认知分心检测的真正瓶颈正在从视线偏离阈值转向时序标注与状态连续性治理
前言
过去很多 DMS 项目在做认知分心时，默认思路都是：先盯 gaze，再做 off-road duration 阈值，再补 head pose 和 blink。这个思路对“视觉分心”有用，但对 cognitive distraction（认知分心） 很容易失效，因为很多高风险时刻里，驾驶员可能 眼睛仍朝前，但大脑已经脱离驾驶任务。
最近在补看 Euro NCAP 2026 相关行业解读和一篇关于车内 AI 标注体系的文章后，一个判断越来越清晰：
认知分心量产难点，正在从“模型识别某个瞬时特征”转向“系统是否定义了可靠的时序标签、状态边界与连续性治理逻辑”。
这不是数据团队的边角问题，而是 IMS/DMS 架构层问题。
一、为什么认知分心不能再被当成 gaze 阈值问题
1.1 gaze 正常，不代表认知在线
行业公开材料已经开始反复强调：认知分心可能发生在 gaze 仍保持前向时。也就是说，单看“是否低头玩手机”“是否长时间偏头”并不能覆盖真正的 mind-off 风险。
这直接带来三个工程后果：
- 视觉分心标签不能直接替代认知分心标签
- frame-level 单帧分类难以表达 mental drift
- 系统需要显式利用时序、上下文和行为组合特征
如果还沿用“几秒没看前方=分心”的方式，最后做出来的大概率只是一个 gaze alarm，不是认知分心系统。
1.2 认知分心本质上是弱可观测状态估计
与疲劳、闭眼、哈欠相比，认知分心最麻烦的地方在于：
- 没有单一稳定的视觉金标准
- 很依赖时间上下文
- 很依赖任务场景和动作组合
- 很容易和正常驾驶扫描行为混淆
它更像一个 weakly observable latent state：只能通过眼动规律性、微小扫视变化、反应延迟、控制交互节律、以及场景上下文去间接逼近。
这意味着感知层输出不能只剩下一个 distraction_score，而应该保留更丰富的中间语义，例如：
- gaze stability
- scan pattern regularity
- mirror-check vs task-irrelevant glance
- blink reliability
- head-eye coordination
- input quality / occlusion type
- temporal persistence
没有这些中间状态，后面很难做可靠仲裁，更难解释为什么系统会触发干预。
二、真正的瓶颈：标注体系而不是模型结构
最近看到的一篇关于车内 AI 标注体系的文章，给了一个很实用的提醒：
In-cabin AI 的可靠性，本质上取决于训练与验证数据中对行为状态的定义质量。
这句话对认知分心尤其成立。
2.1 单帧标签不够，必须升级到事件级与序列级标注
认知分心不是单张图片里的某个姿态，而是一个 逐渐形成、持续存在、可能缓慢恢复 的过程。真正需要标的是：
- 事件开始时间
- 事件结束时间
- 状态转换点
- 与其他状态的重叠关系
- 升级/恢复逻辑
如果数据集只有 frame-level label，模型最终学到的只是静态外观相关性，而不是“分心如何发生”。
2.2 类别边界不清，会直接导致线上行为飘忽
最典型的问题包括：
- 看后视镜算不算 off-road?
- 中控短暂操作算不算分心?
- 认知分心是否要求可见身体线索?
- 疲劳与认知分心重叠时谁是主状态?
