OccPlanner：面向像素目标的占用条件扩散规划器

像素目标导航直接在智能体相机视图中指定目标，但目标像素缺乏度量深度和可通行性信息，给三维目标定位与无碰撞连续规划带来挑战。研究者提出OccPlanner，一种面向目标感知的占用条件扩散规划器，在自我为中心的度量空间中定位像素目标，并依次将目标表征与时间视觉上下文及学习到的局部三维占用特征结合。为大规模提供占用监督，作者引入L3ROcc方法，通过几何重建和基于射线的可见性推理，将单目RGB导航视频转换为机器人中心局部三维占用注释。团队利用InternData-N1训练OccPlanner，并在InternScenes四种未见场景类别及两种目标距离范围的闭环仿真仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身中评估。

在5-8米设置下，OccPlanner将平均成功率从NavDP的20.81%提升至71.55%，在杂乱简单和杂乱困难场景中分别达到86.20%和84.92%。宇树Go2上的真实世界开环实验初步验证了模拟到现实迁移及适应能力。