- VIS-OCCANY // W7
- Python 实现
- ANIMA
VIS-OCCANY
在从未到过的地方，依然准确的 3D 占据预测
部署到新城市、新地形或新战区的自主车辆与机器人平台，会因分布偏移而失效。在欧洲城市环境训练的 3D 占据模型会误读中东城市；在高速公路上训练的模型对非结构化路口毫无概念。为每个新部署战区重新训练，在作战上并不可行。VIS-OCCANY（代号：Izanagi）实现 OccAny（CVPR 2026，arXiv:2603.23502），一个专为零样本泛化设计的通用无约束 3D 占据预测模型。
模块状态: 生产就绪零样本迁移
PROD
- 部门
- 通用
- 波次
- W7
- 领域
- 通用
- 第7波 // ANIMA 套件
- 基础层 — VIS-OCCANY
我们解决的问题
部署到新城市、新地形或新战区的自主车辆与机器人平台，会因分布偏移而失效。在欧洲城市环境训练的 3D 占据模型会误读中东城市；在高速公路上训练的模型对非结构化路口毫无概念。为每个新部署战区重新训练，在作战上并不可行。
部署到新战区的自主地面车辆与机器人，从第一天起就能生成准确的 3D 占据地图——无需耗时数周、且依赖本地标注数据（而这类数据根本不存在）的重训周期。
VIS-OCCANY 提供什么
VIS-OCCANY（代号：Izanagi）实现 OccAny（CVPR 2026，arXiv:2603.23502），一个专为零样本泛化设计的通用无约束 3D 占据预测模型。OccAny 不学习特定城市或特定传感器的先验，而是学习与场景无关的占据表示，无需微调即可跨环境迁移。
能力
- 实现 OccAny（CVPR 2026，arXiv:2603.23502），一个专为零样本泛化设计的通用无约束 3D 占据预测模型
- 不学习特定城市或传感器的先验，而是学习与场景无关的占据表示，无需微调即可跨环境迁移
- CUDA、MLX 与 CPU 后端支持从数据中心到边缘的部署，无需改动代码。
为什么这很难
构建 VIS-OCCANY 需要解决多个耦合问题：
- 01部署到新城市、新地形或新战区的自主车辆与机器人平台，会因分布偏移而失效
- 02在欧洲城市环境训练的 3D 占据模型会误读中东城市；在高速公路上训练的模型对非结构化路口毫无概念
- 03实现 OccAny（CVPR 2026，arXiv:2603.23502），一个专为零样本泛化设计的通用无约束 3D 占据预测模型
- 04不学习特定城市或传感器的先验，而是学习与场景无关的占据表示，无需微调即可跨环境迁移
VIS-OCCANY 通过精心的架构设计和严格的验证来解决这些问题。
用数据说话
关键性能指标：
| 指标 | 数值 |
|---|---|
| 零样本迁移 | 无需域适配或重新训练，即可泛化到未见过的环境 |
| 后端覆盖 | CUDA + MLX + CPU——同一个模型文件，从云服务器到 Jetson Orin 都能运行 |
| 学术认可 | CVPR 2026——安全关键感知任务通过顶级同行评审 |
| 防务价值 | 在陌生战区首日即可完成占据建图；前沿部署的 UGV 与 UAV 无需任务前数据采集即可感知 |
已构建的功能
| 组件 | 状态 | 说明 |
|---|---|---|
| 零样本迁移 | 已完成 | 无需域适配或重新训练，即可泛化到未见过的环境 |
| 后端覆盖 | 已完成 | CUDA + MLX + CPU——同一个模型文件，从云服务器到 Jetson Orin 都能运行 |
| 学术认可 | 进行中 | CVPR 2026——安全关键感知任务通过顶级同行评审 |
| 防务价值 | 进行中 | 在陌生战区首日即可完成占据建图；前沿部署的 UGV 与 UAV 无需任务前数据采集即可感知 |
VIS-OCCANY 部署场景
- APP_01
自主系统
部署到新战区的自主地面车辆与机器人，从第一天起就能生成准确的 3D 占据地图——无需耗时数周的重新训练周期，也无需依赖并不存在的本地采集标注数据。
- APP_02
研究实验室
VIS-OCCANY（代号：Izanagi）实现 OccAny（CVPR 2026，arXiv:2603.23502），一个专为零样本泛化设计的通用无约束 3D 占据预测模型。
- APP_03
边缘计算
CVPR 2026 占据模型，在未见过的环境中预测完整 3D 体素占据——零样本，无需域适配。