VSLAM（视觉同步定位与建图）正在从论文算法变成地面机器人的标准配置：AGV/AMR 用它做无标记部署与重定位，人形机器人靠它获得空间感知底座，移动操作机器人把它当作导航栈的前端。但"VSLAM 能做"和"VSLAM 能落地"之间隔着算法、算力、软件、结构四道坎——任何一坎选错，后期都很难补救。本文面向整机团队，给出一套可照抄再裁剪的参考方案：第 1 节界定系统架构与指标；第 2 节做 VSLA

水下没有GPS——电磁波穿不透海水，机器人一下水就和全球导航卫星系统彻底失联。行业通用的答案是"声学+惯性+光学"的多传感器融合：惯导和多普勒计程仪（DVL）做航位推算打底，超短基线（USBL）/长基线（LBL）水声定位提供绝对坐标修正，相机和成像声纳负责近场感知。国内外研究则在这条工程主线上，探索把VSLAM（视觉同步定位与建图）真正纳入水下导航闭环。

水下环境的特殊性在于：电磁波和激光被水快速吸收，陆地上一套视觉、雷达方案基本失效。行业长期依赖声纳，但声纳分辨率低、体积大、成本高，小型水下机器人往往"只带相机、不敢近距作业"。，用于海底地形与风机桩基、海缆、水下设施等目标物的三维重建。2D影像时代正在让位给3D感知时代。

人形机器人对视觉的要求和轮式机器人不同：要同时满足宽视场感知、动态环境自定位、全身避障补盲。单相机很难兼顾，多目方案成为主流。

送餐、酒店配送、商用清洁机器人这几年放量很快，核心传感器基本都是深度相机。选型主要看四点：测距范围、抗环境光能力、是否带端侧算力、供货与生态。

本手册系统梳理机器人技术在海洋全场景的落地应用现状，覆盖船舶制造、海上能源、海洋防务、海洋科考与生态保护、海事工程与港口运维、深远海养殖六大核心领域，详细收录国内外主流厂商的核心产品、性能参数与量化落地成效，为产业调研、方案设计与设备选型提供全面、可落地的参考依据。

异构无人集群（巡飞无人机 × 自爆机器狗）在城市/林区想定下对连级防御阵地的分布式任务分配与协同打击仿真平台交付形态：单文件纯前端 HTML，双击即运行，无需任何服务器与依赖版本：v12（通信网络分析）· 代码规模约 3400 行（sim.js 1931 / app.js 1060 / style.css 296 / index.html 114）