自动驾驶

Topological Navigation of Simulated Robots using Occupancy Grid

Richard Szabo

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO、cs.AI

Journal ref International Journal of Advanced Robotic Systems, ISSN 1729-8806, Volume 1, Number 3 (2004), pp.201-206

RTAB-Map as an Open-Source Lidar and Visual SLAM Library for Large-Scale and Long-Term Online Operation

Mathieu Labbé, François Michaud

专题命中 BEV与占用 ：LiDAR(title,abstract)；分类 cs.RO

Comments 40 pages, 19 figures

Journal ref M. Labbé and F. Michaud, RTAB-Map as an Open-Source Lidar and Visual SLAM Library for Large-Scale and Long-Term Online Operation, in Journal of Field Robotics, vol. 36, no. 2, pp. 416-446, 2019

Multi-Scale Occ: 4th Place Solution for CVPR 2023 3D Occupancy Prediction Challenge

Yangyang Ding, Luying Huang, Jiachen Zhong

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

Comments The 4th place solution report for CVPR 2023 3D Occupancy Prediction Challenge

Vision-Centric BEV Perception: A Survey

Yuexin Ma, Tai Wang, Xuyang Bai, Huitong Yang, Yuenan Hou, Yaming Wang, Yu Qiao, Ruigang Yang, Dinesh Manocha, Xinge Zhu

专题命中 BEV与占用 ：BEV(title,abstract)；分类 cs.CV

Comments project page at https://github.com/4DVLab/Vision-Centric-BEV-Perception; 22 pages, 15 figures

BEV-Seg: Bird's Eye View Semantic Segmentation Using Geometry and Semantic Point Cloud

Mong H. Ng, Kaahan Radia, Jianfei Chen, Dequan Wang, Ionel Gog, Joseph E. Gonzalez

专题命中 BEV与占用 ：BEV(title,abstract)；分类 cs.CV；autonomous driving(comments)

Comments Accepted into CVPR 2020 Workshop Scalability in Autonomous Driving by Waymo

Occupancy Networks: Learning 3D Reconstruction in Function Space

Lars Mescheder, Michael Oechsle, Michael Niemeyer, Sebastian Nowozin, Andreas Geiger

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

Comments To be presented at CVPR 2019. Supplementary material and code is available at http://avg.is.tuebingen.mpg.de/publications/occupancy-networks

Bayesian inference on beta diversity via feature allocation models with imperfect detection

基于含不完美检测的特征分配模型的贝塔多样性贝叶斯推断

Federica Stolf, Tommaso Rigon, David B. Dunson

专题命中 BEV与占用 ：occupancy(summary_cn,abstract)

AI总结 针对含不完美检测的物种出现数据，提出结合潜在特征分配模型与基于 occupancy 的检测机制的贝叶斯特征分配模型，实现贝塔多样性的有效推断，模拟与真菌数据应用验证其性能提升。

Which Green Technology to Subsidize? Evidence from Electric Vehicles in South Korea

补贴哪项绿色技术？来自韩国电动汽车的证据

Youngjin Hong, In Kyung Kim, Frank Verboven

专题命中 BEV与占用 ：BEV(summary_cn,abstract)

AI总结 研究构建框架比较补贴替代减排技术有效性，应用于韩国乘用车市场，发现将补贴从BEV重分配给HEV可额外减排47%，在特定条件下BEV补贴才更优，表明当前HEV补贴更有效。

Privacy-Preserving Filtering for Event Streams

事件流的隐私保护过滤

Jerome Le Ny

专题命中 BEV与占用 ：occupancy(summary_cn,abstract)

AI总结 本文提出一种在多输入多输出系统中实现差分隐私保护的方法，通过优化零强迫均衡机制的扩展形式，用于实时发布用户活动统计数据，以实现对建筑内occupancy的隐私保护监控与预测。

Comments This version subsumes both the previous version and arXiv:1304.2313

Segment, Lift and Fit: Automatic 3D Shape Labeling from 2D Prompts

Jianhao Li, Tianyu Sun, Zhongdao Wang, Enze Xie, Bailan Feng, Hongbo Zhang, Ze Yuan, Ke Xu, Jiaheng Liu, Ping Luo

专题命中 BEV与占用 ：autonomous driving(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV、cs.AI

