自主水下機器人在勘探、環境監測和水下檢測等任務中得到廣泛應用。為了保證安全導航，機器人需要理解周圍環境中哪些區域可通行、哪些區域被佔用。俯視圖（BEV）佔用表示可以為此類任務提供直觀的場景描述，但從單一水下RGB圖像預測這種表示並不容易：水下環境光照、散射和有限的感知距離弱化了外觀中的幾何線索，使得純視覺方法難以獲得可靠的深度和空間結構。來自3D成像聲納的幾何測量則能為該任務提供互補的監督信號。
近日發表於arXiv的論文“AquaBEV: Monocular Underwater BEV Occupancy with 3D Sonar Supervision”提出了一隻單目水下佔用預測模型。與依賴多視圖或深度傳感器的方案不同，AquaBEV僅需一張RGB圖像即可預測局部的BEV佔用結果，而在訓練過程中使用成對的3D成像聲納數據作為幾何監督。論文作者包括Trung Tien Dong等4位研究者，論文於2026年9月3日提交至arXiv（編號2609.04411）。
AquaBEV先將視覺特徵映射到無需標定的極座標表示中，再沿距離維度執行因果解碼，最終重建為笛卡爾座標系下的BEV輸出。這種設計避免了對顯式相機標定的依賴，並能為距離與空間結構的推理提供更具結構性的過程。
研究團隊還建立了受控的水下佔用基準，在統一協議下將多種代表性佔用預測方法適配到相同的“RGB到聲納”任務中。實驗結果顯示，AquaBEV在Visible IoU上達到31.4，在Observed IoU上達到38.6，相比最強的遷移基線分別取得4.0%和4.3%的相對提升，表明利用聲納監督可以有效提升單目水下BEV佔用的準確度。該論文的分類為機器人學（cs.RO）與計算機視覺（cs.CV），並已獲得arXiv分配的DOI（https://doi.org/10.48550/arXiv.2609.04411）。