基于海洋机器人的科学观测与实验系统研究现状与展望

卢晓亭，俞建成，孙朝阳，王 旭

（1.中国人民解放军31016 部队，北京 100086；2.中国科学院沈阳自动化研究所机器人学国家重点实验室，辽宁 沈阳 110016）

海洋科学是一门以观测为基础的数据密集型科学[1]。随着海洋机器人技术与传感器技术的不断进步，海洋科学考察经历了从传统的船基采样分析到海洋机器人现场数据采集的发展历程[2]，极大地提高了数据获取效率和数据质量[3]，促进了海洋科学的发展。

用于科学观测的海洋机器人主要包括水下滑翔机、AUV、无人帆船和波浪滑翔机等。21 世纪以来，物理海洋研究领域借助海洋机器人的观测技术取得了革命性进展。为了更加科学精确地开展海洋生物地球化学研究，海洋生物地球化学领域也开始利用海洋机器人技术解决原位观测与实验问题，即将传统生地化科学采样与实验技术和海洋机器人技术相融合，发展出了基于海洋机器人的海洋生地化原位采样、培养与实验系统。

本文从海洋机器人科学观测和科学实验两个应用维度出发，以水下滑翔机、AUV 和无人帆船3 种典型的海洋机器人为例，概述海洋机器人在科学观测和科学实验中的发展与应用现状，并结合未来海洋科学研究对海洋观测与实验数据的需求，对技术发展趋势进行展望。

1 基于海洋机器人的科学观测

观测对于海洋科学研究至关重要，观测资料缺乏是制约海洋科学发展的瓶颈。海洋机器人可以搭载丰富的科学载荷，实现海水温盐、溶解氧、叶绿素、硝酸盐、pH、近海大气风速、风向、气温、气压等海洋环境要素的现场动态精细观测，为物理海洋学、海洋化学和海洋生物学等研究提供观测数据。水下滑翔机、AUV 和无人帆船是3 种典型的观测型海洋机器人，已在国内外海洋科学观测中得到广泛应用。

1.1 水下滑翔机海洋科学观测应用

水下滑翔机是一种依靠浮力驱动的海洋机器人，具有实时、远程可控、长续航力等优势，可实现多尺度海洋过程的机动、高分辨率、精细观测。美国先后研制出Spray[4]、Seaglider[5]和Slocum[6]等多种型号水下滑翔机。日本、法国、加拿大等国家也开展了水下滑翔机的研究工作。我国水下滑翔机研究始于2003 年，中国科学院沈阳自动化研究所、天津大学、中国船舶集团第七一茵研究所、中国船舶集团第七茵二研究所、西北工业大学、中国海洋大学、上海交通大学等多家单位开展了水下滑翔机研究工作，为我国水下滑翔机技术的进步做出了积极贡献。目前主要形成了“海翼”和“海燕”两型水下滑翔机实用装备，在海洋科学观测中得到了应用。图1 为中国科学院沈阳自动化研究所研发的“海翼”系列化水下滑翔机。

图1 “海翼”系列水下滑翔机

面向深远海观测，水下滑翔机的关键技术包括：大深度轻质耐压结构技术、深海自适应节能浮力调节技术、观测路径精确自主跟踪控制技术。

随着作业深度的增加，使用铝合金建造耐压壳体时需要较厚的壁厚以抵御外部压力，但壁厚的增加导致重量增加、浮力不足。针对该问题，中国科学院沈阳自动化研究所突破了深海碳纤维复合材料耐压结构设计方法和大厚度深海碳纤维复合材料耐压结构成型工艺与基材防水密封封闭技术，研制出了碳纤维耐压舱并在“海翼”7 000 米级水下滑翔机上得到了成功应用。卢法良[7]提出了陶瓷耐压舱结构，以碳化硅陶瓷作为耐压舱圆柱壳体材料，碳化硅陶瓷圆柱壳体与半球形铝合金封头装配密封形成耐压舱整体结构。邹达明[8]通过对壳体的耐压优化提高了滑翔机续航能力，并对不同优化算法进行了比较。

海水密度在深度方向上具有显著差异，7 000 m深海水密度比海面海水密度高3.3%，产生的浮力增量是水下滑翔机所需驱动力的6 倍。为实现正常下潜，需要发展深海自适应节能浮力调节技术，中国科学院沈阳自动化研究所提出了一种基于高可压缩液体的自适应节能浮力调节技术，减小了深海密度差引起的浮力影响。WANG S 等[9]提出了双浮力驱动的大深度滑翔机“海燕-X”，实现自适应浮力调节，下潜可达8 213 m，仿真效果与实验结果吻合较好。