这些问题如果在标注规范里没定义清楚，就会导致：
- annotator 之间标准不一致
- 模型边界模糊
- 验证指标漂亮但线上体验很差
- HMI 出现“时而过敏、时而迟钝”的问题
2.3 edge case 不只是数据覆盖问题，而是运行状态设计问题
眼镜、墨镜、手部遮挡、暗光、逆光、头部大角度转动，这些过去常被当作数据补充项。但现在更合理的做法是把它们升级成 正式运行状态输入。
认知分心链路至少要显式输出：
- eye_visible_score
- occlusion_type
- gaze_track_quality
- head_pose_confidence
- temporal continuity score
因为真正危险的不是“在坏条件下精度下降”，而是 系统在不知道自己看不清的时候还继续做强结论。
三、Euro NCAP 2026 对 IMS 团队的真正压力
从公开解读看，Euro NCAP 2026 已经把关注点往更复杂的人类状态理解上推，包括 cognitive distraction、occupant posture、sensor fusion robustness 等。
这对 IMS 开发意味着一个变化：
3.1 KPI 正在从 perception accuracy 转向 action correctness
过去容易问：
- gaze 误差多少度？
- distraction recall 多少？
- false positive 多少？
接下来更应该问：
- 什么时候进入 suspicion 状态？
- 什么时候升级为 confirmed cognitive distraction？
- degraded mode 下还允许什么动作？
- 与 fatigue / takeover readiness 冲突时谁主导干预？
- HMI 告警是否可解释、可回放？
也就是说，认知分心功能正在从算法子模块变成 状态机 + 干预协议 + 验证资产 的系统能力。
四、对 IMS 开发的直接启示
4.1 优先建设 cognitive state machine，而不是只堆分类器
建议把认知分心显式建成：
availablesuspectedpersistentconfirmeddegradedunavailable
并为每个状态定义：
- 进入条件
- 退出条件
- persistence window
- hysteresis
- 可触发动作
- trace / explanation 字段
4.2 标注规范要与线上状态机一一对应
不要让数据团队自己发明标签，也不要让算法团队事后再做映射。更好的顺序是：
- 先定义线上状态机
- 再反推需要哪些训练/验证标签
- 再定义事件边界与例外规则
- 最后才谈模型结构
这样做的好处是，数据、模型、验证、HMI 都能说同一种语言。
4.3 回归测试必须覆盖“连续过程”而不是只测截图集
认知分心最需要的不是更多静态图，而是过程型验证资产：
- 正常扫描 → mental drift → 恢复
- 前向 gaze 但反应延迟上升
- 眼动质量下降 → degraded → 恢复
- fatigue 与 cognitive distraction 重叠
- ADAS 接管请求前的注意力衰退
这类 regression suite 才真正决定量产行为是否稳定。
4.4 输出层必须保留解释能力
以后做统一干预层时，认知分心输出不能只是一个 risk score。至少应该保留：
- dominant evidence
- quality flags
- temporal persistence
- reason code
- recommended action
- trace id
否则线上出了“误报/漏报/解释不清”的问题，根本没法复盘。
五、我更看好的技术路线
短期内，我不看好纯靠某个单模型把认知分心一把做穿。我更看好的方向是：
- 眼动规律性 + 时序建模：不是只看 gaze angle，而是看 scanning rhythm、fixation pattern、稳定性变化
- 行为上下文融合：把车道保持、方向盘修正、ADAS 状态、RtI 事件一起纳入解释
- quality-aware architecture：输入看不清时主动降级，不输出假稳定结果
- action-oriented validation：最终按系统动作正确性验收，而不是只按分类分数验收
六、选题池更新：下一轮该追什么
基于这轮研究，我认为后续值得继续深挖的方向包括：
- 认知分心的 sequence labeling / event segmentation 数据规范
- “eyes-on, mind-off” 的可观测代理变量设计
- gaze/head/vehicle telemetry 联合建模的量产边界
- 认知分心与 RtI / ADAS takeover readiness 的耦合验证
- degraded mode 下的解释策略与 HMI 设计
总结
认知分心检测的难点，已经不是“有没有 gaze 模型”，而是：
- 能不能把分心定义成 连续状态，而不是离散截图标签
- 能不能把标注规范、运行状态、干预动作和验证资产真正打通
- 能不能在看不清、看不准时，诚实地降级而不是假装稳定
对 IMS 团队来说，这个方向的真正护城河，不在单个网络结构，而在 时序标注体系、状态机设计和 action-level validation。
参考来源
- Anyverse, Euro NCAP 2026 In-Cabin Monitoring: OEM Guidelines to Readiness, 2025
- Anyverse, In-Cabin Monitoring at CES 2026: From Driver Monitoring to Agentic Cabin Intelligence, 2026
- Digital Divide Data, In-Cabin AI: Why Driver Condition & Behavior Annotation Matters, 2026