下面我给出一份**“机器人感知技术十年演进（2015→2025）”**的系统化深度分析。重点不是列算法名称，而是解释：感知的表征范式、系统架构、数据闭环与工程落地能力如何迁移。这是移动机器人、自动驾驶、具身智能共同的技术主线。

一句话总纲：
2015：感知=检测障碍（Obstacle Detection）
2020：感知=理解环境（Scene Understanding）
2025：感知=构建可决策世界模型（Actionable World Model）

也就是说，感知从“看见物体”，演进为“构建决策所需的空间、语义与风险统一表征”。

---

1) 十年三段式范式迁移：Object Detection → Scene Understanding → World Model

---

1.1 2015–2017：障碍检测时代（Object-centric Perception）

核心目标：避免撞东西

典型输出：

Obstacle list:
  - position (x, y)
  - size

典型技术：

• 2D LiDAR obstacle detection
• clustering + filtering
• occupancy grid mapping
• 简单视觉检测（HOG/SVM 或早期CNN）

架构：

Sensors → Filter → Obstacle Detection → Planner

特点：

• 感知目标是“障碍”
• 不理解语义（人/车/墙区别不大）
• 不理解动态意图

瓶颈：

• 无法应对复杂动态环境
• 无法预测交互
• 无法支持复杂决策

---

1.2 2018–2021：场景理解时代（Scene-centric Perception）

核心目标：理解“环境结构”

感知输出升级为：

Objects:
  - class (car, pedestrian, pallet)
  - position
  - velocity

Map:
  - drivable area
  - lanes

关键技术突破：

深度学习全面主导感知

典型模型：

• Faster R-CNN
• YOLO系列
• Mask R-CNN
• semantic segmentation networks

传感器融合：

Camera + LiDAR + Radar

成为标准架构。

---

引入 Tracking（时序感知）

输出：

object trajectory
velocity

使机器人可以：

• 预测碰撞风险
• 理解动态环境

---

感知开始支持规划决策

planner输入：

object list
free space
drivable area

---

瓶颈（这一阶段天花板）

感知输出仍然是：

“物体列表”

而不是：

“完整世界状态”

问题：

• 不完整
• 不连续
• 不适合复杂规划

---

1.3 2022–2025：世界模型时代（World Model Perception）

这是十年中最重要的范式迁移。

感知目标从：

检测物体

变为：

构建机器人可决策的世界模型

---

2) 表征范式革命：BEV与Occupancy成为核心

---

2.1 BEV（Bird’s Eye View）统一空间表征

BEV将多传感器数据转换为统一空间：

Top-down grid representation

输出：

BEV map:
  drivable
  obstacles
  lanes
  free space

优势：

• 统一坐标系
• 适合规划
• 支持时序融合

成为自动驾驶和AMR感知主流架构。

---

2.2 Occupancy Network（占据网络）成为新标准

传统输出：

object bounding boxes

Occupancy输出：

3D voxel grid:
  occupied probability
  free probability
  unknown probability

进一步升级为：

semantic occupancy:
  object type
  motion state

优势：

• 不依赖object detection
• 更完整
• 更鲁棒
• 更适合复杂环境

Occupancy成为2025最重要感知范式。

---

3) 多模态融合十年演进

---

2015：单传感器为主

LiDAR only

或

Camera only

---

2020：多传感器融合成为主流

Camera + LiDAR + Radar

融合层级：

• early fusion
• late fusion

---

2025：统一融合（Unified fusion）

融合在：

BEV latent space

而不是传感器空间。

优势：

• 更强鲁棒性
• 更强泛化能力

---

4) 从单帧感知 → 时序感知

这是关键跃迁。

---

2015：frame-by-frame perception

每帧独立处理。

缺点：

• 无时间一致性
• 不稳定

---

2020：tracking-based perception

引入 tracking：

object trajectory
velocity

---

2025：时序感知成为默认架构

使用：

• RNN
• Transformer
• temporal fusion

输出：

dynamic world model

支持：

• 预测
• 意图理解

---

5) 感知输出十年演进总结（最核心表）

年代	输出
2015	obstacle points
2018	bounding boxes
2020	tracked objects
2022	BEV representation
2025	semantic occupancy world model

---

6) 感知系统架构十年演进

---

2015架构

Sensor
  ↓
Obstacle Detection
  ↓
Planner

---

2020架构

Sensor
  ↓
Detection
  ↓
Tracking
  ↓
Fusion
  ↓
Planner

---

2025架构

Sensors
  ↓
Feature extraction
  ↓
BEV encoder
  ↓
Occupancy network
  ↓
World model
  ↓
Planner / Policy

---

7) 数据与平台化成为感知最大护城河

2015：

护城河：

algorithm

2020：

护城河：

model architecture

2025：

护城河：

data engine
scenario library
telemetry
replay
regression

不是模型，而是：

数据闭环能力。

---

8) 感知系统与Robot SRE融合

现代感知系统必须支持：

• telemetry
• replay
• regression
• incident analysis

否则无法规模化。

感知输出必须：

traceable
replayable
versioned

---

9) 2026–2030趋势：世界模型 + Foundation Model

明确趋势：

---

趋势1：Occupancy成为基础表征

object detection将成为中间层，而非最终输出。

---

趋势2：Foundation perception model

统一模型：

camera
lidar
radar
language

---

趋势3：World Model成为核心

感知与预测融合：

perception + prediction → world model

---

趋势4：感知成为可学习基础设施

不是：

model

而是：

perception platform

---

10) 十年演进本质总结

年代	本质
2015	obstacle detector
2020	scene understanding system
2025	world model generator
2030	foundation world model

---