水下滑翔机的观测作业模式一般包含断面观测、虚拟锚系和目标跟踪。上述作业模式中的核心问题是路径跟踪，水下滑翔机路径跟踪控制的难点包括：运动速度与海流速度量级相同、反馈控制周期长达数小时、实时环境海流信息难以获得。针对上述问题，中国科学院沈阳自动化研究所提出了基于等效滑翔运动模型的环境深平均流估计方法、基于时间序列预测的深平均流预测方法、基于预测深平均流的前馈自主跟踪控制方法，实现了水下滑翔机观测路径的精确自主跟踪控制。实验测得虚拟锚系误差圆直径1 km 内位置概率分布为56%、误差圆直径2 km 概率分布为82%。宗正等[10]通过海表高度异常资料判断待测中尺度涡的位置、范围和移动方向，利用2 台水下滑翔机分别在中尺度涡移动方向和移动方向法向的路径上做正交路径的剖面观测，进行中尺度涡的温盐测量。

水下滑翔机作为一种续航能力较强的自主观测平台，已经应用在很多海洋观测任务中，并取得了大量的精细观测数据[11-12]，在海洋中尺度涡旋观测方面展现出了极大的优势。我国“海翼”号水下滑翔机先后开展了多次海洋中尺度涡观测应用，取得了大量的中尺度涡垂直剖面数据[13]。ZHAO W 等[14]基于Kalman 滤波器融合了数十年的历史数据信息和当前观测数据，提出了基于中心运动预测的水下滑翔机自主跟踪中尺度涡的控制方法，并成功在海上试验中验证了方法的有效性。2017 年，12 台“海翼”水下滑翔机在南海东北部开展了为期一个月的中尺度涡旋组网观测，如图2 所示。此外，2017 年青岛海洋科学与技术国家实验室牵头开展了以“海燕”水下滑翔机为代表的针对海洋中尺度涡的海洋立体综合观测网的构建及观测任务。JIANG C 等[15]通过两次海试的实验数据说明滑翔机在水声观测和目标探测中的应用，研究结果表明，滑翔机在长期大规模水下被动传感方面具有一定的优势。PORTER M 等[16]使用水下滑翔机的高分辨率现场数据来识别极地锋面区域被遥感观测覆盖的表面涡流。除了开展中尺度涡观测之外，SWART S 等[17]使用水下滑翔机收集了南极夏季亚中尺度分辨率的观测数据，揭示了强耦合的大气-海洋过程。SHEEHAN P M F 等[18]通过水下滑翔机完成北海联合信息系统（The Joint North Sea Information System，JONSIS）线，以高空间和时间分辨率观察水流。BAUMGARTNER M F 等[19]使用水下滑翔机阵列监测鲸鱼，滑翔机在恶劣天气条件下的持续使用，使得对鲸鱼发声行为和海洋性条件的连续观察成为可能。

图2 开展组网观测的12 台“海翼”水下滑翔机

1.2 AUV 海洋科学观测应用

AUV 由于具有高机动性能，被广泛应用于海洋要素的高精度观测任务中[20-22]。20 世纪90 年代开始，AUV 进入高速发展阶段，美国和英国等世界海洋强国研制出了多种AUV 并进入商业应用阶段，包括美国的REMUS、Bluefin 及挪威的HUGIN 等。此外，为实现AUV 对海洋特征长时间、大范围的观测，英美两国先后研发了Autosub 系列和Tethys系列长航程AUV（图3），并在相关领域取得大量的研究成果。

图3 国外代表性长航程AUV

在精细化、智能化、自主化等高性能观测目标的驱动下，越来越多的学者致力于海洋环境智能观测应用研究。其中，水下精准定位与导航技术是制约AUV 精细化观测海洋环境要素的主要关键技术，尤其当AUV 航行在无线电信号和多普勒速度仪（Doppler Velocity Log，DVL）对底速度无效时的中层水域环境中，AUV 的导航与定位精度将严重受到洋流的干扰。同时，随着AUV 应用场景的丰富，科学观测对其自主能力的要求也在增加，相比于AUV传统的预编程调查路径，能够根据观测数据动态调整AUV 调查策略的自主采样方法，是实现其智能化应用的关键技术之一。此外，为了提高AUV 采样效率，多异构平台协同观测方法也是备受关注。

