水下

,线性度分别为0.9996与0.9791，FBG在水下环境中响应稳定，该手套可同时佩戴于潜水员手部和水下软体手上，实现双向姿态感知，形成完整的人机协同闭环。

研究团队设计并构建了一套完整的光感知水下数字孪生手交互控制系统，实现了从人体手势到水下软体手的高精度、低延迟、强鲁棒的人机协同主从控制，并通过数字孪生技术实现全程可视化监控与双向反馈。

软体机械手凭借其柔性结构、连续变形能力和对水下生物的低损伤特性，展现出在复杂水下环境中执行精细操作的巨大潜力。

然而，水下环境极端复杂，存在高压、低温、低能见度、强干扰等多重挑战，传统刚性机械手因灵活性差、环境适应性弱，难以胜任精细化的水下作业任务。

(a)提出的LP-UDTHS系统的概念图，FBG-SenseGlove（FBG手套）在复杂水下环境中执行任务的多应用场景。

因此，亟需发展一种抗干扰、高灵敏、适用于水下环境的感知与交互新方法。

（c）模拟水下操作员在浑浊且有水流扰动的水下环境中，不同手势的双手FBG波长变化；

地远程操控水下机械手，并让机械手在动态干扰环境中“

更关键的是，在深海作业中，人（操作者）与机（水下机械手）之间的协同效率直接决定了任务的成败。

在多模态感知方面，团队采集了六种水下手势的FBG信号，构建含2400组样本的数据集，引入多视角RGB图像与FBG多模态数据，利用交叉注意力机制进行数据融合，在多模态下识别准确率达99.2%，显著优于单模态方法；

OEA|基于全光感知的数字孪生手推动水下人机协同交互与精细化作业能力提升

国防科技大学于洋副研究员团队提出了一种基于光感知的水下数字孪生手交互控制系统,推动水下人机协同交互与精细化作业能力提升。

针对上述挑战，国防科技大学于洋副研究员团队提出了一种基于光感知的水下数字孪生手交互控制系统,推动水下人机协同交互与精细化作业能力提升。

加入水下探索，8月26日发售

DEEP在申请说明中写道：“申请者应解释，与每天从水面潜入作业相比，长期驻留在水下深处为何能够切实提高数据质量和作业效率，增加监测频率，提高干预成功率，或改善最终研究成果。