1. 课程导入与USV系统概览

无人水面艇（Unmanned Surface Vehicle，USV）是一种在水面自主或半自主航行、无需船员随船操作的船舶平台。它把船体、动力、能源、感知、通信、控制与任务载荷集成在一起，通过岸基、母船或云端的人机交互完成既定任务。理解USV，关键不是把它看成"会自己开的船"，而是把它看成一个"能在复杂水面环境中闭环感知—决策—执行的移动机器人系统"。本课程围绕导航与任务规划展开，而这两项能力正是把"能动的船"变成"能完成任务的系统"的核心纽带。

一、USV的分类与典型任务场景

工程上常从三个维度对USV分类。按尺度与续航，可分为小型（数米级、电池驱动、数小时续航）、中型（十余米级、油电混合、数十小时）和大型长航时平台；按自主程度，可分为遥控、半自主（航向/航速保持、循迹）和全自主（自主避障、自主任务决策）；按任务载荷，可分为测量型、巡检型、安防型与运输型。分类的意义在于：不同类别对导航精度、避障实时性和任务规划复杂度的要求差异很大。例如小型测量艇更关注厘米级定位与低速循迹稳定性，而长航时巡检艇更关注能源约束下的全局航线优化与通信中断时的自主处置。

典型任务场景包括：水文与海底地形测量（走梳状测线、保持等间距）、水域环境监测（定点采样、沿污染带追踪）、港口与航道巡检（沿固定航线巡查、目标识别）、安防巡逻（区域覆盖、可疑目标跟踪）以及物资运输（点到点航线、靠泊精度）。这些场景共同决定了USV必须具备"知道自己在哪里、要去哪里、怎么安全到达"三项基本能力。

二、导航与任务规划在系统中的位置

把USV系统按信息流分层，可以清楚看到导航与任务规划的位置：最底层是船体、推进器与能源等物理平台；其上是感知层（GNSS/RTK、IMU、罗经、雷达、摄像头、测深仪）；再上是导航层，负责状态估计（位置、姿态、速度）与局部控制（航向、航速、避障）；导航层之上是任务规划层，负责全局航线生成、任务分解与重规划；最上层是人机交互与任务管理。导航回答"我在哪、周围有什么"，任务规划回答"去哪、按什么顺序去、遇到变化怎么办"，二者通过航点、航线和速度指令衔接。

图中实线表示自上而下的任务与控制流，虚线表示自下而上的状态反馈。可以看到，任务规划层并不直接操纵推进器，它输出的是航点与期望航速；导航层把这些抽象指令翻译成具体的舵角与推力，并在此过程中处理实时避障。这种分层让"任务级决策"与"毫秒级控制"解耦，是USV系统设计的基本范式。

三、一个可操作的入门示例

为建立直观认识，假设一艘小型测量USV在矩形水域执行测线任务，参数为示例假设：船长3.2 m，电池容量2 kWh，巡航速度1.5 m/s，测线间距10 m，共8条测线、每条长200 m。总航程约 8×200 + 7×10 ≈ 1670 m，按1.5 m/s约需18.6分钟纯航行时间；考虑转向、加减速与20%安全余量，规划时可按约25分钟估算能耗预算。任务规划层据此生成"梳状"航点序列，导航层则需保证在测线上的横向偏差控制在约±0.5 m内，否则测线间会出现漏测或重叠。这个例子说明：任务规划关心"航程、时序、能源"，导航关心"跟踪精度、稳定性、避障"，两者用同一套航点数据衔接，但评价指标不同。

四、课程学习地图与工具准备

本课程共30章，整体沿"认识系统—掌握导航—学会规划—综合实战"推进。前期建立USV系统概念与坐标系约定；中期深入GNSS/RTK定位、姿态估计、航向控制、循迹算法与避障；后期进入全局航线规划、任务分配、能源约束优化与仿真验证；最后通过综合案例把各模块串成完整任务闭环。学习过程中建议同步准备以下工具：一台可运行Python的电脑，安装NumPy、Matplotlib用于算法验证；一个二维或三维仿真环境（如基于ROS的Gazebo或轻量级自建仿真器）用于观察航迹；一份水域电子地图或海图数据用于航线设计练习；以及纸笔或表格工具，用于记录坐标系定义、参数单位和实验结论。需要强调的是，课程中的参数与结果多为教学示例或合理假设，实际工程必须依据真实船型、水域与设备手册重新标定。