为保证AUV 在大范围海洋科学观测任务中的航行精度，英国国家海洋中心SALAVASIDIS G 等[25]针对AutosubLRAUV 在北极海冰观测任务，评估了在不需要外部校准，同时依靠少量低功耗传感器和稀疏的水深图情况下，地形辅助导航（Terrain Aided Navigation，TAN）是否可以支持AutosubLR AUV进行多月航行。在该工作之前，SALAVASIDIS G 等[26]使用南大洋执行的3 次深海和远程任务的试验数据对TAN 算法的导航和定位精度进行了离线验证，并进一步评估TAN 算法在不同地图分辨率下的有效性[27]。同样为提高Tethys 系列长航程AUV 在动态海洋环境中的航行精度，ALAM T 等[28]将AUV 运动不确定性和传感器不确定性与海洋环境中洋流的感知结合在一起，通过引入部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process，POMDP）模型降低洋流对AUV 运动的干扰。在智能化方面，CRUZ N A 等[29-30]针对海洋温跃层的观测问题，提出了使用垂直温度梯度检测温跃层的方法实现对温跃层的跟踪，并在葡萄牙北部杜罗河大坝水库进行了试验验证，充分验证了AUV 在海洋温跃层跟踪观测任务中的机动性。PETILLO S 等针对AUV自主采样任务提出“环境自适应评估” （Autonomous Adaptive Environmental Assessment， AAEA）概念，并成功将该概念应用到温跃层与锋面的跟踪任务中[31-32]。

为克服动态环境带来的时空变化的影响，FOSSUM T O 等[33]介绍了一种使用AUV 进行三维特征采样算法的试验方法和结果，在有限能源和时间约束下，AUV 首先对感兴趣的区域进行目标特征空间分布估计，然后根据所获得的信息实施快速、集中的采样任务。为降低人在海洋观测任务中的角色，ZHANG Y 等[34]针对捕获深层叶绿素含量峰值层（Deep Chlorophyll Maximum，DCM）问题设计了用于拉格朗日研究的协调自主机器人系统，该系统由两台采样的AUV 和一台充当通信中继器的波浪滑翔机组成。

国内在使用AUV 进行海洋科学观测应用方面尚处于起步阶段。TIAN Y 等[35]提出了一种基于行为的化学羽流自适应跟踪方法，并在视觉图像中采用模糊颜色提取器来分割颜色成分，通过测量颜色相似性来识别化学羽流及其来源。2010 年10 月在大连湾进行了水下试验，AUV 在追踪罗丹明染料羽流后，成功地确定了污染源位置。随后作者将方法扩展到三维的热液羽流喷口的定位工作中，并开展仿真验证[36]。FENG H 等[37]针对动态海洋环境中温跃层的观测问题，利用“海鲸”轻型长航程AUV（图4），提出了一种具有闭环结构的控制器，能够感知AUV 的轨迹是否覆盖目标温跃层。该方法引入了垂直温度梯度变化指数来表征温跃层的复杂性，并通过自适应扩展工作深度成功引导AUV 实现对温跃层的覆盖性观测。2020 年9 月，在南海西沙海域针对两种不同分布类型的温跃层开展跟踪工作，跟踪结果与船载温盐深仪（Conductivity Temperature Depth，CTD）站取样结果基本相同，如图缘所示。

图4 “海鲸”轻型长航程AUV

图5 “海鲸”AUV 自适应跟踪温跃层

1.3 无人帆船海洋科学观测应用

无人帆船是一种以海洋环境能源为驱动，可以胜任远距离作业的多用途新型海洋移动观测平台，其以风力作为航行驱动力，以太阳能电池板等获取电能供给控制系统和负载使用。与无人艇等传统海洋移动观测平台相比，无人帆船可实现低成本的长航时、大范围、高时空分辨率海洋观测，尤其是海气界面的海表气象数据和次表层海洋数据等海洋环境要素精细观测，现已成为国际海洋机器人的研究热点，已经开展业务化运营的无人帆船如图6 所示。