Comments Accepted to ECCV 2024

OccPlanner: Goal-Aware Occupancy-Conditioned Diffusion Planner for Pixel-Goal Navigation

OccPlanner：面向像素目标导航的目标感知占用条件扩散规划器

Binling Huang, Nianjin Ye, Xi Yang, Liang Hu, Zhou Huang, Shuang Wei, Longrui Yang, Yanchi Chen, Lanpeng Jia

机构 * Changhong Intelligent Robot（长虹智能机器人） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO

AI总结 该研究针对像素目标导航的3D目标定位与无碰撞规划难题，提出OccPlanner模型，引入L3ROcc生成监督，在仿真中大幅提升导航成功率，还验证了其仿真到真实的迁移适配性。

Comments Technical report. 11 pages, 6 figures, and 2 tables

OccAnyScene: Towards Unified Indoor-Outdoor 3D Occupancy Prediction

OccAnyScene：面向统一的室内-室外三维占用预测

Junjie Liu, Wanshui Gan, Zitong Dai, Guiping Cao, Yan Li, Ke Chen, Dongmei Jiang, Xiangyuan Lan, Jianguo Zhang

机构 * SuSTech（南方科技大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； HITSZ（哈尔滨工业大学深圳校区） ； Pengcheng Laboratory（鹏城实验室） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 该研究提出跨场景三维语义占用预测新任务，构建OccAnyScene框架实现室内外场景统一三维占用预测，在Occ-ScanNet和SurroundOcc-nuScenes数据集上取得最优mIoU结果。

Comments Corrected a typo in the title; manuscript unchanged

Signature-Guided Capacity Occupancy for Dense Expert Merging

签名引导的容量占用用于密集专家合并

Lingching Tung, Chi-Jui Kim, Beicheng Xu, Yuchen Wang, Bin Cui

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.AI

AI总结 针对密集专家合并的跨专家冲突容量分配等问题，提出SigMerge框架，在21种配对设置中优于三类基线合并方法，平均提升15.0%且获最佳平均排名。

Comments 31 pages, 20 figures

YouTube-Occ: Learning Indoor 3D Semantic Occupancy Prediction from YouTube Videos

YouTube-Occ：从YouTube视频学习室内3D语义占据预测

Haoming Chen, Lichen Yuan, TianFang Sun, Jingyu Gong, Xin Tan, Zhizhong Zhang, Yanyun Qu, Yuan Xie

机构 * East China Normal University（华东师范大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 针对室内3D语义占据预测数据稀缺的问题，提出YouTube-Occ框架，通过自动化数据流水线与双对齐预训练策略，在NYUv2等基准上实现性能提升，代码数据将公开。

Comments Accepted by ECCV 2026

Group-wise Supervision with Focal-Dice Loss for Long-Tailed Indoor Semantic Occupancy Prediction

用于长尾室内语义占用预测的分组监督与焦点-骰子损失

Qi Zheng, Zihuang Su, Xiao Pan

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； Guangdong Key Laboratory of Intelligent Information Processing（广东省智能信息处理重点实验室） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 针对室内语义占用预测的长尾类别瓶颈，提出Group-UFD Occ方法，通过分组策略与UFD损失优化，在EmbodiedScan数据集上较基线实现11.38%相对提升，长尾类别精度显著提高。

Comments 8 pages, 2 figures

InterOCF: Spatio-Temporal 2D-3D Interaction for Camera-Only 4D Occupancy Forecasting

InterOCF：用于仅相机4D占用预测的时空2D-3D交互

Qi Zhang, Xinquan Yu, Kaiyi Zhang, Hui Huang

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件学院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究针对仅相机4D占用预测中输入多视图帧间时空建模不足问题，提出InterOCF框架，通过联合建模3D体素表示和多视图分割序列中的时间动态，并纳入2D与3D分支特征交互，实验证明其性能优于现有方法。

Comments 12 pages, 7 figures

Learning Adaptive Semantic Gaussian Allocation for 3D Occupancy

学习用于3D占用的自适应语义高斯分配

Kanglin Ning, Yiran Zhao, Wenrui Li, Houde Quan, Qifan Li, Xingtao Wang, Xiaopeng Fan

