核心观点 - UniOcc是首个面向自动驾驶语义占用栅格构造或预测任务的统一基准框架，融合真实世界与仿真环境的多源数据，统一体素格式与语义标签，并首次引入体素级前后向运动流标注 [1] - UniOcc设计了多项免真值指标，用于衡量物体形状合理性与时序一致性，摆脱了伪标签评估限制 [1] - UniOcc支持多车协同占位预测与推理，推动自动驾驶迈向多模态、泛化能力更强的新阶段 [2] 背景与挑战 - 当前自动驾驶感知研究面临伪标签缺陷、数据割裂、动态信息缺失和多车协同感知缺乏四大挑战 [7][8][10] - 主流数据集缺乏真实占位标注，依赖LiDAR启发式生成的伪标签，仅覆盖可见表面，无法反映真实物体完整形状 [7] - 现有方法多局限于单一数据源，不同数据集间配置、采样率、格式、注释不统一 [8] - 当前三维占位标签通常不包含物体运动信息，模型无法利用运动线索进行预测 [8] - 之前缺乏多车协同占位预测的数据集 [10] 四项关键创新 - 多源数据统一处理：汇聚真实场景和仿真场景数据，统一格式并提供标准化预处理和加载Dataloader [12] - 体素级运动流标注：为每个三维体素标注前向和反向三维速度向量，全面记录物体平移与旋转 [13] - 免真值评估指标：提出免真值评估指标和工具，避免依赖伪标签进行评价 [14] - 支持协同预测能力：涵盖多车协同感知场景，支持多车传感器融合方法 [16] 实验验证 - 引入运动流信息后，OccWorld等3D占位预测模型在nuScenes和Waymo上的mIoU指标均有提高 [18] - 多源联合训练增强跨域泛化能力，在nuScenes和CARLA等多域数据上联合训练OccWorld，mIoU均优于单源训练 [19] - 在模拟多车场景中验证协同优势，CoHFF模型通过多车信息共享对Car类别的IoU达到87.22% [22] 开源与应用价值 - UniOcc支持单帧占位预测、多帧占位预测、多车协同预测和动态分割与跟踪等多种任务 [24] - 提供跨域数据格式、完整流注释、分割跟踪工具和免真值评估指标，简化研究者开发和对比工作 [25] - 为训练和评估多模态/语言模型奠定基础，推动语义占位预测技术发展 [25]