图6 国外代表性无人帆船

目前无人帆船的关键技术主要聚焦于高海况适应性技术、风能高效利用技术和智能航行控制技术等。现有无人帆船主要用于近海观测，在高海况适应性方面的研究较少。随着作业海域的扩大、作业时间的延长、应用场景的丰富，无人帆船遭遇高海况的概率越来越高，因此需要突破无人帆船的高海况适应性技术。无人帆船借助风帆将风能直接转化为航行驱动力，提高风能利用效率可以有效提升无人帆船的航行速度，改善无人帆船的操纵性。在智能航行控制方面，根据感知到的环境信息进行航行控制，可以提高无人帆船的作业能力和航行安全，提高作业效率。

随着无人帆船总体技术的不断提升，无人帆船得到了广泛的应用。2019 年1 月至3 月，Saildrone无人帆船被部署在墨西哥湾开展观测，测量了气温、海面温度、风速、风向、海平面气压和相对湿度等参数，为冬季观测海洋表面热量和动量通量提供了新的方法[38]。南大洋在调节地球的热量和碳方面起着关键作用，但由于其环境恶劣，尤其是冬季海况更加恶劣，因此现场观测数据较为匮乏。2019年8 月，Saildrone 无人帆船结束了绕南极的观测航行，历时196 天，总航程22 000 km，期间经历了15 m 高的巨浪和36 m/s 的狂风[39]。执行本次任务的无人帆船搭载了美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）开发的一种可以精确测量碳通量的仪器，为南大洋的碳吸收速率研究提供了重要观测数据。2020 年7月份，在南美洲北部海岸附近热带大西洋上的3 艘Saildrone 无人帆船结束了历时6 个月的观测任务。本次任务主要是为NOAA 的大西洋风-海洋-大气中尺度相互作用研究提供观测数据，以增进对海气相互作用的理解，更好地了解涡流和区域尺度上的海气相互作用过程，为卫星观测和高分辨率耦合气候和天气预报模型的验证提供基准数据集。在整个航行期间，Saildrone 无人帆船充分展示了它们的精确编队航行能力，以及在变化无常的风和强流挑战条件下的位置保持能力[40]。

国外从20 世纪90 年代开始开展无人帆船的研究工作[41]，理论和实践发展较为迅速，无人帆船已进入业务化观测应用阶段。国内无人帆船尚处于起步阶段，上海交通大学[42]、香港中文大学[43]、哈尔滨工程大学、浙江大学、大连海事大学[44]、青岛大学[45]等单位开展了相关研究工作，为推动我国无人帆船的发展做出了积极贡献。中国科学院沈阳自动化研究所自2018 年开始开展无人帆船的理论研究与关键技术攻关工作[46]，研制出了“海鸥”号无人帆船，并在南海开展了多次海上试验和科学观测应用（图7）。“海鸥”号无人帆船长3.5 m，排水量200 kg，最大航速3 kn，定点误差圆半径为百米量级，与其他长续航力水面移动平台相比，无人帆船具有航行速度快、机动性好等突出优点，突破了水面弱驱动平台在强流区航行能力受限的问题。“海鸥”号无人帆船搭载了气象站、云高仪、长短波辐射计等科学载荷，还可以搭载CTD、硝酸盐传感器、叶绿素传感器等，实现海洋表层水体和近海大气环境要素的协同观测，为海气界面的热通量和碳通量研究提供高分辨率的长期现场观测数据。

图7 南海海试中的“海鸥”号无人帆船及航行轨迹

2 基于海洋机器人的海洋科学实验

随着原位实验技术的发展、采样与固定装置的小型化及海洋生地化研究对于样本高保真率的要求，近年来基于海洋机器人的海洋科学实验得到了长足的发展，主要包括基于海洋机器人的原位采样与固定和基于海洋机器人的原位培养与分析。

2.1 基于海洋机器人的原位采样与固定

海洋生物地球化学研究样品，特别是生物样品回收过程中会受到压力、温度及溶氧量等环境因素变化的影响而导致微生物活性状态的改变，特别是核糖核酸（Ribonucleic Acid，RNA）容易降解，其半衰期一般仅有几分钟。水下采集到的海洋生物地球化学样品（特别是生物样品）在到达海面后由于压力、温度及溶氧量等环境因素变化会出现样品特性的改变，导致无法反映真实的参数信息，EDGCOMB V P 等[47]比较了原位采集/保存的样本和用尼斯金（Niskin）采水器采集的样品，发现某些类群基因表达存在显著不同，转录基因也受影响。

