Los Vehículos Submarinos Autónomos (AUVs) desempeñan un papel crítico en la exploración oceánica. Sin embargo, debido a las limitaciones inherentes de la mayoría de los sensores en entornos submarinos, lograr una navegación y localización precisas en escenarios submarinos complejos sigue siendo un desafío significativo. Aunque el SLAM basado en visión proporciona una alternativa rentable para la navegación de AUV, los métodos existentes están diseñados principalmente para aplicaciones terrestres y tienen dificultades para abordar problemas específicos del entorno submarino, como la mala iluminación, la interferencia dinámica y las características escasas. Para abordar estos desafíos, proponemos RAEM-SLAM, un marco robusto y adaptativo de SLAM monocular de extremo a extremo para AUV en entornos submarinos. Específicamente, proponemos un método de Aumento Adaptativo Submarino Guiado por Física (PUAA) que convierte dinámicamente conjuntos de datos de escenas terrestres en imágenes pseudo-submarinas físicamente realistas para el entrenamiento de aumento de RAEM-SLAM, mejorando la generalización y adaptabilidad del sistema en escenas submarinas complejas. También introducimos un Módulo de Atención Semántica-Espacial Residual (RSSA), que utiliza un mecanismo de atención de doble rama para fusionar de manera efectiva la información semántica y espacial. Este diseño permite la mejora adaptativa de las regiones clave de características y la supresión de la interferencia de ruido, lo que resulta en representaciones de características más discriminativas. Además, incorporamos un Bloque de Percepción Local-Global (LGP), que integra detalles locales de múltiples escalas con dependencias contextuales globales para mejorar significativamente la precisión de estimación de pose de AUV en escenas submarinas dinámicas. Los resultados experimentales en conjuntos de datos submarinos del mundo real demuestran que RAEM-SLAM supera a los enfoques de SLAM de última generación al permitir una navegación precisa y robusta para los AUV.