一、跨域机器人的科学问题

传统的SLAM技术，无论是地面机器人、无人机、还是水面，都在空气介质；水下机器人的SLAM，也一直为水介质。跨域机器人则会从陆地进入水中，也从水中开到陆地。在水中运动时，会在水面、水中、水底运动。

对于跨域场景，面临的最核心挑战就是介质切换。

SLAM本质是一个状态估计问题：根据传感器的输入和驱动器的输出，估计自身的运动状态（定位）与环境地图。这里有四个要素：传感器、驱动器、定位、建图。

（1）传感器

有些传感器只能在一种介质下工作，例如sonar只能在水下；有些传感器能够在两种介质下工作，但介质切换过程数据不可靠，例如相机；有些传感器（内源传感器）却可以不受介质变化影响，例如IMU。传感器面临可用/不可用、数据不连续的挑战。

（2）驱动器

跨域机器人的主要驱动器包括陆地的轮式、履带，以及水下螺旋桨等。在不同介质下驱动器不同。履带可用于陆地，也可在水底与河床接触时使用；螺旋桨则可在水中/水面使用。驱动器不同会影响状态估计，但一般SLAM不会过多考虑驱动器输出模型，暂先忽略。

（3）定位

从水陆过渡过程中，运动轨迹一定是连续的!

（4）建图

陆地、水面、水底的地图特点完全不同。水中还面临许多动态物体，如气泡、浮游物等，也会对地图产生影响。

根据以上分析，跨域感知面临的核心问题是：过程中既存在连续的状态（如轨迹），也存在不连续的状态（介质、地图）；输入端的传感器有的能连续工作，但大多数只能在单一介质可靠工作；地图存在较大差异。

跨域SLAM中的科学问题：如何在输入不连续的情况下，得到连续的轨迹估计和水陆差异的地图？

二、跨域机器人的典型传感器

根据传感器的工作能力，可划分为三类：

• 单介质传感器：Sonar、LiDAR、深度计（只在一种介质中可靠工作）
• 跨介质传感器：相机（两种介质均可工作，但临界面不可靠）
• 全介质传感器：IMU（全空间持续可用）

相机还有一个特殊之处：在一种介质中工作时，可以获取另一个介质中的信息。例如在水面拍摄时能够获取水下图像，而LiDAR只能获得空气中的点云，Sonar只能获得水下的几何信息。

三、开放问题

对跨域感知，有几个问题我常在思考：

1. IMU的充分利用

IMU似乎是唯一一个能在整个跨域感知过程中持续发挥作用的传感器。如何充分利用IMU的信息？

2. 水面临界的预知问题

水面很特殊，它划分了空气与水下，环境地图有剧烈差异。在外源传感器穿越水面前，难以提前获得另一种介质中的信息。如何实现预知？

本文是自己的一些思考，也是个人主页的第一篇文章。后续会随着思考的深入不断更新。