针对上述问题，YAMAHARA K M 等[48]研发出新一代环境样品处理器（Environmental Sample Processor，ESP） 加载于AUV，并将其应用在加利福尼亚州蒙特利湾附近，样品容量与结果有效性都得到提高。虽然悬浮颗粒Rosette 采样器（Suspended Particle Rosette，SUPR）系统无法对样品进行原位分析，但由于其高过滤能力，成为需要大样本量研究的首选仪器。加载了SUPR 的REMUS 600 AUV被应用于美国巴泽兹湾（Buzzards bay）的藤壶幼虫研究[49]。美国伍兹霍尔海洋研究所（WoodsHoleOceanographic Institution，WHOI） 开发的水下机器人CLIO，能够高效、精确地在海洋中垂直移动收集海洋微生物样品和生地化参数，同时捕捉精细的生物地球化学过程，目前最大下潜深度6 000 m，能够完成16 个层位以上的采样工作，并实现原位RNA 样品的保存，其工作时长可达14 h[50]。将CLIO 和船测结合，已获得马尾藻海长1 114 km 的断面的基因组和蛋白质组，还有大量样品可用于有机和无机化学分析。美国WHOI 弱光层团队研发了MesobotAUV，其中取样器由32 个过滤器组成，可以从水中收集环境脱氧核糖核酸（Environmental Deoxyribo Nucleic Acid），从而了解弱光层中物种及光对其产生的影响[51]。上述研究成果具体如图8所示。

图8 国外现有集成原位采样分析模块自主观测系统

国内原位微生物取样技术多集中在深海研究，中国科学院深海科学与工程研究所研发了一套依托于着陆器的自动化深海微生物原位富集与固定取样器（In Situ Microbial Filtration and Fixation，ISMIFF）。该取样器是一套可在深海及深(环境（深度大于6 000 m 的深海海域）下进行水体微生物原位富集过滤并将其生物信息即时固定的装置[52]。应用ISMIFF 进行海底采样不仅能够大幅增加过滤水体的体积，减少工作量，而且可以实现样品原位固定，获得关于深(的研究成果[53]。虽然ISMIFF 可固定微生物，但核酸和蛋白质的降解仍在继续。如果没有高质量的DNA 和RNA，宏基因组学和宏转录组学研究将受到阻碍。为解决该问题，WEI Z F 等[54]在ISMIFF 的基础上研制了一套深海微生物原位核酸提取装置（Multiple In Situ Nucleic Acid Collections，MISNAC），依托着陆器可进行多个样品的收集，并进行RNA 提取。中国科学院沈阳自动化研究所与厦门大学联合开展了水下自动洁净采样系统（图9）研制工作，可实现海洋生地化样品的原位采集和固定。水下自动洁净采样系统主要通过改变自身净浮力实现垂直剖面运动及定深采样，采样系统在海面布放后开启浮力驱动装置回油功能，载体净浮力减少开始下潜；当下潜至最大作业深度500 m后，开启浮力驱动装置分级泵油功能，净浮力增大开始上浮；当上浮至目标水层后，开启浮力驱动装置定深功能，并开启原位过滤及保存装置进行样品收集与固定。在完成9 个层位采样任务后，采样系统上浮至水面，通过卫星通信系统与母船通信。

