深海是一个承受着巨大压力、近乎完全黑暗且流体动力学表现与我们呼吸的空气或近岸浅水截然不同的领域。对于工程师和科学家而言，这构成了一个独特的挑战：如何测试一台旨在探索深渊的机器人，而不必冒着损失价值数百万美元机器人的风险——因为在那种往往无法回收的地方，这种风险是巨大的。传统的答案是模拟，即创建一个虚拟世界，让机器人在其中可以安全地失败。然而，多年来，这些虚拟世界一直存在一种偏向于“看起来很美”而非“表现得很真实”的问题。大多数水下模拟器优先考虑照片级的视觉效果，模仿阳光如何滤过浅水并在海床上形成闪烁图案。虽然这些图像令人惊叹，但它们往往忽略了真正支配机器人运动的无形力量，例如传感器的缓慢漂移、水密度的微妙变化，或者航行器与泥泞海床之间的相互作用。这种“精美的画面”与“物理现实”之间的差距已成为一个关键瓶颈，尤其是当研究人员开始利用人工智能教机器人进行自主思考和导航时。如果机器人在一个物理特性不准确的虚拟世界中学习移动，那么当它遇到深海中真实的、混沌的条件时，很可能会失败。

一组研究人员通过从根本上重新思考如何模拟水下机器人，将重点从视觉奇观转向物理和传感器的保真度，从而解决了这一脱节问题。他们对现有的开源模拟器 Stonefish 进行了重大升级，将其从一个主要追求外观好看的工具，转变为一个具有真实感的工具。他们工作的核心在于意识到，在深海中，机器人“感觉到”什么远比它“看到”什么更重要。为了实现这一点，团队在模拟中注入了一系列此前缺失的真实缺陷和物理定律。他们模拟了机器人内部指南针和运动传感器不可避免的缓慢漂移，模拟了磁场随位置的变化，以及水本身的复杂分层特性（即随着航行器下降，水的密度会发生变化）。他们还增加了机器人能够物理接触并推挤海床的能力，这对于任何设计用于在海底爬行或着陆的机器来说都是一项至关重要的能力。

研究人员首先对模拟器处理机器人内部运动感知的机制进行了彻底改造。在现实世界中，机器人内部测量旋转和加速度的微小传感器永远不会是完美的；它们会随着时间的推移积累微小的误差，导致机器人逐渐失去对自身指向或移动速度的掌控。以前的模拟器通常将这些传感器视为理想状态，或者仅添加简单的随机噪声，这无法捕捉到在运行数小时后发生的缓慢、持续性的漂移。新模型引入了一种更复杂的行为，模拟了这些传感器的实际物理特性，包括它们如何对温度变化以及来自机器人自身推进器的振动做出反应。通过将此模型与一个运行了超过九小时的真实传感器数据进行对比测试，研究人员证实，他们的模拟器现在能够重现现实中发现的那种缓慢的、漂移性的误差。这至关重要，因为如果机器人的导航系统是在一个没有漂移现象的模拟器上进行训练，它将无法应对深海长期任务中出现的逐渐丧失精确度的情况。

同样，团队改进了模拟器处理机器人速度和方向的方式。机器人经常使用声波来测量相对于海床或周围水流的速度。新模拟器考虑到了这些测量并非瞬时或完全稳定的事实；它们包含一种缓慢的、随机的偏差，会导致机器人的计算位置随着时间推移而偏离其真实位置。在测试中，旧的模拟器显示机器人在三小时内仅漂移了不到一米，表现出一种不切实际的完美性能。而新的、基于物理原理的模型则显示在相同时间内漂移了超过半米，这更诚实地反映了机器人将面临的挑战。这种细节水平确保了当研究人员训练机器人自主导航时，他们是在教机器人去补偿现实世界的误差，而不是依赖于一个完美的、虚构的世界。

除了机器人的内部传感器外，这项工作还以更高的准确性赋予了周围环境生命力。深海并不是一块均匀的水块；它拥有随深度变化的、具有不同密度和洋流的分层结构。新模拟器计算了随着航行器深入，水密度如何增加，进而改变了水对机器人运动的阻力。它还模拟了旋转物体在流体中运动时产生的微妙力量，即马格努斯效应（Magnus effect），以及由于地球自转导致的航行器侧向推力，即科里奥利力（Coriolis force）。虽然这些力量看似微不足道，但研究人员发现，在长距离移动中，它们会导致机器人发生侧向漂移或改变其取向，而简单的模型会完全忽略这些现象。通过包含这些效应，该模拟器可以预测着陆器或滑翔机在数小时下降过程中的行为，从而为设计控制系统提供了一个更可靠的测试平台。

或许最显著的改进之一是模拟机器人接触地面的能力。在深海中，许多任务涉及在海床上着陆以采集样本或部署仪器。以前的模拟器通常将海床视为一堵隐形的墙，或者干脆忽略它。新系统使用土壤力学模型来计算机器人的腿部或轮子将如何陷入泥中、地面会提供多少阻力，以及车辆将如何实现稳定。这使得研究人员能够在虚拟环境中测试爬行机器人和着陆器，该环境会对它们的重量和运动做出反应，就像真实的海洋底部一样。这是向前迈出的关键一步，因为它使得开发能够运行在海床上的机器人成为可能，而这种能力在此前很难进行安全测试。

为了确保这些物理模型对基于视觉的任务有用，团队还优化了模拟器生成图像的方式。虽然他们并没有从头开始创建一个新的视觉引擎，但他们将物理模拟连接到了一个专门针对深海条件的渲染工具。该工具接收来自模拟器的原始图像，并应用深海特有的光学效应，例如人工光源如何随距离增加而衰减，以及水中的颗粒如何散射光线。这创造了一个真实的视觉环境，机器人的摄像头看到的正是它们在现实世界中会遇到的那种浑浊、昏暗的场景，并包含了由相机镜头和保护壳引起的畸变。

这项工作的成果是一个优先考虑深海无形力量和传感器现实，而非浅水视觉美感的模拟框架。通过将模拟建立在物理学和真实传感器行为的基础之上，研究人员为下一代自主水下机器人的训练创造了一个更值得信赖的环境。这种方法承认，要让机器人在深海取得成功，它必须为应对一个黑暗、高压且充满微妙且不断累积的误差的世界做好准备。研究表明，通过不再假设视觉真实等于物理真实，该领域可以开发出更稳健、更强大的机器。尽管挑战依然存在，特别是在模拟流体与结构之间复杂的相互作用方面，但这个新框架为在高度模拟真实深海环境的条件下测试导航、感知和控制系统提供了实用的基础。