Dapalm | IMS技术前沿

SemARC：自适应多模态推理——座舱传感器融合的效率革命论文信息 项目 内容 标题 Efficient Multimodal Inference through Adaptive Acquisition and Sequential Fusion arXiv 2610.07466 时间 2026年10月5日 作者 Payal Mohapatra 等 领域 cs.LG 链接 https://arxiv.org/abs/2610.07466 核心创新提出SemARC框架——顺序模态聚合器(SeMA) + 自适应运行时控制器(ARC)。不一次性编码所有模态，而是根据已有证据决定下一个要编码什么模态、何时停止。 一句话总结： 多传感器DMS不需要每帧都跑全部传感器——先跑最便宜的，结果够好就停，不够再跑下一个。 为什么这对座舱DMS重要123456789101112131415# 当前DMS多模态融合的问题problem = { "现状": "每帧编码所有传感器（摄像头+雷达+rPPG+方向盘ECG）&qu...

FocusGate：视频视线预测的可靠性门控融合论文信息 项目 内容 标题 Knowing When to Trust a Prior: Reliability-Gated Cue Fusion for Video Gaze Prediction arXiv 2610.08663 时间 2026年10月6日 作者 Lichen Zhu 等 领域 cs.CV 链接 https://arxiv.org/abs/2610.08663 核心创新提出FocusGate——一个门控集成框架，让无视线标注的先验知识（gaze-free priors）可以”弃权”：只在可靠时参与融合，不可靠时自动退出。 一句话总结： 不是所有视线线索都可信，FocusGate在每帧判断”先验知识是否可靠”，只在可靠时才融合。 问题背景1234567891011121314151617181920# 视频视线预测的困境problem = { "监督方法": { "优势": "精度高"...

差分视线估计：长时窄范围场景的DMS校准新方案论文信息 项目 内容 标题 Adapting Appearance-Based Gaze Estimation to Narrow-Range, Long-Duration Screen Viewing arXiv 2610.11036 时间 2026年10月8日 作者 Jordan Prescott 等 领域 eess.IV (Image and Video Processing) 链接 https://arxiv.org/abs/2610.11036 核心创新提出差分视线估计（Differential Gaze Estimation）方法，专门针对长时间、窄范围场景（如驾驶员注视前方道路）的视线追踪问题。在140段长时面部视频+同步眼动仪数据上，差分方法是唯一显著优于”预测每段平均视线”基线的静态方法。 一句话总结： 长途驾驶中驾驶员大部分时间看前方，传统视线估计模型校准会漂移——差分模型只追踪”偏离中心多少”而非”看向哪里”，更稳定。 为什么传统视线估计在DMS中有问题1234567891011...

VICODEV：认知分心检测的多模态基准数据集——TDGV指标+EEG+眼动+车辆信号融合范式论文信息 项目 详情 指数论文标题 Driver Visual-Cognitive Distraction Monitoring: The VICODEV Index 期刊 IEEE OJITS (Open Journal of Intelligent Transportation Systems), vol. 7, 2026 指数论文DOI 10.1109/OJITS.2026.3713602 数据集名称 Visual-cognitive distraction in a driving simulator. Vehicular, behavioural, physiological and subjective measurements（VICODEV数据库） 数据集DOI IEEE DataPort 10.21227/r8fc-2y40 作者 Lorenzo Uccello, Luca Subitoni, Gianpiero Mas...

老年驾驶员的认知控制衰退：ERP + MVPA解码分心驾驶——Frontiers 2026论文解读论文信息 项目 详情 论文标题 Aging on the road: neural and behavioral correlates of cognitive control during distracted driving 期刊 Frontiers in Aging Neuroscience (2026), 18:1864407 作者 Emad Alyan, Stephan Getzmann, Edmund Wascher, Melanie Karthaus（Leibniz Research Centre for Working Environment and Human Factors, Dortmund） DOI 10.3389/fnagi.2026.1864407 被试 44名驾驶员（23名年轻：19-25岁，M=22.8；21名老年：65-74岁，M=68.6；男女各22人） 范式 车辆跟随模拟 + 车道保持 ...

