來自加州大學河濱分校（UC Riverside）、密歇根大學（University of Michigan）、威斯康星大學麥迪遜分校（University of Wisconsin–Madison）、德州農工大學（Texas A&M University）的團隊在 ICCV 2025 發(fā)表首個面向自動駕駛語義占用柵格構造或預測任務的統一基準框架 UniOcc。

UniOcc融合真實世界（nuScenes、Waymo）與仿真環(huán)境（CARLA、OpenCOOD）的多源數據，統一體素（voxel）格式與語義（semantic）標簽，首次引入體素級前后向運動流標注，并支持多車協同占位預測與推理。為擺脫偽標簽（pseudo-label）評估限制，UniOcc 設計了多項免真值（ground-truth-free）指標，用于衡量物體形狀合理性與時序一致性。在多個 SOTA 模型上驗證了其在運動流信息利用、跨域泛化和協同預測方面的顯著優(yōu)勢。

UniOcc 已全面開源，支持占位預測、長時序預測、動態(tài)追蹤等多種任務，致力于構建標準化的感知研究平臺，推動自動駕駛邁向多模態(tài)、泛化能力更強的新階段。

• 論文標題：UniOcc: A Unified Benchmark for Occupancy Forecasting and Prediction in Autonomous Driving
• 論文鏈接： https://arxiv.org/abs/2503.24381
• 項目主頁： https://uniocc.github.io/
• 代碼開源： https://github.com/tasl-lab/UniOcc
• 數據集下載：
• Hugging Face: https://huggingface.co/datasets/tasl-lab/uniocc
• Google Drive: https://drive.google.com/drive/folders/18TSklDPPW1IwXvfTb6DtSNLhVud5-8Pw?usp=sharing
• 百度網盤: https://pan.baidu.com/s/17Pk2ni8BwwU4T2fRmVROeA?pwd=kdfj 提取碼 kdfj

背景與挑戰(zhàn)

占用柵格（3D Occupancy Grid）是自動駕駛感知的重要方向，旨在從傳感器數據構造或預測（Prediction and Forecasting）三維占用格柵。然而當前研究面臨諸多挑戰(zhàn)：

偽標簽缺陷：主流數據集（如 nuScenes、Waymo）缺乏真實占位標注，只能依賴 LiDAR 啟發(fā)式生成的偽標簽。這些偽標簽通常僅覆蓋可見表面，無法反映真實物體的完整形狀，導致訓練出的模型結果欠佳，且使用傳統 IoU 等指標無法發(fā)現此類問題。Figure 3 展示了Occ3D偽標簽的缺失形狀與模型預測的對比。

數據割裂：現有方法多局限于單一數據源，不同數據集間配置、采樣率、格式、注釋不統一，訓練和評估都需分別適配。為此迫切需要統一格式和工具鏈來跨數據集訓練和測試，提高模型泛化能力。

動態(tài)信息缺失：當前三維占位標簽通常不包含物體運動信息，模型無法利用運動線索進行預測。與以往單個物體層面（Object-level）的運動流（Occupancy Flow）不同，UniOcc 首次在占位數據中提供體素級（Voxel-level）的三維運動流標注（對比如下圖），可以捕捉物體的平移和旋轉信息，從而增強對動態(tài)場景的建模。

協同駕駛：盡管多車協同感知是前沿方向，之前缺乏多車協同占位預測的數據集。UniOcc 基于 OpenCOOD 擴展了多車場景，成為首個支持多車協同占位預測的開放基準。

UniOcc的四項關鍵創(chuàng)新

多源數據統一處理：UniOcc 匯聚了真實場景（nuScenes、Waymo）和仿真場景（CARLA、OpenCOOD）的數據，統一格式并提供標準化的數據預處理和加載 Dataloader。這是首個將多個占位數據源集成在同一個框架下的工作，使得研究者可以 “開箱即用” 地進行跨域訓練和評估 （Table 1）。

體素級運動流標注：UniOcc 為每個三維體素同時標注了前向和反向三維速度向量，全面記錄物體的平移與旋轉。這種體素級運動流標注是占位預測領域首次提出的創(chuàng)新，有助于模型更好地捕捉場景中的動態(tài)變化（Figure 2）。

免真值評估指標：UniOcc 提出了免真值的評估指標和工具，避免只依賴偽標簽進行評價。通過學習真實物體尺寸分布的高斯混合模型（GMM）等方法，UniOcc 可以在無完美標簽的情況下定量評估預測合理性。在時間維度上，UniOcc 提供的工具可以對連續(xù)幀中同一物體及背景的 Voxel 分別進行提取和對齊，實現了對于時序一致性的評估（Figure 4）。

支持協同預測能力：通過擴展 OpenCOOD 框架，UniOcc 涵蓋了多車協同感知場景，使得研究者可以探索多車傳感器融合的方法。

實驗驗證

引入運動流信息：將 UniOcc 提供的體素運動流輸入OccWorld等 3D 占位預測模型后，預測性能顯著提升。Table 3 中可見，在 nuScenes 和 Waymo 上加入流信息后，各類別的 mIoU 指標均有提高。

多源聯合訓練：利用多源數據進行訓練可增強跨域泛化能力。Table 4 顯示，在 nuScenes 和 CARLA 等多域數據上聯合訓練 OccWorld，其在各自測試集上的 mIoU 均優(yōu)于單源訓練，詳見 Table 4 中 不同訓練源組合下的性能。與此同時由于從 CARLA 獲得的占用柵格外形接近完美，不存在偽標簽中的不完整問題，訓練中加入 CARLA 數據提高了生成物體的真實性（Figure 5）。

驗證現有 Occupancy 預測模型的質量：在 Table 5 中，作者使用 UniOcc 對 Cam4DOcc 和 CVTOcc 的生成質量進行了度量并且使用 UniOcc 可以對如 Figure 3 的不完整預測進行歸類分析（Problem Cluster）。

協同預測效果：在模擬的多車場景中驗證了協同優(yōu)勢。以CoHFF模型為例，在 OpenCOOD 多車數據上進行測試時，通過多車信息共享對 Car 類別的 IoU 達到了 87.22%，驗證了協同感知能夠擴展視野、減輕遮擋的潛力。

開源與應用價值

UniOcc 框架設計統一，可支持多種占位相關任務，包括：

• 單幀占位預測：從當前相機 / 激光雷達數據估計當前時刻的 3D 占位格 （如 CVTOcc）；
• 多幀占位預測：基于歷史信息預測未來時刻的三維占位（如 OccWorld）；
• 多車協同預測：在多車共享感知信息下完成占位預測，提升覆蓋范圍 （如 CoHFF）；
• 動態(tài)分割與跟蹤：利用體素級流信息進行動態(tài)目標的分割與跟蹤。UniOcc 還包含體素分割和跟蹤工具，使得研究者可以直接在占位格空間中進行目標識別和跨幀關聯。

總結與展望

UniOcc 作為首個自動駕駛占位預測統一基準，將推動行業(yè)從依賴偽標簽的階段邁向真正的統一評估體系。它提供了跨域的數據格式、完整的流注釋、分割跟蹤工具和免真值評估指標，極大簡化了研究者的開發(fā)和對比工作。未來，隨著多模態(tài)和大型模型在自動駕駛中的興起，UniOcc 統一的占位–圖像數據為訓練和評估多模態(tài) / 語言模型奠定了基礎。期待基于 UniOcc 的數據和工具，能夠涌現出更多創(chuàng)新算法，加速語義占位預測技術向前發(fā)展。