超额中断率只衡量指向误差的代价
论文的核心数字并不是链路总中断时间。作者先把接收信噪比低于10 dB的任何时刻定义为中断，再减去完美对准系统在同一深度仍会遭遇的中断时长。剩下的就是超额中断率：仿真时间中完全因为波束未命中接收孔径而失去连接的比例。
这一区分很重要，因为深度相关的衰减、湍流和噪声无论发射端瞄准得多好都会削弱链路。以完美跟踪为基准逐回合对比后，该指标只把可避免的、由指向引起的那部分损失归因于学习智能体。无海流条件下平均超额中断率为8.5%，作者将其换算为每个10秒回合中约0.8秒由指向造成的信号丢失。存在洋流引起的漂移时，同一指标升至16.2%。
三维信道模型按深度分层取代均匀假设
早期针对水下光通信指向的强化学习工作大多使用二维空间模型，或把水柱视为均匀介质，无法体现衰减、湍流和噪声随深度的变化。本文构建了一个三维笛卡尔下行链路，发射端AUV位于近水面，接收端AUV可移动，深度沿向下方向取正值，接收端沿离散航路点运动。
信道损耗被分解为衰减、湍流、几何扩展和指向损耗。衰减遵循比尔-朗伯定律，吸收与散射系数取自Haltrin模型，由高斯型叶绿素垂直剖面驱动，可表示纯海水、清澈大洋、近岸或港口条件。湍流被建模为若干离散深度层的级联，每层有各自的闪烁指数，再合并为单一对数正态衰落系数。指向与几何损耗则通过追踪一组复现高斯强度分布的离散光线，并统计落入接收孔径内的光线数量来计算。
智能体在27个离散动作中调整三个角度
控制器并不选择连续的波束方向，而是从27个离散动作中选取，每个动作是增大、保持或减小三个参数的组合：极角指向角、方位指向角和发散角。指向步长为10 mrad，发散步长为1 mrad，因此策略在较粗的指向调整与更精细的波束宽度调整之间权衡。
奖励函数是瞬时信噪比与该深度下最大可达信噪比之比，从而剔除智能体无法控制的深度相关衰减。若失配距离超过波束半径与接收孔径半径之和，接收端捕获不到任何光功率，智能体获得−1的惩罚。由于孔径半径是固定硬件约束而波束半径由智能体控制，加宽波束成为策略维持链路的兜底手段。
无海流时跟踪路径紧贴计划航线
训练在无海流情景使用15,000个回合，在洋流情景使用30,000个回合，每个10秒回合分为100个0.1秒的决策步。接收端轨迹由插值三维随机游走生成，深度限制在1至50米之间，模拟AUV速度为0.6至1.2米/秒。
在一个典型的无海流测试回合中，波束指向路径紧贴接收端轨迹，仅有轻微振荡，作者将其归因于离散步决策过程。在1,500个未见回合上，超额中断率直方图呈正偏态，主峰位于下界，意味着许多回合完全没有跟踪引起的信号丢失。因此8.5%是包含接近完美与低于平均两类回合的分布均值，而非典型单回合数值。
漂移下智能体加宽波束而非精确追赶
当洋流扰动接收端时，其实际路径偏离计划航路点。智能体仍能跟踪漂移目标，作者将此视为环境数据被成功纳入策略的证据。由于持续漂移不断把波束推离孔径，智能体会自主增大波束发散角，使波束随时间变得更弥散。
第三个测试回合展示了良好对准时的相反行为。在2.5秒时失配仍远在接收孔径之内，智能体收窄波束以最大化接收功率，达到−21.82 dBm。约3.5秒后跟踪稳定性下降，智能体转而增大发散角以维持链路。因此该策略并非固定波束宽度，而是在集中与覆盖之间做条件性权衡。
环境历史数据是两个情景的唯一差别
两个情景共享相同的动作空间、奖励函数和信道模型，只在状态向量上不同。无海流智能体观测11个跟踪变量，包括当前与上一时刻接收端位置的球坐标、两个时刻的接收光功率，以及自身的波束参数。
漂移情景把观测空间扩展到24个连续变量，新增13个环境分量：接收端深度、海面高度、昼夜循环编码、3小时和24小时前的水体速度、3小时前的水温和盐度，以及回合时间步。这些数据来自混合坐标海洋模型。两个分支由双塔多层感知机的独立塔处理，作者称其将波束动力学与环境不确定性解耦。超额中断率从8.5%升至16.2%正反映了任务更难：智能体必须同时控制指向、估计洋流引起的漂移并预测接收端的真实位置。
8.5%与16.2%均为仿真结果
两个超额中断率数值都来自仿真回合，而非海上试验。评估覆盖1,500条由三维随机游走生成的未见轨迹，洋流影响取自真实海洋学数据，但链路本身是建模而非实测的。该情景假设两个AUV都知道起始位置和计划航路点，各自携带惯性测量单元估计位置与速度，并通过双向光链路交换状态信息。
共享仿真参数中报告的信道配置使用0.005的叶绿素浓度、530 nm波长和0.2米接收孔径，对应纯海水设定，而非模型同样可以表示的清澈大洋、近岸或港口剖面。读者应把这两个中断百分比视为该仿真配置与这些跟踪条件下的界限，而不是对任意水质或航速都成立的实测性能保证。
8.5%与16.2%之间的差距才是关键
最具决策价值的结果不是其中任何一个数字，而是两者之差。加入未知的洋流漂移后，指向引起的中断大约翻倍，从8.5%升至16.2%，尽管智能体为此多获得13个环境观测和一个专门的处理分支。这一差距量化了当环境不再配合时对准问题还剩多少未解决，也是把该框架与其他方案比较时应关注的数字。
论文自身的表述支持把该结果读作基线策略而非已解决的问题：作者指出智能体学到的是一个基线策略，通过同时控制波束方向和发散角来估计海洋漂移并维持链路可靠性。对于权衡波束控制方法的读者，实际判断阈值因此是：某方法能否在存在漂移时把超额中断率保持在接近无海流的8.5%水平，因为这正是该框架余量最薄的地方。
本文引用的文献
Reinforcement Learning-Based 3D Beam Adaptation for Underwater Wireless Optical Communication with AUVs
一个联合控制波束指向与发散角的深度强化学习智能体，在1,500个未见仿真回合中，以完美对准为基准，将无海流跟踪下的平均超额中断率限制在8.5%，将洋流引起漂移下的平均超额中断率限制在16.2%。