海洋论坛▏智能无人船艇技术应用与协同研究综述

随着海洋强国战略的深入实施与无人系统技术的跨越式发展，无人水面艇（USV）作为一种高机动、低成本、零人员伤亡风险的海洋智能装备，正逐步成为重塑未来海洋作业范式的核心力量。自2022年以来，黑海海域的案例，特别是以MaguraV5为代表的低成本USV展现出的高隐蔽性与集群突防能力，深刻验证无人装备在现代海权博弈中的战略价值。USV在民用领域展现出广阔的应用前景，被广泛应用于海洋环境监测、水下地形测绘、海洋生物现象探索、海面信息采样、油气运维及海上搜救等场景，成为推动全球“蓝色经济”数字化转型的关键支撑技术。然而，尽管USV在特定场景下已取得显著成效，但受限于自身的物理尺度与技术成熟度，其在深远海复杂环境下的作业能力仍面临严峻挑战。首先，单体USV吨位较小，抗风浪能力（耐波性）与续航力有限，难以在恶劣海况下长时间独立执行任务；其次，现有USV的智能化水平多停留在“感知-避障”的初级阶段，在面对动态非结构化环境时的自主决策鲁棒性不足，且高度依赖岸基远程遥控，一旦遭遇通信拒止或高延迟环境，极易丧失作业能力；最后，单艇作业感知范围受限，难以满足大尺度海域的全时空立体观测需求。

针对上述瓶颈，将USV的高机动性与大型智能船舶（Intelligent Ship）的强续航、强算力及平台优势深度融合，构建“母船-子艇”跨域协同作业系统，已成为当前海洋工程领域的前沿发展趋势。然而，现有综述多聚焦于单体USV的控制算法或特定传感器技术，缺乏对USV技术演进脉络及其与大型智能船舶跨域融合体系的系统性梳理与探讨。

鉴于此，本文旨在立足于海洋装备智能化转型的时代背景，系统综述无人艇从无线电遥控向高度自主化、集群化演进的技术脉络，并重点探讨其与智能船舶融合发展的技术路径。介绍USV与智能船舶的国内外研究现状；回顾USV的百年发展历程，揭示其控制方式与任务形态的演进规律；再深入剖析决定USV自主能力的四大核心技术：多模态环境感知、数据驱动的决策规划、复杂海况下的鲁棒控制及异构通信链路，指出当前技术架构面临的挑战与突破方向；在此基础上，本文将重点聚焦“无人艇与智能船舶融合”这一核心议题，详细阐述“母船-子艇”协同作业模式及数字孪生驱动的云端管控体系，分析这种跨域异构协同如何解决单艇在续航、算力与通信上的局限；从法律法规适应性、通信网络安全及绿色能源动力3个维度展望未来的发展挑战，以期为构建新型海洋智能装备体系提供理论参考与技术支撑。

⒈国外研究现状

目前，伴随着人工智能与低轨卫星技术的成熟，无人艇技术呈现爆发式发展。在该方面美国始终处于领先地位，以色列、法国和乌克兰等国紧随其后。

美军自2019年修订水面无人艇规划，再到2021年发布的海军无人作战框架，已基本形成了由小型（10吨级左右）、中型（百吨级）和大型（千吨级）3种吨位无人艇构成的体系结构。在小型无人艇发展方面，美国小型无人艇初创公司Seasats近日推出了轻鱼（Light Fish）和快鱼（Quick Fish）两型无人艇见图1。图1中轻鱼无人艇采用太阳能动力，能够在6级以上海况连续航行数月，自主航行数千公里，并配备雷达、传感器和配有可见光与热成像仪的摄像机，可通过机载星链装置将视频实时传输给操作人员，用于在公海、沿海和内陆水道持续进行监侦收集任务。快鱼无人艇是一款拥有拦截功能的高速无人艇，最高航速超过35kn，具备隐藏式无人机发射舱。在中型百吨级无人艇方面，美军代表型号有海上猎人（Sea Hunter）号和海鹰（Seahawk）号反潜无人艇。在大型无人艇方面，美军大力推进的幽灵舰队霸主（Ghost Fleet Overlord）项目下的游侠（Ranger）号、游牧者（Nomad）号、水手（Mariner）号等也陆续交付。

以色列作为全球无人系统技术的先行者，在USV领域一直处于世界第一梯队，其无人艇技术路线侧重于智能化、多任务化以及有人/无人协同。由Elbit Systems公司推出的海鸥（Seagull）号无人艇是目前以色列最成熟、国际知名度最高的无人艇平台，该艇装备了高性能的吊放式声呐和拖曳声纳，可以搭载轻型鱼雷并具备极强的自主反潜能力，能够协同无人机进行跨域搜索。

