一句话定义：占用网络（Occupancy Network）是一种把周围三维空间切成无数小方块，并逐个判断“这一格有没有东西”的感知模型。它输出的是几何占用情况，而不是一堆贴着类别的 3D 检测框。
原理：把世界切成乐高
想象你面前有一块大蛋糕，你想知道它内部是什么形状。最笨但最可靠的办法，是把它切成规则的小立方块，然后挨个尝一口：这格是实心的，那格是空的。占用网络做的就是这件事。它把车辆周围的空间划分成规则的三维网格，每个小格子叫一个体素（voxel）。模型接收摄像头、激光雷达（LiDAR）等传感器的输入，把二维图像特征“反投影”回三维空间，最后为每个体素输出一个概率：被占据，还是空的。
更进一步的做法叫语义占用（Semantic Occupancy）：不只回答“有没有”，还回答“是什么”——是路面、是车辆，还是一堆散落的纸箱。
和 3D 检测框的区别
传统感知走的是“检测框”路线：先定义好人、车、自行车等类别，标注员给每个目标套一个 3D 长方体（3D bounding box），模型学着把框回归出来。这条路在标准物体上很准，但现实总有意外：侧翻的卡车、掉在路上的沙发、堆成一片的施工锥桶、伸进车道的树枝。它们要么形状奇怪，要么没被标注过，框套不上，就成了“幽灵障碍物”。
| 维度 | 3D 检测框 | 占用网络 |
|---|---|---|
| 表示形式 | 稀疏的立方体框 | 稠密的三维体素网格 |
| 输出内容 | 类别 + 位置尺寸朝向 | 每格的占据概率（可附语义） |
| 类别依赖 | 强，只认训练过的类别 | 弱，任何形状都表现为“被占” |
| 典型强项 | 标准车辆的精确跟踪 | 异形、未知、堆叠障碍物 |
| 主要代价 | 漏检未标注物体 | 算力与内存开销大，分辨率受限 |
也可以和 BEV（鸟瞰图）对比：BEV 是压扁到地面的二维视图，占用网络保留高度，能区分“桥下能过”和“桥上不能过”。
对从业者和普通人的意义
对做自动驾驶的人来说，占用网络的价值在于把“识别是什么”降级成“这里有没有东西”，从而绕开闭集类别的限制，给规划模块一个可以直接查询的地图：这条轨迹上的体素是不是空的？它天然适合纯视觉方案，因为不需要为每种奇怪物体准备标注框。代价是稠密计算很贵，通常要在分辨率、感知距离和实时性之间做取舍；远处的细小物体也可能被糊成一团。
对普通人来说，它意味着车辆更有可能看见“没被教过的东西”。但要提醒一句：占用网络不是万能护身符，它依然受限于传感器能看多远、模型训练覆盖了多少场景。具体车型用了什么方案、效果如何，以官方页面为准。