[首發于智駕最前沿微信公眾號]在自動駕駛領域，占據網絡（Occupancy Network，簡稱OCC）一直是近年來的熱點技術。不知道大家在了解占用網絡時，是否會有這么一個想法，那就是既然占據網絡能夠通過空間體素化的方式來感知世界，甚至可以識別那些從未見過的異形障礙物，那它是不是不再需要傳統意義上的數據標注了？事實上，占據網絡不僅沒有取消標注，反而將標注的維度和難度推向了一個新的高度。

為什么占據網絡變得如此重要？

早期的自動駕駛感知主要依賴于目標檢測的邏輯，也就是給攝像頭看到的物體打上標簽并畫上三維邊框，從而實現識別出這是一個行人、一輛轎車或是一棵樹的精準感知。這種方式雖然直觀，但在處理現實世界中千奇百怪的物體時會顯得捉襟見肘。如果路面上掉落了一個形狀奇特的紙箱，或者出現了一輛翻倒的灑水車，系統如果無法將其歸類為已知的物體，就可能視而不見，從而導致感知上的真空。

圖片源自：網絡

占據網絡的出現改變了這種邏輯。它不再糾結于這個物體到底是什么，而是通過將三維空間切分成無數個微小的方塊（稱為體素），來判斷每一個方塊是被物體填滿了還是空閑的。這種從識別物體到感知空間的轉變，讓自動駕駛車輛具備了處理異形障礙物的能力。只要一個空間點被占據，無論它是什么，車輛都會將其視為不可逾越的區域，從而極大地提升了行駛的安全性。

這種技術的進步并不代表模型可以無師自通。模型需要通過海量的數據訓練，才能學會準確判斷空間中的體素是否被占據，以及這些體素代表的物理屬性。因此，占據網絡的底層依然建立在龐大的數據基礎之上，只是標注的形式從二維的框或者三維的框，進化成了更加精細的體素化標簽。

素化的世界還需要人工標注嗎？

既然要訓練模型判斷每一個微小方塊的占據狀態，那么在訓練階段，我們就必須給模型提供一套標準的參考答案。這套答案就是標注數據。在占據網絡框架下，標注工作不再是簡單地在圖片上畫框，而是要對整個三維空間進行語義分割。這意味著每一個體素不僅要標注是否有物體，還要標注這是什么物體。

圖片源自：網絡

這種標注任務的工程量是極其驚人的。如果僅僅依靠人工手動去給三維空間里的每一個方塊點選屬性，效率將低到無法接受。一個場景可能包含數百萬個體素，人工根本無法完成這種精度的作業。因此，占據網絡的數據標注實際上走上了一條半自動化的道路。但這并不意味著人工可以撤出，而是發生了轉變，人工從一線的畫圖員變成了高階的質檢員和規則制定者。

目前的行業主流做法是利用激光雷達（LiDAR）采集的高精度點云數據作為基準，通過算法將點云映射到三維體素網格中，生成初步的占據標簽。激光雷達天生具備深度信息，能夠告訴系統哪里確實有東西。但這還不夠，因為單純的點云并不帶有語義信息。為了讓占據網絡不僅知道那里有東西，還知道那是路面還是車輛，標注員需要通過多幀融合、跨傳感器協同等方式，將語義信息注入到這些體素中。

從二維到三維的數據跨越如何實現？

占據網絡的訓練難點之一在于，大多數車載傳感器，尤其是攝像頭獲取的是二維圖像。如何將二維的像素點與三維的體素標簽對應起來，是標注技術的核心。在這個過程中，標注不再是孤立的一張張照片，而是一段連續的時空序列。通過先進的離線算法，標注系統可以整合車輛行駛過程中的所有傳感器數據，構建出一個完整的三維世界模型。

圖片源自：網絡

在這個預構建的四維時空模型（三維空間加上時間軸）中，物體的運動軌跡、形狀變化都被精確記錄下來。系統會利用這些離線的高精度信息來反哺在線的感知模型。簡單來說，就是我們在實驗室里用最貴的設備、最慢的計算速度生成了一份近乎完美的標準答案，然后要求車上的感知算法在僅有攝像頭輸入的情況下，盡可能去考出接近這份答案的高分。

這種標注方式對數據一致性的要求極高。如果標注過程中出現了時空漂移，或者不同傳感器之間的校準存在偏差，模型就會產生幻覺。因此，占據網絡的標注鏈條中，增加了大量關于傳感器外參標定、多幀時序對齊的自動化處理環節。即便如此，在面對復雜的遮擋關系、雨雪天氣帶來的噪點以及長尾場景時，依然需要經驗豐富的標注專家進行精細化的修正和確認。

自動化標注真的是終點嗎？

隨著大模型和自監督學習技術的發展，占據網絡的標注確實在向著減少人工依賴的方向演進。如通過預測視頻中下一幀的畫面，或者利用物體運動的連續性，模型可以實現一定程度的自我學習，通過計算投影誤差來修正自己的感知。這種自監督的方式可以在一定程度上緩解對昂貴標注數據的依賴，但它目前還無法完全替代高質量的人工真值。

圖片源自：網絡

尤其是在涉及交通法規和特殊語義理解的場景下，機器依然難以捕捉到那些細微但關鍵的信息。如一個被風吹起的塑料袋和一個堅硬的石塊，在早期的占據網絡看來可能都是被占據的體素，但對于駕駛決策來說，兩者的處理邏輯完全不同。這就需要人工標注在語義層面給予模型更深層次的指導，將單純的物理占據提升到具有邏輯判斷的語義感知。

最后的話

占據網絡的普及不但沒有消滅標注行業，反而推動了標注產業的升級。標注公司現在需要具備更強的三維重建能力、更復雜的算法工具鏈以及對自動駕駛長尾場景更深刻的理解。未來的方向并非取消標注，而是讓標注變得更加智能和隱形。通過構建一個能夠自動生成、自動校驗、自動進化的閉環數據體系，占據網絡才能真正發揮出其感知萬物的潛力。