图1 美国的无人艇代表型号

⒉国内研究现状

我国的USV研究相较于国外起步虽晚，但近年来在高校、科研院所及高科技企业的共同推动下，部分领域已处于国际领跑地位，部分代表型号船只见图2。

图2 国内的无人艇代表型号

由哈尔滨工程大学牵头研制的天行一号及后续研发的天行系列高速USV，重点解决了USV在高海况下高速航行的纵向稳定性与飞溅抑制的难题，其最高航速突破50kn，处于国际领先水平。上海大学研制的精海系列USV在极地科考与岛礁浅水域测绘中展现了极强的环境适应性，解决了高纬度海区通信不稳定下的自主作业难题，最新型号精海15号还具备多功能侦察警戒的功能。由江苏自动化研究所与中国船舶科学研究中心联合研制的多用途无人艇，江苏自动化研究所研制的无人水面载具（JARI-USV）被誉为迷你宙斯盾舰，集成了相控阵雷达、垂发系统等，是目前全球集成度最高的USV之一。2022年交付的全球首艘智能型无人系统科考母船珠海云号，可搭载数十艘USV及无人机，实现了空海潜跨域无人系统的自动布放、回收与协同指挥，开辟了USV与智能船舶融合的新路径。

综上所述，近年来国内外USV研究呈现出不同的侧重点，见表1。国外依托深厚的工业基础，研究侧重于大平台、长航时、强武器化，致力于将USV融入航母打击群；而国内则在集群算法、高速机动、跨域母船方面展现出独特的创新优势。

表1 国内外部分典型USV性能参数与技术特征对比

USV作为海洋智能系统的核心组成部分，其发展历程并非简单的线性时间堆砌，而是由单一硬件平台向“端-边-云”融合智能体演进的系统工程。纵观无人艇百余年的发展史，其技术演进逻辑可归纳为2个核心维度的跃升：控制方式从遥控向全自主的跨越以及任务形态从单体作业向集群协同的变革，国外的无人艇代表型号见图3，发展时间线归纳见图4。

图3 国外的无人艇代表型号

图4 无人艇的发展时间线

⒈控制维度的演进历程

无人艇的最初起源可以追溯到1898年尼古拉·特斯拉（Nikola Tesla）展示了世界上第一艘无线电遥控船Telautomaton，该船利用无线电波控制方向舵和灯光，这被公认为是无人艇的鼻祖。由此开启了早期有线和无线电遥控无人艇的时代，从一战德国的FL-Boote遥控艇、美国的由USS Iowa（BB-4）号改装为无线电遥控靶舰的Coast Battleship No.4，到二战期及冷战期间的靶船与扫雷艇，如，加拿大的COMOX和DOLPHIN以及美国的由登陆艇改装的遥控无人艇，其本质均为“人在回路”的遥控系统。这一阶段的无人艇缺乏环境感知能力，高度依赖视距内的人工实时指令，仅能作为高危环境下的替身工具，执行科学监测、靶舰模拟和水雷对抗等多样化任务。

时间进入20世纪90年代，这一阶段是无人艇发展的黄金转型期，随着全球定位系统（GPS）、计算机处理能力和卫星通信的普及，无人艇开始从“遥控”向“自主”转变。无人艇进入了半自主（Semi-Autonomous）的阶段。以美国的“斯巴达侦察兵”（Spartan Scout）号、以色列的保护者（Protector）号和法国的检验者号为代表的装备，如图3所示，具备了基于陆点的自动航行能力和初级的反应式避障功能，可用于执行情报侦察、可疑目标辨别、战术拦截、电子干扰和精确打击等任务。此时的控制逻辑多基于规则，虽然实现了“人在回路外”的监督式控制，但在面对复杂动态海况时仍显僵化。

2016年以来，随着人工智能（AI）、深度学习、5G通信与边缘计算的突破，无人艇发展进入了智能化与群智化的爆发期，开始向全自主（Fully Autonomous）迈进。代表性成果如美国“海上猎人”（Sea Hunter）号，具备Level4-5级自主性，其核心突破在于集成了符合《国际海上避碰规则》（COLREGs）的智能决策系统，能够在无人工干预下实现数千海里的跨洋航行与潜艇追踪。这一阶段的USV具备了环境理解与认知能力，实现了从“按指令航行”到“按任务思考”的质变，达到了真正的自主。

⒉形态维度的演进历程

在任务形态上，由于单艇具有较大的局限性，无人艇正经历从单平台作业向分布式集群与跨域协同的范式转移。早期的无人艇如由中国气象局大气探测技术中心、中国科学院沈阳自动化研究所研发的天象一号、哈尔滨工程大学研发的天行-1号等主要聚焦于单艇的高速性与耐波性验证。然而，单艇在感知范围与任务载荷上的物理局限，促使技术向集群化发展。

