GEM-Occ：从视觉几何证据到具身语义占用记忆
本文提出HIOcc层次化室内占用基准和GEM-Occ高斯证据记忆框架，通过将局部几何预测转化为瞬态证据并融合到持久层级记忆中，实现了从单视角到建筑级别的语义占用映射，在多个数据集上提升了预测稳定性与可扩展性。
近日，一篇提交至arXiv的论文（编号2607.05543）提出了GEM-Occ框架，旨在通过视觉几何证据构建具身语义占用记忆。该研究由Hu Zhu等人完成，于2026年7月6日提交。语义占用为具身室内智能体提供结构化的空间记忆，同时表示占用区域、已观测自由空间、未知区域以及物体语义。然而，现有的室内占用基准和方法主要集中在单视图预测或房间级在线感知，忽视了跨连接室内空间的长时序语义映射。
为此，研究者引入了HIOcc——一个层次化室内占用基准，它将ScanNet、ScanNet++和Matterport3D统一为通用的稀疏语义占用格式，同时保留了它们的原生观测几何，包括透视RGB-D帧和全景观测组。HIOcc支持三种互补的评估模式：局部语义占用预测、房间级在线占用映射以及跨连接全景环境的建筑级映射。这一统一格式使得不同数据集之间的公平比较成为可能，并填补了长期语义映射的评估空白。
进一步，研究团队提出了GEM-Occ框架，这是一种用于语义占用映射的高斯证据记忆框架。与将点云作为持久地图状态的方法不同，GEM-Occ将局部视觉几何预测视为瞬态证据，并将其转换为语义高斯占用证据和自由空间射线证据。通过可见性和不确定性感知的因果更新，这些证据被融合到一个持久层次化记忆中。该记忆组织为局部缓存、房间级子图和建筑级图，并可通过高斯到占用投影随时查询。这种设计避免了传统点云地图的累积误差，使得随着探索区域增大，地图仍保持稳定。
在HIOcc上的实验表明，GEM-Occ在局部占用预测、在线地图稳定性、自由空间推理、重访一致性和建筑级可扩展性方面均优于先前的室内占用和基于高斯映射的基线方法。论文共19页，包含6张图，项目页面已公开。该研究涉及机器人学和计算机视觉领域，其基准和框架有望推动室内机器人导航、物体搜索等下游任务的发展，为具身智能体提供更一致的长期空间记忆。