NXP Ara240 NPU + YOLO8.4 Versal导出 + EmbeddingGemma 2：2026年10月边缘AI三连发行业动态概览 产品 厂商 发布时间 核心参数 适用场景 Ara240 DNPU NXP 2026-10-05 40 eTOPS, 16GB LPDDR4, PCIe Gen4 LLM/VLM边缘推理 YOLO v8.4.173 Ultralytics 2026-10-06 Xilinx Versal AI Edge Gen2 NPU导出 实时目标检测 EmbeddingGemma 2 Google DeepMind 2026-10-06 740M参数, 191MB文本/567MB多模态 边缘多模态搜索 1. NXP Ara240 DNPU详解1.1 硬件规格 参数 规格 说明 算力 40 eTOPS 等效每秒40万亿次运算 内存 16GB LPDDR4 大容量边缘内存，支持LLM 接口 PCIe Gen4 + USB 3.2 高带宽主机接口 安全 硬件信任根 + 安全启动 工业级安...

UWB雷达CPD新突破：粗粒度标注雷达检测+轻量物理感知框架双线进展 【2026-10-20 内容可信度清洗】两篇论文经逐一核对原文均真实存在（arXiv 2610.07670 全文、MDPI DOI 10.3390/electronics15184301 摘要），方法描述已按原文更正；删除了原文中不可溯源的实验数字表（CFAR 72.3%/89.5%/86.1%、”标注成本降低80%”、ResNet18 94.2%等对比表、参数量0.08M/2ms/0.1W）、冒充论文方法的整段虚构 PyTorch 代码、以及无信源的行业数字（sub-13cm、$45/$20 成本、Euro NCAP “13/14分” 等）。核对过程见 workspace/logs/content-audit-details.md。 核心论文 项目 来源 类型 发布时间 Radar Intelligent Detection with Coarse-Grained Labels arXiv 2610.0767...

NVIDIA Isaac Sim + OpenUSD：5步SimReady座舱数据合成管道——从CAD到仿真NVIDIA官方动态 项目 详情 发布日期 2026-10-09 来源 NVIDIA Developer Blog 标题 5 Steps to Create SimReady Assets for Robotics with Frontier AI Models 核心 CAD→OpenUSD→材质→物理→验证→Isaac Sim仿真 示例 ABB YuMi机器人（可迁移到座舱场景） 配套 OpenCV Live 10月8日专题：OpenCV→Isaac Sim物理AI管道 核心概念SimReady是什么1234567891011121314151617181920212223242526272829303132333435363738394041"""SimReady定义============来源: NVIDIA SimReady Foundation (github.com/nvidia/simready...

IDEAL：EEG-眼动多模态域适应框架——跨个体情感识别的突破及其在IMS认知分心中的应用论文信息 项目 详情 论文标题 IDEAL: A Multimodal Domain Adaptation Framework for EEG-Eye Emotion Recognition arXiv 2609.39421 作者 Yang Wu, He Chen, Changde Du, Tzyy-Ping Jung, Jinpeng Li 机构 华南理工大学 + 中科院自动化所 + UC San Diego 代码 github.com/WY-BCI-Club/IDEAL 资助 国家重点研发计划 2024YFB3312400 + NSFC 62106248 应用 人机交互、驾驶员状态监测、个性化学习 核心创新IDEAL（Instance-based Domain Expansion and Adversarial Learning）解决了EEG-眼动多模态情感识别的两大挑战： 跨个体生理差异：不同人EEG信号差异极大，单模态域...

可穿戴视线追踪器从实验室到道路：4.58°误差揭示的DMS标定难题论文信息 项目 内容 标题 From Laboratory to Road: Evaluating Wearable Gaze Accuracy for Driving arXiv 2610.07783 会议 GCPR 2026 (German Conference on Pattern Recognition) 时间 2026年10月6日 作者 William Engel 等 领域 cs.CV 链接 https://arxiv.org/abs/2610.07783 核心发现首次系统量化可穿戴眼动仪在真实驾驶条件下的精度：平均误差4.58°，通过偏移校准可降至1.10°，但偏移在session间变化，需要在线重校准。 一句话总结： 实验室里精度1°的眼动仪，到了车上变成了4.58°——标准答案在真实世界里不标准。 为什么这很重要BEV自动驾驶中的视线监督123456789101112131415161718192021222324# BEV (Bird's Eye V...