认知分心与酒驾损伤检测正在共享同一个统一干预仲裁层

前言

今晚前 8 篇内容主要集中在 CPD、UWB、雷达相机融合和 parked-mode safety control plane。继续往前推一层，会发现另一个越来越明确的结构性趋势：

认知分心、酒驾/药驾损伤检测、无响应驾驶员干预，正在共享同一个统一干预仲裁层（unified intervention arbiter）。

这件事很重要，因为它意味着 2026 以后真正的竞争点，不只是有没有 cognitive distraction 模型、有没有 impairment classifier，而是：

• 如何把多个风险状态做成连续治理的系统；
• 如何把车内证据和车外场景结合起来；
• 如何在误报可控的前提下决定“提醒、加严、限制、减速、最小风险停车”；
• 如何让整套系统可解释、可验证、可 OTA。

换句话说，feature list 正在退居二线，arbiter architecture 正在走到前台。

一、为什么“多一个分类器”已经不够

1.1 Euro NCAP 2026 已经把问题从 detect 拉到了 act

公开解读和 OEM 准备方向已经很明确：

• DMS 不再只是基础疲劳/分心提醒；
• impairment detection 被拉入正式评分/准备范围；
• unresponsive driver 不再停留在提醒，而是要求升级到更强干预；
• DMS 与 ADAS 的耦合正从“并排存在”变成“联合决策”。

这意味着系统不能只回答：

• 司机是否疑似认知分心？
• 是否有 impairment 征兆？
• 是否无响应？

还必须继续回答：

• 当前风险是短暂波动，还是持续恶化？
• 该发轻提醒，还是进入限制性策略？
• 是否应提高 AEB/LKA 灵敏度、拉大跟车距离、禁止变道？
• 是否已经进入最小风险动作（MRM）准备区？

这已经不是单个分类器的任务，而是仲裁层的任务。

1.2 认知分心和 impairment 在工程上越来越像同一类问题

从工程角度看，两者都不适合被实现为一个静态 true/false 标签。

它们更像一类共同问题：

• 低可观察性：眼睛朝前不代表 mind-on-road；没有酒精传感器也不代表没有 capability degradation；
• 时序性强：单帧很弱，持续模式更有意义；
• 质量敏感：墨镜、遮挡、暗光、头动、姿态变化都影响判断；
• 需要渐进动作：先怀疑、再确认、再升级，而不是一刀切；
• 必须和外部风险联动：相同的 in-cabin 状态，在高速跟车、城区路口、L2 take-over 前后的意义完全不同。

所以它们真正共享的，不只是某些视觉特征，而是同一套连续风险治理框架。

二、外部信号正在证明仲裁层上移

2.1 Mobileye 给出的不是单纯 cabin-only DMS，而是 cabin × ADAS 联合决策

Mobileye 最新公开表述里最值得注意的一点，不是“能看眼睛”“能看打哈欠”，而是它反复强调：

• 将 driver gaze 与实时道路风险联合；
• 判断驾驶员是否真正注意到关键目标；
• 在注意力不足时动态调整车辆行为；
• 让 take-over request 与 driver state、road context 联合生成。

这说明行业领先玩家已经不把 DMS 当成独立告警模块，而是把它视为 ADAS 决策输入。

也就是说，真正值钱的不是“我能检测出分心”，而是“我能决定系统接下来该怎么更安全地开”。

2.2 学术界也在从单一 gaze 指标转向多视角、时序、多模态 readiness

2025 年 Driver-Net 这类工作已经非常典型：

• 不再只看 head pose 或 eye gaze；
• 引入头、手、身体姿态的多视角同步输入；
• 用时序融合来判断 take-over readiness；
• 目标不再只是识别动作，而是预测是否能安全接管。

