自动驾驶占用网络还需要数据标注吗？

[首发于智驾最前沿微信公众号]在自动驾驶领域，占据网络（Occupancy Network，简称OCC）一直是近年来的热点技术。不知道大家在了解占用网络时，是否会有这么一个想法，那就是既然占据网络能够通过空间体素化的方式来感知世界，甚至可以识别那些从未见过的异形障碍物，那它是不是不再需要传统意义上的数据标注了？事实上，占据网络不仅没有取消标注，反而将标注的维度和难度推向了一个新的高度。

为什么占据网络变得如此重要？

早期的自动驾驶感知主要依赖于目标检测的逻辑，也就是给摄像头看到的物体打上标签并画上三维边框，从而实现识别出这是一个行人、一辆轿车或是一棵树的精准感知。这种方式虽然直观，但在处理现实世界中千奇百怪的物体时会显得捉襟见肘。如果路面上掉落了一个形状奇特的纸箱，或者出现了一辆翻倒的洒水车，系统如果无法将其归类为已知的物体，就可能视而不见，从而导致感知上的真空。

图片源自：网络

占据网络的出现改变了这种逻辑。它不再纠结于这个物体到底是什么，而是通过将三维空间切分成无数个微小的方块（称为体素），来判断每一个方块是被物体填满了还是空闲的。这种从识别物体到感知空间的转变，让自动驾驶车辆具备了处理异形障碍物的能力。只要一个空间点被占据，无论它是什么，车辆都会将其视为不可逾越的区域，从而极大地提升了行驶的安全性。

这种技术的进步并不代表模型可以无师自通。模型需要通过海量的数据训练，才能学会准确判断空间中的体素是否被占据，以及这些体素代表的物理属性。因此，占据网络的底层依然建立在庞大的数据基础之上，只是标注的形式从二维的框或者三维的框，进化成了更加精细的体素化标签。

素化的世界还需要人工标注吗？

既然要训练模型判断每一个微小方块的占据状态，那么在训练阶段，我们就必须给模型提供一套标准的参考答案。这套答案就是标注数据。在占据网络框架下，标注工作不再是简单地在图片上画框，而是要对整个三维空间进行语义分割。这意味着每一个体素不仅要标注是否有物体，还要标注这是什么物体。

图片源自：网络

这种标注任务的工程量是极其惊人的。如果仅仅依靠人工手动去给三维空间里的每一个方块点选属性，效率将低到无法接受。一个场景可能包含数百万个体素，人工根本无法完成这种精度的作业。因此，占据网络的数据标注实际上走上了一条半自动化的道路。但这并不意味着人工可以撤出，而是发生了转变，人工从一线的画图员变成了高阶的质检员和规则制定者。

目前的行业主流做法是利用激光雷达（LiDAR）采集的高精度点云数据作为基准，通过算法将点云映射到三维体素网格中，生成初步的占据标签。激光雷达天生具备深度信息，能够告诉系统哪里确实有东西。但这还不够，因为单纯的点云并不带有语义信息。为了让占据网络不仅知道那里有东西，还知道那是路面还是车辆，标注员需要通过多帧融合、跨传感器协同等方式，将语义信息注入到这些体素中。

从二维到三维的数据跨越如何实现？

占据网络的训练难点之一在于，大多数车载传感器，尤其是摄像头获取的是二维图像。如何将二维的像素点与三维的体素标签对应起来，是标注技术的核心。在这个过程中，标注不再是孤立的一张张照片，而是一段连续的时空序列。通过先进的离线算法，标注系统可以整合车辆行驶过程中的所有传感器数据，构建出一个完整的三维世界模型。

图片源自：网络

在这个预构建的四维时空模型（三维空间加上时间轴）中，物体的运动轨迹、形状变化都被精确记录下来。系统会利用这些离线的高精度信息来反哺在线的感知模型。简单来说，就是我们在实验室里用最贵的设备、最慢的计算速度生成了一份近乎完美的标准答案，然后要求车上的感知算法在仅有摄像头输入的情况下，尽可能去考出接近这份答案的高分。

这种标注方式对数据一致性的要求极高。如果标注过程中出现了时空漂移，或者不同传感器之间的校准存在偏差，模型就会产生幻觉。因此，占据网络的标注链条中，增加了大量关于传感器外参标定、多帧时序对齐的自动化处理环节。即便如此，在面对复杂的遮挡关系、雨雪天气带来的噪点以及长尾场景时，依然需要经验丰富的标注专家进行精细化的修正和确认。

自动化标注真的是终点吗？

随着大模型和自监督学习技术的发展，占据网络的标注确实在向着减少人工依赖的方向演进。如通过预测视频中下一帧的画面，或者利用物体运动的连续性，模型可以实现一定程度的自我学习，通过计算投影误差来修正自己的感知。这种自监督的方式可以在一定程度上缓解对昂贵标注数据的依赖，但它目前还无法完全替代高质量的人工真值。

图片源自：网络

尤其是在涉及交通法规和特殊语义理解的场景下，机器依然难以捕捉到那些细微但关键的信息。如一个被风吹起的塑料袋和一个坚硬的石块，在早期的占据网络看来可能都是被占据的体素，但对于驾驶决策来说，两者的处理逻辑完全不同。这就需要人工标注在语义层面给予模型更深层次的指导，将单纯的物理占据提升到具有逻辑判断的语义感知。

最后的话

占据网络的普及不但没有消灭标注行业，反而推动了标注产业的升级。标注公司现在需要具备更强的三维重建能力、更复杂的算法工具链以及对自动驾驶长尾场景更深刻的理解。未来的方向并非取消标注，而是让标注变得更加智能和隐形。通过构建一个能够自动生成、自动校验、自动进化的闭环数据体系，占据网络才能真正发挥出其感知万物的潜力。

审核编辑 黄宇