失去衛星訊號後，水下導航怎麼不迷航？
在陸地上，手機打開地圖就能看見藍點，因為GPS、GLONASS、Galileo與北斗訊號從天空落下。到了水下，電磁波衰減極快，海水對高頻訊號尤其不友善，衛星定位幾乎在幾十公分到數公尺內就被吞掉。自主水下載具、遙控潛水器、潛水員、港灣巡檢與離岸風電水下結構維護，一旦沒有衛星定位，就必須靠自身感測器回答「我在哪裡、往哪裡去、速度多少、姿態是否偏移」。慣性測量單元提供高頻加速度與角速度，短時間精準，卻會因偏差累積而漂移；都卜勒速度計以聲波量測對地速度，遇到混濁、底床變化或距底高度太高會失準；深度計知道垂直位置，卻無法給出水平座標；聲學定位系統如長基線、短基線與超短基線，能提供絕對位置，但更新率低、延遲高，還受多路徑與環境噪音影響。多感測器融合的任務，就是把這些不完美、不同步、不同可靠度的資訊放進同一個估測框架，讓濾波器與最佳化器持續修正載具狀態。人工智慧演算法則進一步學習漂移模式、辨識感測器異常、動態調整權重，甚至在聲學訊號短暫消失時用預測模型撐住導航精度。台灣四面環海，從台灣海峽到東部黑潮，水文條件多變，這套技術不隻影響科研，也關係到搜救、養殖、能源與國土安全。法規面上，台灣的《職業安全衛生法》與《異常氣壓危害預防標準》約束水下作業安全，若使用無線電、聲學通訊或無人載具，還須留意NCC頻率管理與《電信管理法》等規範。精度不是實驗室數字，而是人員平安與任務成敗的底線。
慣性、聲學與環境感測器互補，打造不會漂走的定位底盤
水下導航最怕單一感測器說謊。慣性測量單元以陀螺儀與加速計提供每秒數百次以上的姿態與加速度，在短時間內幾乎無可取代，但零偏、尺度誤差與溫度漂移會讓位置隨時間擴散。都卜勒速度計補上對地速度，適合接近底床航行；深度計提供可靠的垂直參考；磁力計與羅盤可修正航向，但靠近鋼構、電纜或沉船時容易受磁干擾。聲學定位則像水下版的基地台，長基線系統在預先布放的海底陣列間三角定位，精度高但佈設成本大；超短基線把應答器掛在船底，適合船載作業；單信標系統則以距離與方位約束載具。融合架構會把這些量測放進誤差狀態卡爾曼濾波器、擴展卡爾曼濾波器或因子圖最佳化，將延遲的聲學更新與高頻慣性資料對齊。時間同步、桿臂校正與感測器健康監測是底盤能否穩固的關鍵。當聲學訊號被船體噪音、溫鹽躍層或多路徑干擾時，系統要能判斷哪一筆量測可信，並用其他感測器暫時接管。
AI演算法即時校正誤差，讓感測器吵架時仍有答案
人工智慧在水下導航不是取代物理模型，而是讓模型面對現實。深度學習可從歷史航行資料中學習慣性漂移與海流關聯，以長短期記憶網路、時序卷積或Transformer預測短期速度變化，填補聲學定位空窗。卷積神經網路能從側掃聲納、前視聲納與水下影像提取地形特徵，配合SLAM建立相對地圖，讓載具在沒有衛星時仍能靠地形匹配修正位置。強化學習可根據任務階段、電池、海況與感測器信心度，動態調整濾波器噪聲矩陣與量測權重；異常偵測模型則監看都卜勒速度計、深度計與姿態資料，一旦發現不合理跳變就隔離故障源。邊緣運算讓推論在載具上完成，避免水下通訊頻寬不足造成延遲。訓練資料的偏差、對抗干擾與模型可解釋性仍是風險，因此台灣團隊多採混合式架構，讓AI輸出受到物理約束與安全邊界檢查。精度提升的同時，也必須留下可追蹤的決策紀錄，才能符合作業與監管要求。
台灣海域的合規、應用與風險控管，精度背後的責任
台灣周邊海域從淺灘、港灣到深海，水文與地貌差異大，水下導航精度直接影響離岸風電水下基礎檢查、海底電纜巡檢、港埠反恐、養殖網具管理與搜救任務。依台灣法規，水下作業涉及《職業安全衛生法》與《異常氣壓危害預防標準》，潛水人員與載具操作須有安全計畫、通訊與緊急應變；船舶與無人載具活動受《船舶法》及相關設備規則規範；若使用無線電浮標、水聲通訊或遙測頻段，須注意《電信管理法》與NCC頻率使用規定，避免干擾既有通訊。資料面則要考量個資、國安與關鍵基礎設施資訊，尤其是港灣與電纜座標。風險控管不能只看定位誤差，還要納入感測器失效、聲學環境突變、AI誤判與網路安全。實務上會以多重估測器、餘度感測器、地理圍籬與失效保護策略維持安全。當導航精度成為任務核心，合規與倫理就不是附加條款，而是系統設計的一部分。
【其他文章推薦】
提供原廠最高品質的各式柴油堆高機出租
推薦評價好的iphone維修中心
塑膠射出工廠一條龍製造服務
隨手一按高度自訂，遙控曬衣架讓長輩與小孩都能輕鬆晾衣
如何利用一般常見的「L型資料夾」達到廣告宣傳效果?
晾曬、殺菌、除濕，電動曬衣機守護全家人衣物的潔淨