这背后其实是一个很清楚的转向：

未来 DMS 的价值，不是单点行为识别，而是 action readiness estimation。

一旦把 readiness 放在中心位置，认知分心和 impairment 就很自然会汇聚到同一仲裁层，因为两者最终都在回答同一个问题：

这个驾驶员现在是否足够可靠，足以维持当前自动化等级与风险暴露？

2.3 综述类研究也在反复提示：融合 driver / vehicle / road 才能把风险做成闭环

近年的综述和市场扫描有一个稳定共识：

• 只用车内视觉，很多状态可见但不够可决策；
• 只用车身动态，又太滞后；
• 只有把 gaze、blink、head、posture、车辆操作、道路情境一起接起来，才能更早识别高风险安全关键事件。

这意味着下一阶段最关键的接口不是“模型输出分数”，而是：

• 驾驶员状态证据；
• 输入质量状态；
• 车外风险语境；
• 自动化当前职责边界；
• 可触发动作集合。

三、为什么认知分心最容易暴露现有 DMS 的上限

3.1 eyes-on 但 mind-off，天然打穿 gaze-threshold 方案

认知分心最棘手的地方，是它经常不会表现成传统“眼离路面”模式。

现实里更常见的是：

• 司机眼睛仍大体朝前；
• gaze 扫描变窄、规律性变差、关键区域覆盖不足；
• 对外部风险的注意切换延迟；
• 反应在时序上变慢，而不是几何上完全偏离。

所以如果系统仍停留在“看没看前方”“off-road 多久”，那它会很快碰到瓶颈。

3.2 真正缺的不是更多 frame-level 标签，而是 sequence-level governance

认知分心要做得稳，核心不是再堆几个 frame 标签，而是把以下东西正式化：

• suspected / persistent / confirmed / recovered
• degraded / unavailable
• overlap with fatigue / phone use / impairment
• temporal persistence
• reason code

说白了，认知分心最需要的其实是 state machine + arbiter，而不是一个“更聪明的分类头”。

3.3 输入质量必须进入主链路，而不能只靠数据增强

认知分心特别依赖细微眼动和时序模式，因此：

• 墨镜与镜片反射
• 低照度
• 头动补偿误差
• 面部遮挡
• NIR 退化

都不能再被视为训练集问题，而要被显式输出成：

• face_track_quality
• eye_signal_quality
• temporal_stability
• occlusion_state
• confidence_credibility

否则线上系统会在质量下降时仍假装很确定，这是最危险的模式。

四、为什么 impairment detection 也会走向同一仲裁底座

4.1 量产系统并不真的需要“医学式酒驾结论”，而需要 capability degradation 判断

对 OEM 来说，真正能落地的 impairment detection，通常不是要证明“酒精浓度多少”，而是要回答：

• 这个人当前驾驶能力是否下降；
• 风险是否持续；
• 是否需要更保守的系统策略；
• 是否需要升级到干预层。

这与认知分心其实是同构的。

4.2 impairment 若孤立实现，商业价值和系统价值都会偏低

如果 impairment 只是一个单独告警灯：

• 很难解释误报；
• 很难匹配不同车型/市场策略；
• 很难与 ADAS takeover / MRM 做联动；
• 很难沉淀成平台能力。

但如果它进入统一仲裁层，它就可以和：

• fatigue
• visual distraction
• cognitive distraction
• phone interaction
• unresponsive driver

一起形成统一风险画像。

这时系统输出的不再是“某个 feature hit 了”，而是：

• 当前 driver capability level
• persistence
• risk trend
• recommended action
• intervention ceiling

这才是更像量产架构的表达方式。

五、我更看好的系统架构：统一干预仲裁层

5.1 建议从三层升级为四层

相比单纯 DMS pipeline，更建议把架构画成四层：

1. Evidence Layer

   • gaze / blink / head / posture / phone / hand / body cues
   • vehicle-control cues
   • road-risk context
   • quality / occlusion / credibility

2. State Estimation Layer

   • fatigue_state
   • visual_distraction_state
   • cognitive_distraction_state
   • impairment_state
   • responsiveness_state

3. Intervention Arbiter Layer

   • risk fusion
   • persistence logic
   • conflict resolution
   • policy profile
   • recommended action / capped action