近年来，在分布式作业概念的指导下和以乌克兰“狼群战术”为代表的实战应用表明，通过低轨卫星链路（如Starlink）将大量低成本、小型化USV组网，可形成具备高鲁棒性的分布式杀伤网。如上文中提到的游侠（Ranger）和游牧者（Nomad）等4艘无人艇，充分体现了跨域协同与远程控制的能力。同时，我国在集群控制领域亦取得显著进展，从云洲智能的56艇鲨群协同测试，到全球首艘智能科考母船珠海云号的交付，不仅标志着我国无人艇技术进入了智能科考的新纪元，拥有了大型化与母船技术，也标志着无人艇技术已突破同构集群，向“母船-子艇”跨域异构协同（Cross-Domain Heterogeneous Collaboration）的高级形态演进。这种通过将大型船舶的算力和续航优势与无人艇的机动优势相结合的方式，将成为了未来海洋作业的主流架构。

上述无人艇从早期遥控平台向高度自主智能体的演进历程清晰地表明，提高自主化程度是海洋无人装备发展的核心趋势，而无人艇的高等级自主化本质上是“感知-决策-控制-交互”闭环系统的智能化跃升。将从多模态环境感知、智能决策规划、鲁棒运动控制及异构通信链路4个维度，剖析当前技术架构的演进逻辑与局限性。

⒈环境感知

环境感知是USV自主航行的前提，通过整合多种传感器来收集周围环境的数据，并利用智能算法对当前的航行环境及态势进行分析，从而为无人艇的自主决策和航行提供关键的数据支持。

早期的无人艇感知主要依赖全球定位系统（GNSS）获取自身位姿，并通过数字通信回传基础状态数据。后来随着海事信息化普及，感知重点转向外部环境感知，无人艇开始集成自动识别系统（AIS）获取合作目标信息，同时数字化链路取代模拟链路，计算机视觉（CV）开始涌现。视觉传感器作为无人艇中使用最广泛的传感设备，可分为红外传感器和可见光传感器，通过捕获目标的轮廓、颜色和纹理等关键视觉信息，完成各类感知任务。然而，复杂的近岸与远海环境要求无人艇具备对动态障碍物的精细化识别能力以及对海图信息的准确解析能力，虽然计算机视觉技术成本低、信息量大，在近距离目标识别与分类上具有优势，但其受光照变化和恶劣天气（雨雾）影响严重，且难以获取精确深度信息。于是基于雷达的环境感知技术被引入无人艇系统。雷达拥有较强的抗干扰能力，在雨雾、阴暗的环境下依然可以稳定成像，根据雷达发射信号的种类，可以将雷达分为激光雷达（LiDAR）、毫米波雷达和航海雷达等。其中航海雷达是船舶上的X波段或S波段雷达，用于探测其他船舶和陆地障碍物，为海上避碰和导航提供方位和距离；毫米波雷达相比于航海雷达拥有更高的穿透性和抗干扰能力，增强了无人艇在雨雾等恶劣天气下的探测能力。毫米波雷达与船舶导航雷达具备全天候作业能力，穿透性强，适合远距离探测，但是雷达点云稀疏，难以识别小微目标（如浮标、渔网），且在近岸高杂波环境下易产生虚警。激光雷达是精度更高的雷达系统，不同于其他雷达发射电磁波，激光雷达通过激光反射感知周围目标，可为无人艇提供更高精度的目标探测，辅助无人船完成自主航行任务，还可用于获取厘米级的3D点云，解决近距离靠泊和障碍物精确建模问题。

此外，由于海洋环境具有强动态扰动的特性，海况感知（SSE）也是USV环境感知的重要分支，尤其是波浪感知对于提升航行安全性与能效至关重要。海浪是影响船舶航行与海上作业的最关键环境要素，传统测浪方式依赖浮标和雷达等设备，存在成本高、响应慢和维护难等痛点。目前比较常用的技术是基于视觉与雷达的波浪场重构，即利用X波段航海雷达的图像序列进行波浪谱反演，或利用基于双目视觉与LiDAR的方法进行波浪预测。上海交通大学还设计了船载单目光学波浪感知系统，仅凭单个相机，结合惯性导航和边缘计算等单元，就能实现高精度波浪实时测量。

可在实际任务场景中，任何单一传感器都难以实现对环境的完全、透彻感知，表2介绍了各种环境感知技术的优势与局限性，因此目前多源信息融合成为提高环境感知准确性和可靠性的重要手段。如斯洛文尼亚卢布尔雅那大学团队基于元数据对象描述模型（MODS）数据集，提出了融合立体视觉与LiDAR点云的障碍物检测框架，显著提升了对水面微小目标（如浮标、皮划艇）的分割精度。PARK等引入光电与红外等多个摄像头的数据进行融合，以补偿单摄像头的限制。CHENG等通过毫米波雷达点云的新型表示格式对具备红绿蓝3色（Red,Green,Blue,RGB）图像与雷达数据进行深层多尺度融合，高效利用雷达数据特性，有效提高了水面小型物体探测的准确性和鲁棒性。贺治卜等提出一种融合激光雷达和惯性导航系统的高精度定位方法，解决了船舶靠离泊过程中近距离高精度感知的需求。

