IEEE RA-L | 机载RGB实现水下目标主动跟踪，动捕支持AUV闭环验证

哈工深国际人工智能研究院胡靓教授团队在 IEEE RA-L 期刊上发表题为《UTracker: Learning Visuomotor Policies for Underwater Active Target Tracking via Imitation Learning and Diffusion Model》的论文。

本文提出了一种面向水下主动目标跟踪的视觉运动策略学习框架——UTracker，融合强化学习、模仿学习与扩散模型。该方法首先在仿真环境中训练基于状态信息的专家策略，并生成图像—动作示范数据，再将其蒸馏为仅依赖第一视角 RGB 图像的视觉运动策略，使水下机器人能够自主生成安全、平滑的跟踪动作，实现对非合作目标的主动跟踪。

NOKOV度量水下动作捕捉系统为真实水池实验中的AUV提供实时位姿数据。实验中，该位姿数据用于将 UTracker 根据第一视角 RGB 图像生成的局部航点转换至全局坐标系，再通过 MAVROS 转换为控制指令并发送至 AUV 自动驾驶仪执行，从而支持仿真训练所得视觉运动策略在真实水下机器人上的闭环运行与 Sim-to-Real 实机验证。

论文信息：

论文题目：UTracker: Learning Visuomotor Policies for Underwater Active Target Tracking via Imitation Learning and Diffusion Model

期刊：IEEE Robotics and Automation Letters

DOI: 10.1109/LRA.2026.3664176

论文原文：在 IEEE Xplore 查看 UTracker 论文