图9 水下自动洁净采样系统及其工作过程示意图

2.2 基于海洋机器人的原位培养与分析

原位培养实验是海洋生物地球化学速率参数测量的必要手段，目前主要是对深海热液或冷泉等特殊地点开展。通过深潜器等下放采样培养设备，建立原位观测平台进行采样和原位培养。比如EDGCOMB V P 等[55]研制的深海实验装置（Latest Attempt at Remote Experimentation in the Deep Ocean，LAREDO），针对深海微生物食物网原位实验的微生物采样及培养器（Microbial Sampler-Submersible Incubation Device，MS-SID），利用采集和培养的水样进行水下原位研究原生生物对微生物摄食压力，设备可以实现采集和培养功能，但不具备对培养过程的测量和记录功能。深海原位培养系统多需要水下遥控机器人（Remote Operated Vehicle，ROV）或着陆器依托，不能实现参数自动化测量，以单次培养与样品回收测量为主。水体中自动化原位速率参数培养装置的研究相对缺乏，目前主要是针对生物生产速率参数（初级生产力、净生产力），如水下培养器（Submersible Incubation Device，SID） 可以原位进行自动化14C-碳酸氢盐添加与培养[56]，实现初级生产力多次测量，但受限于放射性标记物，对单个培养室仅能培养单个水样。SID 已经应用于多项研究中，如热液口微型生物过滤采样、集成于漂浮浮标上进行拉格朗日式漂浮移动进行初级生产力和固氮速率的原位培养。为了研究海洋微表层氧气循环速率与浮游植物的关系，RAHLFF J 等[57]设计了一套适用于表层海水的原位培养装置，通过无人船拖动实现自由漂移，但需要手动加水样，且无法实现自动连续培养测量。BARR N G 等[58]设计了一套应用于冰下藻初级生产测量的培养装置，由潜水员下潜布放，能够远程控制和监测培养室的pH 值和温度，利用溶解氧浓度变化为碳代谢的指示物，但无法进行连续测量。COLLINS R J 等[59]设计了一种使用光学溶解氧传感器可多次培养的装置来实现群落呼吸速率与净生产力的原位连续测量。采用荧光控制的光电元件分别安装于明暗室，利用活塞控制开关，使得该装置能够进行多次独立的呼吸速率估算。简化了对复杂机械自动化结构的依赖，有效提高了可靠性，同时也减小了设备体积，适用于栈桥、浮标等固定平台。

自然资源部第二海洋研究所研发了一种海底水体溶解氧消耗过程原位培养装置。该装置集成了包括电子控制模块、电机、培养容器与海水测量传感器（包括温度、盐度、溶解氧和浊度）等在内的电控处理模块和机械结构框架于一体，具备对海底水体的溶解氧耗氧过程进行现场培养和观测的功能。自然资源部第三海洋研究所研制的深海生物长期原位观测装置可进行一年的长期生态观测与微生物原位培养[60]。浙江大学也研制了一种可搭载或独立工作的深海实验生态装置，在深海原位环境可进行人工诱导培养[61]。中国科学院海洋研究所在深海海底搭建了由原位环境传感器、生物培养装置和原位固定装置组成的水下实验平台，科学家得以在深海开展水下原位实验，为揭示深海生物极端环境的适应机制提供了可靠依据。

中国科学院沈阳自动化研究所与厦门大学联合开展了移动式生物生产速率连续测量系统研制工作，将生物生产速率测量技术与水下滑翔机平台技术有机融合，可自动获取连续的海洋群落呼吸、初级生产、细菌生产等生物地球化学速率参数数据，移动式生物生产速率连续测量系统三维模型如图10所示，具有两种工作模式（图11）。

图10 移动式生物生产速率连续测量系统总体布置结构图

图11 移动式生物生产速率连续测量系统工作模式示意图

（1）定深培养模式（白色箭头），每个测量周期水下滑翔机滑翔至DCM 深度层后悬停，开启海水泵置换培养舱中海水，在430 s 后关闭海水泵开始培养实验，当水下滑翔机在DCM 深度层停留至预定时间后结束培养实验，上浮至水面传输数据。

（2）滑翔培养模式（黄色箭头），用于测量光合作用-光强响应曲线（photosynthesis-irradiance curve，PE-curve）光合作用曲线，即生产-光强（深度）关系。每个周期水下滑翔机滑翔至DCM 深度层后，开启海水泵置换培养舱中海水，在430 s 后关闭海水泵开始培养实验，当水下滑翔机继续下潜至真光层以下（如1 000 m）后，缓慢上浮至水面结束培养实验并传输数据。

3 技术发展趋势

海洋机器人在海洋科学观测和海洋科学实验中得到了广泛的应用，随着海洋机器人载荷搭载能力的提升和计算能力的提升，海洋机器人本体对外部环境信息的感知能力和自主决策能力也得到了极大的提升，进一步提升了海洋机器人的观测作业能力，然而，海洋中许多过程与响应是瞬时的、局部的，洋流的移动对海洋机器人的作业能力又提出了新的要求。为有效地研究上述复杂且不断演变的现象，需要海洋机器人具备检测并响应目标现象进行针对性观测与实验的能力、持续性作业能力，以满足对海洋中小尺度过程的连续、多学科采样和观测需求。

3.1 海洋观测发展趋势

（1）提升海洋机器人智能化程度，实现作业决策智能化。以往的预编程海洋机器人仅可以按照预先设定的观测路径或者观测深度开展作业，这种预编程的作业模式一方面无法满足动态海洋现象的观测需求，另一方面也降低了作业效率，使得观测对象在连续性和完整性上存在较大不足。随着海洋机器人智能化程度的不断提升，移动观测平台基于环境数据信息可在线自主决策作业计划或者样本采集参数，实现对观测对象的高空间分辨率和时间连续性观测采样，另外开发自适应采样与算法以优化不同物理背景场和不同阶段下观测和采样策略是海洋移动观测集成应用的重要方向。

