自主三维主动建图将重建与动作选择紧密结合：机器人每走一步，都必须更新不完整的地图，并选择下一次最有助于改进地图的观测。在行星表面或地下勘察中，这一闭环尤为关键，因为监督信号往往滞后，运动成本高昂，而且可能无法获得可靠的外部定位。学习型几何补全在此类场景中颇具吸引力。占据模型可以根据局部观测预测未观测到的结构，在完整地图形成之前为感知动作提供指引。
引言
同一个先验也会带来相互耦合的风险。在近期的主动建图系统中，同一张占据图既用于估计候选视点能够看到的预期新增表面，也用于约束无碰撞运动。因此，模型幻觉出的表面可能让机器人把某处误判为信息丰富的目标，阻断原本畅通的自由空间路径，或同时造成这两种后果。当建图系统必须在通信窗口之间自主运行时，面向规划器的几何表示必须能够随着机载证据不断积累而被重新修正。
因此，我们提出这样一个问题：主动建图系统何时应保留学习得到的几何先验，何时又应让累积观测覆盖这一先验？我们采用一个受控的地面三维基准，以分离并研究这一面向规划器的机制。实验并不声称已经在行星外观、退化传感或长时段定位漂移条件下完成验证；相反，我们旨在诊断共享的占据接口，并测试一种面向感知、建图与规划闭环的在线修正规则。
相关工作
我们聚焦于感知与规划之间的这一接口。我们不改变占据模型的架构，而是固定规划器、干预其几何输入，并追踪视点效用与覆盖率的变化。所提出的在线修正层会保留观测稀疏区域中的预测，同时压制那些在多次正常暴露后仍缺乏证据支持的预测。当学习型补全在较长时间的机载自主运行中持续引导动作时，这一接口尤其重要。
面向规划器的占据表示
令呈现给规划器的占据集合与规划器考虑的候选轨迹共同定义共享的规划接口。该接口将渲染得到的预测表面增益与碰撞可行性检验结合起来。
因此，一次占据预测就可能改变目标函数、可行域，或二者同时改变。一个假阳性既可能看起来像尚未覆盖的目标，又可能使原本可通行的路线被判定为不可行；一个假阴性则可能移除有价值的目标，或改变系统对连通性的推断。
这些影响会在闭环中逐步展开。被选中的轨迹决定下一轮 RGB-D 测量内容；这些测量又会更新面向规划器的占据表示与学习型预测；新的面向规划器的几何形状则会改变下一轮规划问题。因此，单步的逐点占据精度无法完整刻画其对后续过程的影响。我们的干预实验测量的是反馈过程展开后的整体结果。
研究发现
首先，离线地面真值标注显示，在学习型规划器选出的两个视点中，幻觉占据分别贡献了渲染增益的 53.5% 和 35.0%。这说明误差已经进入决策信号，而不只是停留在地图质量层面。
这种非单调性与序贯探索的特点一致。局部修正可能重新排列候选轨迹，进而使机器人观测到场景中的另一部分。它可能在早期加快覆盖，却未必提升最终可达表面的数量；也可能移除一个具有误导性的目标，而该目标此前又意外地把机器人引向了附近有用的几何结构。AUC 的地面真值改进与最终覆盖率之间仍存在差距，这进一步表明：即使几何表示得到修正，候选视点布置、可达性和轨迹搜索仍然是限制因素。因此，世界模型除了几何精度外，还需要接受决策层面的评估。
结论
我们的结果表明，在自主主动建图中，应将学习型占据重新理解为一种可修正的规划先验。由于学习型占据同时参与增益估计和碰撞检测，其误差可能改变主动建图系统的观测方向，也可能改变它认为可行的运动方式。受控干预显示，仅凭占据精度无法预测闭环覆盖率。观测门控滤波能够保留有用的几何补全，同时压制那些在多次观测后仍缺乏支持的预测，并在无需重新训练或地面真值的情况下，改善两个针对性的失败案例。
尽管本文评估的是三维主动建图，但让面向规划器的预测始终可被修正，同样适用于主动搜索。Search-TTA 会在搜索过程中利用不确定性加权的在线梯度更新图像编码器，从而细化可能不准确的目标存在性图。它的参数自适应方式不同于我们确定性的、可逆的三维占据门控，但二者都利用累积的任务证据，在后续规划决策前修正预测。我们将主动搜索留作未来工作。
常见问题
学习型占据会给自主主动建图带来什么问题？ 幻觉出的表面可能把机器人引向误导性目标、阻断自由空间路线，或同时造成这两种后果。
观测门控滤波做什么？ 它保留观测稀疏区域中的预测，并压制那些在多次正常暴露后仍缺乏支持的预测。
占据精度能否单独预测闭环覆盖率？ 不能。候选视点布置、可达性、轨迹搜索以及反馈效应同样会影响最终覆盖率。
该方法是否在行星环境中进行了评估？ 没有。实验采用受控的地面三维基准，并未声称已在行星外观、退化传感或长时段定位漂移条件下完成验证。