【深圳无人驾驶汽车，第一次坐，又怂又新奇-哔哩哔哩】 ↗

算法层面的升级才是最重要的部分。
1. Occupancy Network 3.0，体素分辨率提升 8 倍
不再只是识别 “车道、墙、车” 这类物体标签；它把空间切成大量细小 3D 立方体（voxel），预测每一个空间格子是不是被实体物质占用。

- 壁画区域：图像看着像门洞，但体素重建发现门洞图案后面依然是连续实心墙体；
- 模型看到：这个 “门洞” 只是画在障碍物表面的纹理，不是空间里挖空的通道。

2. 时序 Transformer + 10–15 秒长期空间记忆（Temporal Persistence）V13 不再只看孤立快照。车辆一边前进，持续用连续多帧视频不断重建、校验三维空间：
真实三维物体，随着车靠近，轮廓、视差、遮挡关系会按物理规律变化；
2D 平面壁画：无论车辆怎么靠近，图案本身不会产生真实 3D 物体的视差变化，时序校验直接识别这是平面贴图幻觉。

3. 训练目标变化：增加物理一致性约束。
V13 网络训练更强调空间物理合理性，不只是识别图片里像什么；会判断 “这个空间能不能穿透、是否存在实体阻挡”，而不是单纯依赖车道 / 道路语义特征。
所以即便画面画了逼真的路，只要体素重建判断前方是实心墙，就会判定不可通行，提前减速刹停。