | Z_{s,m})——即某种观测能多“直接”地反映某个物种群的热点。视觉直接性高但范围小；声学范围大但直接性低。同时，一个物种的热点是否为整体热点，由P(H | H_s)表示，这正是生物学研究的目标。

基于此，四种行为在不同折中下运作：视觉普查（高直接性，小范围，慢速）适合高精度基准测绘；声学制图（中直接性，大范围，中速）适合快速覆盖未知区域；声学归巢（低直接性，非常大范围，快速）适合零先验信息的新礁；视觉追踪哨兵物种（直接性依赖于物种遍历性）利用捕食者觅食行为间接定位热点。这些行为可串联使用：先声学归巢快速到达热点附近，再切换视觉普查精细测绘。CUREE为生物学家提供了一套可扩展、可复用、自适应的探索工具。

未来展望：从探测到保护

这项研究的核心价值在于为生物学家提供了一种可扩展、高分辨率、多模态的工具，不仅能定位热点，还能量化其范围与强度。未来，多台CUREE可以协同作业，覆盖更大海域；结合主动学习算法，机器人可自主判断哪些区域更值得探索；定期重复调查则有助于追踪热点随季节或干扰事件的变化。更重要的是，这套框架不仅适用于珊瑚礁，还可推广到海草床、深海冷泉等其他生态系统。正如论文作者所言：“我们的目标是让CUREE成为全球生态保护者的‘水下望远镜’，帮助他们更快、更准地发现和保护生物热点。”

论文信息：Seth McCammon et al., “Autonomous seeking and mapping coral reef biodiversity hotspots with a multimodal AUV”, Science Robotics, 2026.