智能自主技术已应用到水下机器人。2019年1月，美国兰德公司发布《推进自主系统发展—对无人航行器当前和未来技术的分析》研究报告，水下机器人研发，对无人航行器的自主能力发展现状进行了详细分析。DARPA新发布的“琵琶鱼”水下自主机器人，无需外部操纵和通信，仅通过自身传感器自主探测海底环境，实现自主水下定位、导航、搜索、避障和控制。
智能AUV基于深度学习等***的图像智能识别技术，天津水下机器人，具有更***的感知智能化水平。过去几十年中，水下机器人公司，人工智能、计算智能和神经网络展示了其在信号-图像分析、对象检测和模式识别等方面的强大能力。在智能AUV中装备的具有智能识别或控制决策能力的计算机系统，通过与神经网络结合，可以充分发挥逻辑推理能力强和神经网络鲁棒性好、学习功能强等优点，克服学习能力弱和容错能力差的缺点。
基于特征学习的自主探测技术。面向无人系统的应用，传统的依赖于先验知识与人类经验的人工很难在线实现，而水声目标与环境的时空起伏特性使得传统基于统计模型的恒虚警自动的方式，很难在复杂多目标环境下获得理想的检测性能。因此，目前研究主要集中在基于特征学习的自主探测技术上，即通过对具有一定规律性的目标和环境特征的自适应学习，在多特征联合概率模型下检测。
例如，对于微弱目标检测，采用跟踪或分类置前检测思想，利用目标方位、幅度、频谱等多维度特征，通过粒子滤波等算法进行基于关联学习，然后根据行为、特征差异性来进行自主探测，从而能够在低信噪比条件下获得高检测概率和跟踪精度。
智能控制技术涵盖了对智能系统内部软硬件平台的智能控制和对外部信息反馈的智能控制等，表现为可以依据事先的规划指令和任务过程中的应变指令进行自主控制，更重要的是其控制系统可以根据对内部和外部的感知信息，结合任务要求，水下机器人厂家排名，自主对路径、规避以及目标等选择做出决策方案。智能AUV系统建立了的运动模型，同时结合了***的控制方法，如深度学习、人工神经网络、粒子群优化算法等实现高机动性和稳定性的目的。
