内容摘要
室内探索中的单次观测往往不完整且存在不确定性，如何在离开视野、再次到访后保留并修正空间认知，是持续建图的问题。作者提出GEM-Occ，将连续观测转化为持久语义占据记忆。
其核心是联合存储占据语义高斯与自由空间射线证据：按置信度融合支持性观测，用可见空域修正矛盾占据，但不把遮挡当作结构消失；再以空间子图和建筑级连通图组织记忆。作者同时构建HIOcc，统一局部预测、房间级在线建图和建筑级建图的语义标签与评测框架。
作者报告，在Matterport3D建筑级实验中，各变体使用相同的已训练预测器和监督；相较平铺高斯记忆，GEM-Occ的语义mIoU由43.1升至46.7，重访一致性由80.8升至86.2；单位探索面积内存由1.36降至0.81 MB/m²，稠密占据查询延迟由49.5降至33.8毫秒。
这些结果限于提供相机位姿、固定语义类别的静态室内评测；查询延迟不是处理新观测的完整耗时，不能据此外推导航或操作能力。
点评
该研究将“支持、矛盾与遮挡”区分处理，为兼顾持续占据记忆质量与存储、查询成本提供了作者实验依据。
证据为作者论文，非独立复现。建筑级预测器在Matterport3D上训练，不构成透视到全景的零样本迁移验证；代码、权重及相关脚本在文中仍为承诺发布。
版本与核查范围
版本 2607.05543v2 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#S1.p1.1；#S1.p3.1；#abstract1.1；#S5.SS0.SSS0.Px4.p1.1；#S5.SS0.SSS0.Px4.p1.1；#S5.SS0.SSS0.Px4.p2.1；#A1.SS2.p2.1；#A1.SS3.SSS0.Px1.p1.1；#S6.SSx2.p1.1