占据

仅依赖传统数据集与封闭类别评测，已经无法衡量下一代开放词汇占据系统的真实能力。

基于监督学习的端到端占据预测方法依然存在瓶颈：它们高度依赖高质量三维占据真值标注，并且在场景发生变化时泛化能力显著下降。

而当前具备高质量占据真值标注的室内具身场景数据集，仍主要局限于基于ScanNet构建的OccScanNet与EmbodiedOcc-ScanNet，数据资源极为稀缺。

然而，现有三维占据预测方法仍高度依赖大规模三维占据标注、语义标注以及精确相机位姿等训练数据。