将不同感知技术的优缺点归纳总结见表2，综上所述，现有技术虽已解决开阔水域的探测难题，但在复杂场景的识别精度及波浪场的实时感知方面仍显乏力。针对无人艇的特定需求，应通过多源信息融合技术整合并发挥现有传感器优势，有效弥补单一手段在复杂工况下的局限性。

表2 不同感知技术的优缺点对比

⒉决策规划

在无人艇的技术架构中，路径规划与避障决策被视为无人艇的“大脑”，负责根据感知系统提供的环境信息，在满足动力学约束和《国际海上避碰规则》的前提下，计算出一条从起始点到目标点的安全、经济的航线。根据算法原理，现有技术主要分为基于搜索采样、基于势场及基于学习三大类。

路径规划的起源要追溯到早期陆地机器人的研究，其主要目的是为机器人提供一条从起始位置到目标位置的可行路径，主要解决静态环境下的路径可达性问题，是自主导航的理论基石。以Dijkstra、A及其变种（如Hybrid A）为代表的图搜索算法和快速扩展随机树（RRT）等采样算法在静态全局规划中应用广泛，具有理论上的完备性。然而在动态海况下，该类算法计算量随环境复杂度呈指数级增长，且生成的路径往往折角较多，难以直接满足无人艇的运动学约束。后KHATIB提出了人工势场法（APF），通过构建引力场与斥力场实现避障，结构简单、执行效率高。但其固有缺陷在于容易陷入局部极小值，且难以处理无人艇的非完整动力学约束，在狭窄水道或多船会遇场景下易导致震荡。

近年来，随着对无人艇自主决策与规划技术要求的提高，面对高维感知数据和高度不确定的海况，基于人工智能的决策算法已成为主流。其中，深度强化学习（DRL）更是研究热点。与传统算法相比，DRL能够通过与环境的交互试错，自适应地学习避障策略，尤其在多船会遇及需要符合《国际海上避碰规则》的复杂博弈场景下，展现出更强的智能性。然而，DRL的“黑箱”特性导致其可解释性差，加之从仿真到实体的“迁移鸿沟”，仍是其工程化应用面临的主要挑战。为顺应无人艇智能避碰的发展，国际海事组织（IMO）正积极推动海上自主水面船舶（MASS）相关规则的立法，欧洲的智能化及网络支持的海上无人导航系统（MUNIN）项目已较早建立了基于COLREGs的自动避碰框架。相比之下，我国在基于DRL的博弈避碰理论研究与仿真验证方面表现活跃，多所高校在仿真环境下的多船会遇博弈算法已达到国际领先水平，但在实船验证与测试数据积累方面，我国仍落后于一些拥有大量实船测试数据的国外机构与集团，不同决策算法优缺点归纳见表3。

表3 不同决策算法的优缺点对比

⒊控制驱动

在无人艇的技术闭环中，控制驱动算法负责将决策系统规划的抽象航迹转化为具体的执行机构指令以操纵无人艇的舵角、螺旋桨等动力设备。由于无人艇具有欠驱动性、强非线性以及高度环境敏感性，其控制算法的研究一直是航海工程的核心难点。

早期的控制主要解决船舶在平稳海况下的航向保持问题，依赖于经典的线性控制理论，其中以MINORSKY于1922年提出的比例、积分和PID控制最为典型。PID算法不依赖精确的动力学模型，通过误差反馈进行调节，但该方法难以处理非线性耦合，并且在恶劣海况下精度大幅下降，促使研究者向更高级的控制策略探索。进入20世纪90年代后，针对无人艇非线性动力学特性的研究成为主流，SMC与反步法（Backstepping）相继被引入。滑模控制凭借其对系统参数波动和外部干扰的极强鲁棒性，有效提升了无人艇在复杂环境下的生存能力。SKJETNE等提出的反步法通过递归方式构造李雅普诺夫函数，为欠驱动系统的全局稳定性提供了严谨的理论支撑，解决了复杂非线性系统的分解控制难题，但其计算过程的复杂性也限制了在低算力平台上的实时应用。随着算力水平的提升和对作业精度要求的提高，控制算法开始考虑执行器的物理约束，模型预测控制（MPC）在2010年后逐渐成为中大型智能船舶与无人艇的核心算法。MPC通过在每个采样周期内求解有限时域优化问题，能够显式处理舵角限制、转速约束等物理限制，展现出卓越的前瞻性与多约束处理能力。然而，MPC对精确物理模型的依赖以及高昂的计算成本，使其在面对高度不确定的深海环境时仍存在局限。

