本研究提出LOMA网络，解决了3D占用预测中的几何信息不足和局部交互受限的问题。通过VL感知场景生成器和三平面融合Mamba模块，有效融合视觉与语言特征，实现高效的3D语义占用预测，实验结果表明在几何和语义补全任务上表现优异。