针对极地冰山观测中复杂边界与未知环境挑战，提出一种双层级覆盖路径规划方法，通过边界自适应优化与动态神经网络在线重规划，在无需预先建模的情况下提升覆盖完整性与观测精度，并增强从死区的逃逸效率。
邓忠超 · Lin, Zhou · Nan, Zhou · 秦洪德 · 朱仲本 · Xue, Yifan · Bai, Guiqiang · Mu, Xiaokai
IEEE Internet of Things Journal 2025
算法直接处理未知环境，利用在线感知信息规划路径，省去耗时且可能过时的地图构建步骤。
边界自适应覆盖算法通过在稀疏路径点之间插入点来优化边界路径，确保复杂边界区域也能被覆盖。
动态神经网络在线识别冰山兴趣区域并重新规划路径，提升逃逸效率，避免AUV长时间困于死区。
通过在线重规划聚焦兴趣区域，使观测资源集中于高价值目标，从而满足精度要求。