当前，无人艇的控制算法正朝着智能自学习与复合控制的方向演进。为补偿难以精确建模的水动力扰动，研究者开始融合神经网络（NN）、强化学习（RL）等数据驱动方法，与传统控制理论（如SMC、MPC）相结合，通过与环境交互直接优化控制策略，这类复合方法尤其适用于高度复杂的非线性机动任务。这种“模型驱动”与“数据驱动”相融合的趋势，既能减轻传统方法对精确数学模型的过度依赖，又可弥补纯智能算法在稳定性理论证明上的不足，代表了未来控制技术的发展方向，将各种算法归纳见表4。

表4 各种控制算法的优缺点对比

⒋通信链路

通信链路是连接岸基指挥中心与海上无人平台的神经枢纽，受地球曲率遮挡和多径效应影响，单一通信手段难以兼顾带宽与距离。

早期无人艇主要在视距（LoS）范围内活动，通信手段高度依赖传统的射频技术，如超短波或特高波数传电台。这一时期的通信带宽通常限制在Kbps级别，仅能支持基础的控制指令与传感器状态传输，且受地球曲率影响，作业距离难以突破30km。尽管模拟微波链路曾被用于尝试视频回传，但海面多径效应导致的信号衰减和画面闪烁，使得早期无人艇在复杂任务中的感知能力受到极大限制。进入21世纪后，随着移动通信与数字化链路技术的进步，无人艇的通信能力得到了显著提升。在近岸作业中，蜂窝网络的集成使得高清视频流的实时回传成为可能，极大地降低了民用测绘与港口巡检的通信成本。而对于远海任务，地球静止轨道（GEO）卫星的应用打破了视距限制，实现了全球覆盖。然而，GEO卫星高达500ms以上的延迟以及昂贵的带宽资费，使得其在需要高频交互的实时操控任务中表现欠佳，多作为应急控制或低频数据上报的备用链路。2016年以来，以星链（Starlink）为代表的低轨道卫星（LEO）的崛起，彻底改变了无人艇超视距通信的格局。低轨道卫星凭借30ms～50ms的低延迟和百兆级的带宽，支持了远程沉浸式操控与云端AI计算，为无人艇在远海执行复杂军事打击或科学考察任务提供了坚实的数据支撑。同时，5G技术在智能港口的应用以及移动自组网技术的发展，解决了无人艇集群在无基站环境下的协同通信难题。

各种通信链路技术及其优缺点见表5，综上所述，通信链路技术正朝着“高带宽、低延迟、全球覆盖”的方向快速迈进，但不同技术手段之间仍存在明显的权衡。数传电台虽延迟极低且无使用费，但距离受限；蜂窝网络带宽充足但覆盖范围仅限近岸；低轨卫星虽性能卓越但依赖第三方服务商且易受气象干扰。因此，现代无人艇通常采用多模复合通信体系，并重点研究断链后的自主处理机制与链路抗干扰技术，以确保在复杂电磁环境下的任务连续性。

表5 各种通信链路技术的优缺点对比

前文系统梳理了USV在环境感知、决策规划及运动控制等核心技术领域的突破，然而随着海洋作业任务向深远海、长周期及复杂化方向拓展，单体USV受限于自身的物理尺度，在续航能力、抗风浪等级及边缘计算算力等方面面临着难以逾越的物理瓶颈，单纯依靠USV自身的算法优化无法彻底解决上述问题，须引入具备更强平台能力的载体进行弥补。

近年来随着人工智能、大数据等技术的突破，MASS已成为全球航运与造船领域的发展焦点，与USV相同，其实现自主化的核心技术架构一样遵循感知—决策—控制的闭环逻辑，并且其充沛的能源供给、高通量通信能力及稳定的作业平台，恰好能与USV的高机动性形成互补。尽管目前一些国家已开发出大型USV，但从整体来看，小型USV仍占据主导地位。这类小型USV由于体型与排水量较小，在深远海作业时往往面临着续航力不足、抗风浪能力差、边缘算力受限的问题，在远离岸基支持的复杂海况下，难以独立承担长周期、高强度的战略任务，极易出现通信中断的情况。而智能船舶虽然具备充沛的能源与平台优势，但在执行任务时缺乏对周边环境的精细化抵近感知能力，执行高危或狭窄水域任务时具有灵活性不足的问题。可见两者在底层技术架构上具有高度的同源性，在功能实现上具有天然的互补性。因此将USV的高机动性与智能船舶的平台优势深度结合，构建“母船-子艇”协同系统，不仅能有效延伸大型船舶的感知触角，更能利用母船作为边缘计算节点与能源补给站，解决USV的续航与算力难题。