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究3D语义占用预测中高斯表示的分配问题，提出语义高斯分配变换器（SAGFormer），利用高斯属性和局部几何语义特征评分选高斯，实验表明该方法能改进占用预测，使高斯表示更优，显式容量分配是有用补充。

Household Movement Detection in Mixed-Format Occupancy Data Using LLM-Based Entity Resolution

使用基于大语言模型的实体解析在混合格式居住数据中进行家庭移动检测

Sasirekha Oguri, John R. Talburt, Mert Can Cakmak

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.AI

AI总结 研究在混合格式居住数据中检测家庭移动相关间接实体链接的问题，核心方法是集成基于提示的LLM命名实体识别、语义文本嵌入和基于图的推理，主要贡献是提高召回率和F1分数。

Comments Computer Science & Information Technology (CS & IT) ISSN : 2231 - 5403, Volume 16, Number 10, May 2026

VGOcc: Learning Visual-Geometric Gaussians for Vision-Centric 3D Driving Occupancy Prediction

VGOcc：学习视觉几何高斯用于以视觉为中心的3D驾驶占用预测

Junhong Lin, Xianda Guo, Kangli Wang, Yuqi Ye, Xiaoyu Liang, Yanlun Peng, Wei Gao

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究仅视觉3D驾驶占用预测问题，提出VGOcc方法，通过从基础模型学习视觉和几何线索，纳入高斯建模的初始化与细化，实现高效语义占用预测，在nuScenes实验中达最优性能。

OGM-CBF: Occupancy Grid Map-based Control Barrier Function for Safe Mobile Robot Control with Memory of out of View Obstacles

OGM-CBF：基于占用网格地图的控制屏障函数用于具有视 out of View 障碍物记忆的移动机器人安全控制

Golnaz Raja, Miloš Prágr, Topi Reino Johannes Kärki, Teemu Mökkönen, Reza Ghabcheloo

机构 * Faculty of Engineering and Natural Sciences, Tampere University（坦佩雷大学工程与自然科学学院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO

AI总结 本文提出OGM-CBF方法，结合占用网格地图与控制屏障函数，解决移动机器人在未知环境中对已离开视野的障碍物记忆问题，提升安全性。

Comments Submitted to IROS 2026

FDR-Occ: Factorized Dense Routing for Full-Spectrum 3D Occupancy Prediction

FDR-Occ：用于全光谱3D占用预测的因子分解密集路由

Dubing Chen, Huan Zheng, Tianyi Yan, Yucheng Zhou, Runzhou Tao, Zhongying Qiu, Jianfei Yang, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学物联网与智慧城市国家重点实验室、计算机与信息科学系） ； Chongqing Afari Intelligent Drive Co., Ltd.（重庆阿法里智能驾驶有限公司） ； Geely Automobile Research Institute (Ningbo) Co., Ltd.（吉利汽车研究院（宁波）有限公司） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究基于视觉的3D占用预测，将视图变换抽象为无约束二分路由并提出因子分解密集路由（FDR），引入分辨率-上下文解耦架构，实验表明该框架性能优，在未校准设置中结构稳健性强。

Comments ECCV 2026

Sparse-Aware Vector Quantization for Bandwidth-Efficient Collaborative 3D Semantic Occupancy Prediction

稀疏感知向量量化用于带宽高效的协作3D语义占据预测

Feng Li, Chaokun Zhang, Gong Chen

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； School of Cybersecurity, Tianjin University（天津大学网络空间安全学院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出稀疏感知向量量化（SAVQ）机制，利用3D场景稀疏性压缩编码信息区域，大幅降低通信开销同时保持几何完整性，并设计双分支自适应空间细化模块增强结构一致性，实现高达82倍通信量减少。

Comments Accepted by ECCV26

Bridging 3D Gaussians and Semantic Occupancy for Comprehensive Open-Vocabulary Scene Understanding from Unposed Images

桥接3D高斯与语义占据：从无位姿图像实现开放词汇的全面场景理解

Hu Zhu, Bohan Li, Xianda Guo, Yanlun Peng, Zheng Zhu, Xin Jin, Wenjun Zeng, Chang Wen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology（东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； Great Wall Motor（长城汽车） ； Tsinghua University（清华大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（东方理工大学宁波数字孪生研究院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出COVScene框架，通过可微体积提升将可渲染高斯原语与密集语义占据场耦合，实现无位姿图像下的新颖视图合成、开放词汇语义查询和语义占据预测。

