- 现有3D声纳仿真框架主要采用**几何驱动渲染(geometry-driven rendering)**，将声纳近似为**水下LiDAR(underwater LiDAR)**，无法模拟**折射(refraction)**、**多径干扰(multi-path interference)** 和**相位相关信号形成(phase-dependent signal formation)** 等基本声学现象
- 水下机器人领域对复杂的**3D感知(3D perception)** 和**自主导航(autonomous navigation)** 需求日益增长，需要高保真的声纳仿真环境来支撑算法开发
- 当前方法导致仿真结果与真实声纳数据之间存在显著的**模拟到现实差距(sim-to-real gap)**，限制了算法向实际部署的迁移
- 提出**模块化架构(modular architecture)**，将**GPU加速图形引擎(GPU-accelerated graphics engine)** 与**物理声学传播原理(physically grounded acoustic propagation principles)** 相结合
- 在**NVIDIA Isaac Sim** 环境中实现**体积3D声纳模型(volumetric 3D sonar model)**，模拟**Water Linked 3D-15** 传感器特性
- 通过**硬件在环配置(hardware-in-the-loop configuration)** 验证系统，使用**修改后的FastLIO2 SLAM流水线(modified FastLIO2 SLAM pipeline)** 在**NVIDIA Jetson Orin Nano** 上融合**合成3D声纳(synthetic 3D sonar)**、**DVL**、**IMU** 和**压力数据(pressure data)**
- **首创性地** 将**折射(refraction)**、**多径干扰(multi-path interference)** 和**相位形成(phase formation)** 等**声学现象(acoustic phenomena)** 集成到3D声纳仿真中，而非简单视为水下LiDAR
- 提出**模块化架构(modular architecture)**，实现**图形渲染(graphics rendering)** 与**物理声学传播(physical acoustic propagation)** 的灵活耦合，兼顾效率与保真度
- 在**工业级仿真平台(industrial-grade simulation platform)** NVIDIA Isaac Sim中完成传感器建模和集成，并提供了与**真实港口板桩检测数据(real-world harbor sheet-pile inspection data)** 的**定性对比(qualitative comparison)**，明确**模拟到现实差距(sim-to-real gap)** 的成因
- 为水下机器人领域提供了一种**高保真(high-fidelity)** 的3D声纳仿真框架，填补了现有工具在**物理声学建模(physical acoustic modeling)** 方面的空白
- 通过**硬件在环实验(hardware-in-the-loop experiment)** 验证了合成声纳数据在**多传感器融合SLAM(multi-sensor fusion SLAM)** 任务中的有效性
- 系统性地刻画了当前**模拟到现实差距(sim-to-real gap)**，并规划了迈向**完全声学驱动体积传感(fully acoustics-driven volumetric sensing)** 的路线图，为后续研究提供基准