（2）提高海洋机器人续航力水平，实现作业时空连续化。观测中典型的海洋中小尺度过程存在复杂三维空间-时间叠加的变异性，研究表明中尺度涡在空间上并非是一个均一的系统，而是存在亚中尺度的变异，涡旋中心区与边缘区之间存在显著的动力学和生物地球化学特性差异。从生物地球化学角度，海洋中小尺度过程也存在生命周期上的差异，如涡旋、藻华（赤潮）、羽流、上升流等生态系统响应显著的海洋过程存在显著的生命周期差异。开展海洋过程的全生命周期观测是未来海洋科学研究对观测技术手段的重要要求。在时间尺度上，需要具备跨季度的连续观测，在空间尺度上，要完成数百公里甚至数千公里的观测。因此需要海洋科学观测平台具备长期航行工作能力，以保证观测或实验的连续性、完整性。

3.2 海洋实验发展趋势

（1）加强海洋机器人原位采样能力，实现作业采样原位化。环境背景信息对于以海洋生物地球化学观测为代表的观测应用具有重要作用。脱离环境信息的观测极易导致被测对象的理化参数或生物特性发生改变，无法真实客观地反映真实信息。例如原位培养初级生产力与甲板培养初级生产力测量差异可以达到50%以上，与原位培养相比，甲板培养测量的固氮速率普遍存在高估，平均差异接近100%，在底栖藻类初级生产与呼吸速率测量中也发现类似现象。解决这一问题的方法之一就是使用原位培养技术，减少培养环境变化的影响，并通过连续测量增加原位培养速率参数的获取。因此需要提高海洋机器人原位作业能力，尤其是原位采样能力，保证被测对象和现场环境信息的耦合，使观测数据能够真实反映自然环境下的变化。

（2）提高观测载荷功能集成水平，实现观测多维立体化。随着海洋科学研究不断走向纵深，对观测数据的时空耦合关系也提出了更高的要求，过去单一的、割裂的观测数据难以完整地刻画海洋过程的演变机制。如在海洋地化生研究过程中，海洋浮游植物初级生产、常量和微量营养盐的限制作用、浮游植物群落组成、有机碳输出与再矿化通量及对碳循环与氮、硅循环之间的耦合与分异的碳循环研究存在时空尺度割裂、学科交叉不够等问题，这给如何全面准确定量化食物网的物质能量流动（固碳储碳效率与调控因子）提出挑战，因此需要海洋机器人可以搭载更多的传感器或采样器，以实现对某一要素及其关联要素的综合观测，从多维角度更加真实立体地反映实际情况。

（3）构建海洋机器人作业新模式，推动观测实验一体化。海洋科学实验离不开观测数据的支撑、海洋观测数据的变化也蕴含着生物地球化学过程变化的影响。目前海洋浮游生物活动及与化学元素的相互作用研究是海洋前沿科学研究热点之一，其研究需要同时开展海洋科学实验和海洋科学观测，以深刻了解关键生物和生物地球化学过程的复杂相互作用和调控机制。然而目前海洋机器人在功能上多侧重于海洋科学观测或海洋科学实验，尚未实现两者之间深度有机融合。因此，需要开展海洋机器人观测与实验一体化研究工作。

4 结 论

目前以水下滑翔机、AUV 和无人帆船为代表的海洋机器人平台技术在续航力、智能化程度、载荷搭载能力等方面已经得到了长足的发展，并且在海洋科学观测中得到了较为广泛的应用，为物理海洋和海洋化学的发展做出了重要贡献，但是海洋机器人在海洋实验方面的应用相对较少。本文系统梳理了水下滑翔机、AUV 和无人帆船在海洋观测与实验中的典型应用，针对未来海洋科学研究需求，仍需要在现有平台技术的基础上开展应用技术研究，在作业决策智能化、作业采样原位化、功能模块集成化、观测实验一体化、作业时空连续化等方面进行进一步研究，以提高观测数据质量、提高观测作业效率、提升作业能力，为我国海洋科学的研究与创新提供先进平台和应用方法的支撑。