4. Action Layer

   • HMI warning
   • alert cadence
   • ADAS sensitivity adaptation
   • lane-change restriction
   • following-distance increase
   • MRM / safe stop trigger

真正的系统护城河，我判断会越来越集中在第三层。

5.2 Arbiter 至少要保留哪些正式输出

建议仲裁层不要只吐一个 risk level，而是至少保留：

• dominant_risk_state
• secondary_risk_state
• persistence_level
• signal_quality_state
• context_risk_level
• automation_mode
• recommended_action
• action_ceiling
• reason_code
• trace_id

这样做的好处是：

• HMI 可解释；
• 验证可断言；
• OTA 变更可追踪；
• 售后与法规审计有抓手。

六、对 IMS 开发的直接启示

6.1 不要把 cognitive distraction 和 impairment 分成两套孤立产品

更合理的做法是：

• 模型可以分开；
• 状态机要能映射到统一 schema；
• 干预逻辑尽量共底座；
• traceability 和验证框架统一。

否则后面很容易出现五套 feature、五套 reason code、五套升级逻辑、五套 HMI。

6.2 先定义统一风险 schema，再谈模型迭代

建议优先正式化以下平台字段：

• driver_capability_state
• engagement_state
• responsiveness_state
• impairment_suspicion_level
• cognitive_distraction_level
• quality_state
• context_risk_state
• intervention_state

这会比单纯继续堆模型更能提升平台可复用性。

6.3 验证对象应从 accuracy 扩展到 arbitration correctness

接下来最该建设的，不只是准确率测试，而是：

• 短暂 glance 与持续 cognitive drift 的区分；
• 疲劳 × 认知分心重叠状态；
• impairment suspicion 持续增强/减弱；
• 高速 / 城区 / L2 take-over 前后的动作差异；
• quality degraded 时是否正确降级；
• MRM 触发是否过早或过迟。

换句话说，验证目标应升级为：

intervention correctness under temporal uncertainty

6.4 组织 ownership 也要前移到平台层

如果要做 unified intervention arbiter，ownership 不能继续只分在“算法组”里。

至少应前置拉齐：

• DMS 算法
• ADAS 策略
• HMI
• 安全策略
• 验证
• OTA / 数据闭环

因为仲裁层一旦出错，问题不再只是“识别不准”，而是“动作不对”。

七、下一轮 TrendRadar 应该怎么扩展

基于这轮研究，我建议后续搜索词从“有没有 cognitive distraction 方法”升级成以下更结构化方向：

• driver monitoring intervention arbiter
• cognitive distraction temporal persistence driver monitoring
• impairment detection capability degradation DMS
• driver monitoring ADAS fusion takeover request
• minimum risk maneuver driver state estimation
• in-cabin risk arbitration explainability
• Euro NCAP 2026 unresponsive driver intervention
• driver readiness multi-camera fusion sequence modeling

这些词更容易挖到真正对平台架构有价值的内容，而不是重复的“又一个分心分类器”。

总结

认知分心和酒驾/药驾损伤检测，看上去是两个功能；但从量产系统视角看，它们越来越像同一个问题的两种入口：

驾驶员当前能力是否下降，以及系统应该如何渐进而可解释地接管风险。

所以，下一阶段真正该建设的，不只是更多 detection heads，而是一个统一的 intervention arbiter：

• 接住 cognitive distraction
• 接住 impairment
• 接住 unresponsive driver
• 接住 ADAS take-over / MRM
• 最终把车内感知能力变成真正可执行的系统安全能力

这会是 2026 之后 DMS / IMS 平台最值得争夺的高地。

参考线索

• Mobileye: Presenting the Mobileye Driver Monitoring System, fusing road safety inside the cabin
• Smart Eye: What’s Changing in Euro NCAP’s 2026 Safety Ratings?
• Sensors 2024 review: Comprehensive Assessment of Artificial Intelligence Tools for Driver Monitoring and Analyzing Safety Critical Events in Vehicles
• Driver-Net (2025): Multi-Camera Fusion for Assessing Driver Take-Over Readiness in Automated Vehicles