AquaBEV-Nav: 水中ナビゲーションと探査のための学習型BEV占有マップ

- 水中探査ロボット向けの探索フレームワーク AquaBEV-Nav を提案 - 単一 RGB frame から直接 BEV occupancy を予測し、monocular depth estimation を経由しない - CORAL hierarchical exploration framework を基盤とし、depth-based perception front end を AquaBEV に置換 - 得られた occupancy map を CORAL の persistent spatial memory に蓄積 - VLM-based high-level planning と dynamics-aware local trajectory generation に空間情報を提供

- 既存の vision-based underwater exploration は monocular depth 推定→3D unprojection→2D BEV occupancy 蓄積という間接経路に依存 - 水中では scattering と wavelength-dependent attenuation が視覚 cue を劣化させ、monocular depth 推定の信頼性が低下する問題があった - AquaBEV-Nav は明示的な monocular depth estimation を bypass し、直接 BEV occupancy を予測 - これにより水中特有の視覚劣化に対して頑健な認識 front end を実現

- 単一 RGB frame を入力とし、visual features を learned polar representation に写像 - range 次元に沿って causal reasoning を実行 - 中間 depth 予測に依存せず local Cartesian occupancy を再構成 - 生成した occupancy map を CORAL の persistent spatial memory に累積 - 蓄積された空間文脈を VLM-based high-level planning と collision constraints に利用 - dynamics-aware local trajectory generation と統合

- 10 個の simulated reef environments で評価 - 6 種類の occupancy backbones を単一 protocol 下で比較 - 結果: 37.48 structure IoU、53.2 target IoU を達成 - closed-loop coverage 88.95%、collision ゼロを記録

- 要旨からは明示的な議論・限界・失敗事例の記載は不明 - 評価は simulated reef environments に限定されており、実環境での検証については要旨からは不明 - 6 occupancy backbones 間の比較詳細や計算コストについては要旨からは不明

- CORAL hierarchical exploration framework - AquaBEV - monocular depth estimation を用いた既存 underwater exploration systems - VLM-based high-level planning 関連研究 - dynamics-aware local trajectory generation 関連研究