面向自适应导航的自下水声认知系统：一种集成SLAM的认知架构

深海探索面临诸多挑战，包括迷失、通信中断以及在动态 underwater 环境中的导航故障。本文提出一种自主下水声认知系统（Autonomous Underwater Cognitive System, AUCS），将同时定位与地图（SLAM）与Soar-based认知架构集成，以实现复杂海洋环境下的自适应导航。该系统融合SONAR、LiDAR、IMU和DVL等多传感器数据，集成感知、注意力、规划和学习等认知推理模块。不同于传统SLAM系统，AUCS包含语义理解、自适应传感器管理和基于记忆的学习，能够区分动态与静态对象，减少误闭环，提高长期地图一致性。该体系结构展示了一个完整的感知-认知-行动-学习循环，使自主 underwater 车辆能够感知、推理并智能适应。本工作为下一代认知潜水系统奠定了基础，提高了深海探索中的安全性、可靠性和自主性。