⒈智能船舶技术发展概况

2015年中国船级社（CCS）发布的《智能船舶规范》对智能船舶的定义：智能船舶系指利用传感器、通信、物联网和互联网等技术手段，自动感知和获得船舶自身、海洋环境、物流和港口等方面的信息和数据，并基于计算机技术、自动控制技术和大数据处理分析技术，在船舶航行、管理、维护保养和货物运输等方面实现智能化运行的船舶，以使船舶更加安全、更加环保、更加经济和更加可靠。与USV侧重于高机动性与非结构化环境适应能力不同，智能船舶的发展聚焦于航行安全、能效管理及岸海一体化管控，当前，智能船舶技术正经历从单一模块辅助决策向全船系统自主化的演进。

欧洲最早开始开展智能船舶的研究，2006年欧洲开发了内河航运综合信息系统（RIS），通过将信息技术、通信技术、电子控制技术和计算机处理技术等集成应用于传统的内河航运系统，为内河航运提供交通管理、物流信息和应急救援8大信息服务功能，实现了高效、安全和环保的内河航运，并引起了航运界对于船舶智能化的关注。随后欧盟与挪威等传统海事强国开始致力于构建顶层技术架构与法律适应性框架，欧盟主导的基于网络智能的无人航海（MUNIN）项目率先建立了“自主船端+远程控制中心”的二元操作架构，验证了无人商船在深远海航行的法律与技术可行性，这一架构中的“远程控制中心”概念，为后续智能母船指挥无人艇集群提供了理论原型。韩国在智能船舶研究领域也取得了较大的进展，从2009年的智能船舶1.0，2016年的Ocean Link智能船舶平台，再到2020年的现代智能导航辅助系统Hi NAS，充分结合了信息和数字化产业，体现了韩国的通信和信息技术发达的优势。其中Ocean Link智能船舶系统整合了现代重工开发的基于船舶数据模型的船舶数据平台与埃森哲的互联服务平台，可运用大数据连接船东、航运公司和港口运营商，从而为用户提供全价值链的船舶运营优化服务。此外，挪威的Yara Birkeland号作为全球首艘零排放自主集装箱船，率先实现了全电推进与自动化装卸的商业化闭环，验证了大型船舶在港口及受限水域的精细化控制能力。

近年来，我国在智能船舶的工程化落地方面也取得了显著进展，走出了一条以“数据集成平台”为核心的技术路径。2015年，中国船级社提出了“一个平台+N个智能应用”的技术架构，即以全船数据集成平台为底座，支撑智能航行、智能机舱、智能能效及智能货物管理等功能模块的数据汇集与决策。基于此架构，2017年12月，我国首艘自主研发建造的智能船舶大智号散货船成功交付，该船是全球首艘通过船级社认证的智能船舶，同时获得了中国船级社和英国劳氏船级社授予的智能船符号，可实现船舶运行数据的全周期监测与岸基共享。2018年全球首艘40万t超大型矿砂船（VLOC）明远号也成功交付，标志着中国智能船舶全面迈入1.0新时代。该船具有辅助自动驾驶、能效管理、设备运维、船岸一体通信和矿物液化检测5大智能板块,可利用统一的网络平台和数据平台完成全船数据信息的采集、处理和分析，能够为船舶航行、运营、维修提供决策支持，为船舶设计建造持续改进提供信息反馈船，进一步验证了基于大数据的航路优化与能效管理算法。这种强大的船载数据集成能力，使智能船舶具备了成为“海上边缘计算中心”的潜力。

随着无人系统协同作业需求的提升，智能船舶开始向具备无人装备搭载能力的“母船”形态演进。2022年交付的珠海云号智能科考母船，标志着智能船舶技术从单体智能向跨域协同的质变。该船不仅具备CCS认证的i-ship（R,N,M,I）智能符号，更在甲板设计上集成了无人艇自动布放回收系统与协同指挥接口。这些大型智能平台所具备的充沛能源供给能力、高通量卫星通信链路以及船载边缘计算中心，为USV集群提供了理想的“海上移动基地”与“算力枢纽”，从而促成了“母船-子艇”协同作业模式的诞生。

⒉“母船-子艇”协同作业模式

随着智能船舶技术的发展，单一平台的作业能力已无法满足日益复杂的海洋任务需求，构建智能船艇协同作业模式成为解决单艇性能瓶颈、提升系统整体效能的关键。当前，协同模式主要呈现为“母船释放子艇”的载运延伸模式和“拖轮辅助母船”的辅助作业模式这2种典型形态。

