长虹OccPlanner公开：像素点导航成功率从20.81%到71.55%

2026-08-18

2026年8月14日，长虹智能机器人与电子科技大学团队公开OccPlanner技术报告。它把摄像头画面里的一个目标像素，转换成机器人坐标系中的可执行目标，并用局部三维占用信息约束连续轨迹。论文在60个未见过的InternScenes场景、6000个闭环回合中测试；5—8米距离下，四类场景平均成功率由NavDP的20.81%升至71.55%。

核心结论：这项研究值得AR导航关注的不是“机器人已经替人导航”，而是它把屏幕目标、深度、障碍物和连续路径放进同一条推理链；真实世界验证仍是静态办公室里的开环实验，不能直接等同于可商用的室内AR导航系统。

L3ROcc从单目导航视频生成局部占用与轨迹监督。图片来源：OccPlanner论文图2；性质：论文原图

像素点为什么不能直接变成路线

用户在画面中点一下出口，看似已经给出了目标；但一个像素没有米制深度，也不说明前方是否可通行。OccPlanner用8帧224×224 RGB-D历史观测，先编码时间与几何上下文，再预测局部占用体积，最后通过两阶段目标条件机制生成24个未来航点，扩散去噪使用10步。

配套的L3ROcc从单目RGB导航视频重建共享场景几何和相机运动，再通过射线可见性把体素区分为“已占用、已观察自由、未知”。这比简单把深度图当障碍图多了一层关键判断：物体后面没看见的空间不能被误认成空地。

6000次闭环测试究竟说明什么

短距、长距闭环结果及消融实验。图片来源：OccPlanner论文表1、表2；性质：论文原表

事实	结果	边界
60个未见场景、6000回合	5—8米平均SR 71.55%	全部为仿真闭环
杂乱简单/困难场景	SR 86.20%/84.92%	成功定义为停在目标0.5米内
Unitree Go2办公室视频	829样本微调后占用更连贯	仅静态场景、开环、定性证据

结果也有值得冷静看的部分：商业场景5—8米成功率为45.17%，明显低于两类杂乱场景；论文还指出，需要大幅绕行的回合往往失败。消融实验中，基础模型反而得到更好的开环IoU和终点误差，却有更差的闭环成功率，说明“单帧预测好看”并不等于连续导航可靠。

对AR导航项目的真正启发

商场、博物馆和园区的AR导航同样要处理“用户想去哪里”和“眼前能不能走”这两个问题，但还多了楼层、无障碍路线、人流、临时围挡和地图更新。研究中的局部占用思路可用于短程避障和最后几米引导；全局路线仍需要地图、定位与业务规则，不能由局部视觉规划器替代。

视+AR AR导航方案可承接路线、空间锚定与交互设计，EasyAR Mega可用于大空间定位与地图能力评估；若面向景区或场馆，还需结合视+AR数字文旅方案设计内容和运营。论文没有声明与视+AR或EasyAR合作。

FAQ

OccPlanner是室内AR导航产品吗？

不是。它是像素目标机器人导航研究，当前证据主要来自仿真闭环与真实办公室开环实验。

71.55%成功率能用于真实项目承诺吗？

不能。该数字对应论文特定数据、目标距离、场景和成功定义，不代表真实商业场馆的验收结果。

为什么要区分自由空间和未知空间？

因为摄像头没有看到的区域可能藏有障碍；把未知当自由会直接增加碰撞风险。

AR导航能否只靠摄像头完成？

局部视觉能帮助理解障碍和目标，但稳定的场馆级服务通常还需要地图、定位、路线规则与运维更新。