Comments Hu Zhu, Bohan Li, and Xianda Guo contributed equally. Corresponding author: Wenjun Zeng

OSCAR: Occupancy-based Shape Completion via Acoustic Neural Implicit Representations

OSCAR: 基于占用率的声学神经隐式表示形状补全

Magdalena Wysocki, Kadir Burak Buldu, Miruna-Alexandra Gafencu, Mohammad Farid Azampour, Nassir Navab

机构 * Chair for Computer Aided Medical Procedures (CAMP) Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序教席（CAMP）） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； Konrad Zuse School of Excellence in Reliable AI (relAI)（康拉德·楚泽可靠人工智能卓越学校（relAI）） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出基于占用率的形状补全方法，利用声学神经隐式表示从部分超声观测中重建完整3D解剖结构，无需标签，在HD95指标上优于现有方法80%。

Toward Parking Spot Occupancy Recognition: A Self-Supervised Approach

面向停车位占用识别的自监督方法

Luan Marko Kujavski, Rayson Laroca, Paulo Lisboa de Almeida

机构 * Federal University of Paraná（巴拉那联邦大学） ； Pontifical Catholic University of Paraná（巴拉那天主教大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出一种无需目标停车场标签的自监督方法，通过两阶段自监督训练和微调，在三个公开数据集上平均准确率达97.2%，两阶段策略进一步提升至97.8%。

Comments Accepted for presentation at the 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC 2026)

Streaming Dense Voxel Representations for 3D Occupancy Prediction

用于3D占用预测的流式密集体素表示

Seokha Moon, Janghyun Baek, Yujin Jeong, Daewon Chae, Giseop Kim, Jungbeom Lee, Jinkyu Kim, Sunwook Choi

机构 * 1 Korea University 2 TU Darmstadt \& hessian.AI 3 University of Michigan 4 DGIST 5 NAVER LABS 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出StreamOcc框架，通过两种聚合策略解决密集体素流式处理中的扭曲和动态对象退化问题，在实时约束下实现SOTA性能。

Comments Accepted at ECCV 2026

Occ-VLM: Occupancy Grounded Vision Language Model for Indoor Scene Understanding

Occ-VLM: 面向室内场景理解的占用接地视觉语言模型

Jianing Li, Zhou Fang, Yijiang Liu, Li Du

机构 * School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出Occ-VLM，仅用姿态RGB图像和单一2D视觉编码器，通过重建3D占用作为几何先验，实现统一的3D场景理解，在占用预测、3D VQA和密集描述任务上达到领先水平。

OccAny: Generalized Unconstrained Urban 3D Occupancy

OccAny: 广义无约束城市3D占据预测

Anh-Quan Cao, Tuan-Hung Vu

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出首个广义无约束城市3D占据模型OccAny，通过分割强制和新视图渲染技术，在无标定场景下实现度量占据预测与分割特征完成，跨域泛化优于视觉几何基线。

Comments Accepted to CVPR 2026. Project page: https://valeoai.github.io/OccAny/

Information-Preserving Continuous Occupancy Mapping with Variance-Weighted Submap Joining

基于方差加权子图拼接的信息保持连续占据地图构建

Zhuhua Bai, Yingyu Wang, Liang Zhao, Shoudong Huang

机构 * University of Technology Sydney（悉尼科技大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO

AI总结 提出首个连续概率子图拼接框架，通过信息保持稀疏贝叶斯公式压缩观测数据为充分统计量，联合优化子图位姿与全局占据场，实现高精度位姿估计与全局一致性地图。

Comments 12 pages, 7 figures

VEOcc: Voxel-Centric Online Semantic Occupancy Prediction For Embodied Scene Understanding

VEOcc：面向具身场景理解的体素中心在线语义占用预测

Ruoyu Wang, Yong Liu, Sheng Tao, Yuhang Lin, Yukai Ma

机构 * Institute of Cyber-Systems and Control（控制系统研究院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出一种基于体素的递归感知-同化框架VEOcc，通过时空感知在线更新策略实现无需初始尺度估计的高效、鲁棒语义占用预测，在局部和具身场景中达到最先进性能。