“母船释放子艇”的载运延伸模式是指以一艘大型智能船舶（母船）为核心，搭载并指挥多艘无人艇（子艇）执行特定任务的系统工程。在这种架构下，智能船舶不再仅仅是运输载体，而是演变为集“指挥控制中心、数据处理中心、能源补给中心”于一体的移动基地。无人艇则作为母船感知的延伸和执行的末端，通过分布式部署实现任务目标。传统智能船舶受限于自身传感器高度与探测半径，存在显著的感知盲区。通过“母船-子艇”模式，作为母船的智能船舶可释放多艘搭载不同载荷（如多波束声呐、红外相机、激光雷达）的无人艇，构建起覆盖水上、水下及超视距范围的立体感知网。这种分布式感知模式能够实现对目标海域的“全时空、无死角”监控，在科学考察中，可同时采集不同站位的水文数据，能够构建起动态的防潜/防雷警戒圈，极大地提升母船的生存能力与作业效率。以中国首艘智能型科考母船珠海云号为例，该船是全球首艘具备远程遥控和自主航行功能的科考母船，该船通过集成自主航行系统与无人艇布放回收系统，实现了“空、海、潜”一体化的协同观测，这一案例充分证明了大型智能船舶作为无人系统集群“母体”的巨大潜力。其次，“母船-子艇”模式还可以很好地抵抗风险，在执行高危任务时，母船可停留在安全海域，派遣低成本、高机动性的无人艇进入危险区域，使操作人员和母船与高风险环境隔离。这种模式下即使子艇受损，也不会对整体任务造成毁灭性打击，实现了作业效率与人员安全性的双重提升。也可将多艘子艇构成“蜂群”系统，系统内单体故障不影响整体的协同，可体现极强的作业韧性。这种模式实现了“集中决策”与“分布式执行”的有机统一，是海洋无人系统从单体作业向集群协同演进的重要标志。

除了深远海的载运协同，解决大型智能船舶进出港“最后一公里”的操纵难题，也是当前协同控制技术的另一大核心应用场景。大型船舶在港口受限水域低速航行时，舵效变差，极易受风流影响，单纯依靠自身动力难以实现高精度的靠离泊操作，为此，学术界与工业界提出了以智能船舶为中心、多艘自主拖轮（Autonomous Tugs）协同辅助的作业模式。如图5所示，该模式通常采用一艘大型智能船+N艘自主拖轮（典型配置为4艘）的编队架构，在此架构下，拖轮不再是独立的操作单元，而是作为智能船舶的“外置动力模块”，通过施加推力或拉力来弥补大船在低速下的操纵性不足。这种模式能够有效缩短靠泊操纵时间，提高作业效率和安全性，助力实现安全、绿色和高效的智能航运。

综上所述，以上2种模式其本质都是通过协同作业，突破单一智能平台的物理与功能边界，这是未来海洋智能装备体系化发展的必然趋势。但尽管优势显著，但智能船艇协同作业模式的实施仍面临严峻的技术挑战。首先在复杂海况下，如何确保子艇安全、精准地回到母船甲板，是目前作业效率的瓶颈；其次母船须在动态变化的海洋环境中实时规划多艘子艇的路径并分配任务，这对通信带宽的稳定性与算法的实时性提出了极高要求；此外，子艇在远离母船时的自主避障与能源管理，也是确保协同任务成功的关键因素。

图5 拖轮辅助母船靠泊系统

⒊数字孪生与云端管理平台的统一

在无人艇与智能船舶的融合体系中，数字孪生（DT）与云端管理平台也起着重要的作用，不仅是数据展示的工具，更是连接物理实体与虚拟决策的核心纽带。数字孪生技术是指通过集成多物理量、多尺度和多概率的仿真过程，在虚拟空间中完成对物理实体全生命周期的映射。对于无人艇与智能船舶而言，数字孪生系统不仅包含高精度的三维几何模型，更集成了实时传感器数据。通过构建“物理感知-数据传输-虚拟映射-决策反馈”的闭环，数字孪生系统能够实现对无人艇航行状态的实时监控。这种虚实映射逻辑使得操作员能够在陆基或母船指挥中心，通过数字化界面直观感知远海作业现场的复杂环境，为远程干预提供高保真的决策依据。此外，数字孪生系统的另一个核心优势在于其强大的仿真预测能力。在执行复杂任务前，云端平台可以利用数字孪生模型进行多次“超实时”仿真，评估不同决策方案的风险与效率。这种“先仿真、后执行”的模式极大地降低了实船试验的成本与风险。在实际航行中，当物理实体遇到未知干扰时，数字孪生模型可同步进行参数辨识与路径重规划，并将优化后的指令通过云端平台下发至执行机构。这种虚实结合的决策机制，赋予了无人艇系统应对深海复杂环境的“预见性”。

