4DR360：4D雷达-相机全场景感知中联合3D检测与占用预测的状态推理

可靠的自动驾驶需要耦合前景物体与密集语义布局的全场景感知。近期，4D毫米波雷达已成为一种稳健且经济的传感器，但其稀疏回波使得雷达-相机融合对于全面的场景理解必不可少。现有的雷达-相机方法主要优化检测，而双任务系统通常以有限的交互解码框和占用。为解决这一差距并推进基于雷达的多任务学习，我们提出\method，一个用于360$^\circ$全场景感知的4D雷达-相机框架，它将语义占用建模为持久场景状态而非终端输出。\method{}遵循跨模态状态推理范式，其中占用状态被建模并通过阶段传播以进行从粗到细的特征聚合。具体来说，状态引导的BEV增强（SBE）增强了帧内BEV表示，而多普勒引导的时间融合（DTF）在更长的时间范围内保留状态证据。在模型之外，我们进一步用基于卫星地图生成的占用标签扩展ManTruckScenes，并将其与OmniHD-Scenes配对，形成统一的跨数据集检测与占用协议。由此产生的实验在统一的雷达-相机多任务评估框架下涵盖准确性、鲁棒性、消融和效率。代码和标签将在录用后发布。