而云端管理平台作为数字孪生系统的底层基础设施，承担着海量异构数据的存储、计算与分发任务。在“母船-子艇”协同架构中，云端平台实现了不同尺度、不同任务属性平台的数据统一。通过统一的数据标准，平台能够将无人艇的实时轨迹、能耗数据与母船的调度指令进行深度集成。并且随着无人艇作业规模从单体向集群演进，云端管理平台成为了集群协同的“大脑”。通过云端平台，指挥官可实现对跨域分布的多艘无人艇进行统一调度，利用高性能计算资源，处理集群间的防撞逻辑与任务分配算法，确保在通信延迟或带宽受限的情况下，集群仍能保持高度的组织性。这种统一的云端管理模式，是实现海洋无人系统“分布式感知、集中式指挥”的关键技术支撑。

⒋融合发展的挑战与未来展望

尽管目前将无人艇与智能船舶技术融合发展有广阔的应用前景，但仍然面临许多挑战，结合前文对核心技术的剖析，未来研究应重点关注以下方向。

针对前文提到的极端海况下感知失效及单一传感器具有局限性的问题，未来的感知技术可不再局限于单平台的多传感器融合，而是向母船-子艇协同的分布式认知发展。利用深度学习去除雨雾、海浪干扰，提升传感器在恶劣环境下的鲁棒性，并构建基于语义的共享感知网络，使子艇能够将前端感知的原始数据（在边缘端进行语义压缩，实时共享给母船，构建子艇抵近侦察、母船全局统筹的超视距高保真态势图，消除感知盲区。在决策层面，充分发挥大模型的优势，将研究重心转向大模型驱动的通用智能决策，利用海量航海数据训练大模型，使其具备理解复杂海事规则与人类意图的能力。也可以在母船-子艇的架构下发展分层博弈决策机制，母船负责全局任务分配与能效优化，子艇负责局部高动态避障，以解决大规模集群协同中的算力爆炸与通信延迟问题。面对海洋环境的时变性与模型参数的不确定性下的控制问题，不再单纯依赖某一控制方法，而是结合数字孪生技术，利用实船运行数据实时修正动力学模型，实现对USV系统内部变化的自适应补偿。并结合绿色能源趋势，基于能效最优的前提，在保证任务完成度的前提下实现系统整体能耗的最小化。针对远海通信带宽受限及强电磁对抗环境下的链路脆弱性，未来通信架构可向空海一体化弹性网络演进。通过融合LEO、5G/6G及微波自组网技术，构建多路并行的异构通信体系。

最后，技术突破必须与法律框架同步演进。现行《国际海上避碰规则》主要基于载人环境设计，如何界定责任主体及如何与传统载人船只协调避让，仍应国际海事界达成新的共识。还要明确母船-子艇系统在遭遇传统船舶时的责任主体与避让逻辑，制定智能船舶的分级测试标准与伦理规范，确保无人系统在执行高风险决策时始终处于人类监管之下，实现技术发展与航运安全的动态平衡。

本文立足于海洋装备智能化与体系化发展的时代背景，系统梳理了USV从无线电遥控靶船向智能平台演进的百年历程，并对其关键核心技术及与智能船舶的融合趋势进行了深入探讨。目前，USV技术已向全自主认知智能跨越，任务形态从单体作业转向基于异构通信链路的分布式集群协同演进，实战化与工程化应用程度显著提高。四大核心技术仍是突破当前性能瓶颈的关键。环境感知技术正从单一传感器向多源异构融合过渡；决策规划算法经历了从规则驱动向数据驱动的转型，提升了动态场景下的智能性；控制技术通过“模型-数据”混合驱动增强了系统的鲁棒性；通信网络的构建则为超视距管控提供了韧性保障。将USV与智能船舶技术相融合构建“母船释放子艇”的载运延伸和“拖轮辅助母船”的辅助靠泊2种协同模式，可分别解决深远海立体感知执行与进出港“最后一公里”靠泊操纵的难题，实现作业效能与安全性的双重提升。数字孪生与云端管理平台作为连接物理实体与虚拟决策的核心纽带，可通过虚实映射与超实时仿真赋予系统预见性，并依托海量数据集成与高性能计算实现统一调度与集中指挥，是USV与智能船舶协同作业的关键技术支撑。

未来，USV的大规模应用仍应在底层技术上持续攻关。随着《国际海上避碰规则》的适应性修订及绿色能源动力系统的突破，构建空海潜一体化的作业体系，实现装备的绿色化、法治化与全自主化，将是船舶与海洋工程领域持续攻关的战略高地。

溪流笔谈▏作为六大新兴支柱产业之一，细数海洋智能机器人及其应用

海洋论坛▏无人水面艇在海洋环境观测中的应用技术研究

溪流笔谈▏我国无人船行业发展现状、市场规模及未来发展趋势

海洋论坛▏海上跨平台无人系统机动组网与智能控制技术

海洋论坛▏智能无人艇研究现状及关键问题发展趋势

行业资讯▏中国无人艇厂商大摸底：无人艇中的“黑马”，谁在默默造？