Dapalm | IMS技术前沿

LTC-CGMN：轻量级时序卷积+跨粒度状态映射的DMS边缘部署框架论文信息 项目 内容 标题 Visual measurement network for intelligent cockpit driving state combining lightweight temporal convolution and cross-granularity state mapping 作者 Ti Han（大连东软信息学院） 期刊 Frontiers in Mechanical Engineering 年份 2026 链接 Frontiers 数据集 3MDAD 多模态驾驶数据集 部署 NVIDIA Jetson Orin 核心创新LTC-CGMN 解决了DMS实际部署的三大痛点： 轻量时序建模：深度可分离因果膨胀卷积（LTC），低算力捕获时序依赖 跨粒度状态映射：CGSM模块对齐细粒度头/手特征与粗粒度躯干特征 连续风险评估：NHTSA-AHP指导的连续驾驶员风险指数（DRI），替代离散分类 关键指标： Top-1 准确率：96....

从实验室到道路：可穿戴眼动仪在真实驾驶中的精度评估论文信息 项目 内容 标题 From Laboratory to Road: Evaluating Wearable Gaze Accuracy for Driving 作者 William Engel 等 会议 GCPR 2026（德国模式识别会议，Extended Abstract） 年份 2026 链接 arXiv:2610.07783 场景 41个真实道路场景验证 核心发现可穿戴眼动仪在真实驾驶中的平均误差为4.58°，但通过简单的偏移校准可降至1.10°。 这个发现对使用眼动仪做驾驶员注意力监督（BEV gaze supervision）的自动驾驶系统至关重要。 关键数据 指标 校准前 校准后 改善 平均角度误差 4.58° 1.10° 76% 改善场景数 - 41/41 100% 校准偏移来源 - 室内记录 可迁移 三大发现 可穿戴眼动仪不是”真值” — 业界习惯将其输出当ground truth，实际误差显著 偏移校准普遍有效 — 41个场景全部改善，...

多模态车内心跳检测：方向盘ECG+PPG+RGB/IR/热成像融合方案论文信息 项目 内容 标题 Reliable multimodal signals for in-vehicle heartbeat detection 作者 多机构合作（德国） 期刊 Scientific Reports (Nature) 年份 2026 链接 Nature 车辆 Volkswagen Tiguan 2022 传感器 方向盘ECG + PPG + RGB + RGB-IR + 热成像 核心创新这是首个在真实驾驶条件下融合5种传感器模态进行心跳检测的研究： 方向盘ECG（新电极设计）：碳基翼形支架+蛇形银浆电极 PPG（方向盘脉搏血氧）：接触式光电传感器 iPPG-RGB（摄像头远程光电容积描记） iPPG-IR（红外摄像头远程光电容积描记） iPPG-Thermal（热成像远程心率检测） 解决的核心问题 问题 传统方案 多模态融合方案 手离开方向盘 ECG中断 iPPG摄像头接管 光照变化 iPPG不稳定 热成像不受光...

Waymo清醒驾驶基准：消除酒驾后夜间风险仍是4倍研究背景 项目 内容 来源 Waymo 安全研究博客 发表 2026年10月 论文1 “Reconstructing Sober Driving Baselines” — Journal of Safety Research 论文2 IRCOBI 2026 — Safe System Approach分析 数据 FARS 2023（37,654例致命事故） 链接 Waymo Blog 核心发现Waymo发布了两个重要研究，揭示了一个反直觉的事实：即使完全消除酒驾，夜间致命事故风险仍然是白天的3.1-3.9倍。 关键数据 指标 数值 说明 酒驾贡献致命事故 >30% 美国交通死亡 消除酒驾后事故率降低 23% 1.42→1.10/亿英里 清醒驾驶员夜间风险 3.1-3.9x 仍高于白天 多因素叠加致命事故 77%+ 酒驾+超速+不系安全带 系统性因素占比 91.8% 非纯人为因素 自动驾驶可解决 83% 系统性失效 消除酒驾的城市差异 城市 降低...

驾驶员状态监测2026新规：从辅助提醒到安全守门员技术背景 项目 内容 来源 2026年疲劳驾驶新规与强制性国标 时间 2026年10月 链接 微博分析 趋势 DMS从可选配置变为法规强制 核心变化2026年疲劳驾驶新规实施与强制性国标发布，让DMS技术从”可选配置”变为”关乎生命与法规的关键防线”。 技术进阶路线 graph LR A[第一代: 方向盘感知<br/>扭矩/转向角] --> B[第二代: 摄像头辅助<br/>面部特征] B --> C[第三代: 多模态融合<br/>视觉+生理+行为] C --> D[第四代: AI预测+ADAS协同<br/>2026新规驱动] 2026新规核心要求 要求维度 旧标准 2026新规 IMS应对 检测范围 仅疲劳 疲劳+分心+危险行为 全状态DMS 检测精度 PERCLOS>30% 多维度联合评估 多模态融合 警告时效 事后提醒 ≤3秒实时警告 边缘部署优化 数据记录 可选 强制记录 事件...

多模态融合检测综述：任务条件化方法、应用与可靠性评估论文信息 项目 内容 标题 Multimodal Fusion for Detection and Recognition: A Task-Conditioned Survey of Methods, Applications, and Reliability 作者 Kehao Feng, Chaowei Tang, Wenyu Ma, Yankai Sun 期刊 Neurocomputing (Elsevier), vol. 709（2026年在线发表，印刷版2027年1月） DOI 10.1016/j.neucom.2026.135296 覆盖领域 自动驾驶、SLAM、无人机检测、遥感、医学影像、工业缺陷诊断、公共安全监测、生物识别（引自摘要） 核心价值这是多模态融合领域的任务条件化综述，不同于传统按架构分类，本文按任务条件（task-conditioned）组织，对IMS多模态融合方案设计有直接指导价值。 综述框架 graph TB A[多模态融合] --> B[早期融...

差分视线估计：长时间窄范围场景下的视线追踪新范式论文信息 项目 内容 标题 Adapting Appearance-Based Gaze Estimation to Narrow-Range, Long-Duration Screen Viewing 作者 Jordan Prescott 等 领域 Image and Video Processing (eess.IV) 年份 2026 链接 arXiv:2610.11036 规模 140段长时长面部视频录制 核心发现在长时间、窄范围视线场景中（如驾驶员注视前方道路），差分视线估计（differential estimation）是唯一显著优于基线的方法，且加入时序上下文后进一步增强。 关键对比 方法 是否优于基线 说明 6种已发表估计器 ❌ 均不显著 在窄范围场景下失效 差分视线模型 ✅ 显著改善 唯一有效方法 差分+时序上下文 ✅ 最强 进一步提升 对IMS/DMS的直接启示驾驶员视线场景正是”长时间窄范围”——大部分时间注视前方道路中心区域。 12345678...

BAT-NO：边界条件感知Transformer用于车辆碰撞预测——OOP安全约束启示论文信息 项目 内容 标题 BAT-NO: A Boundary-Condition-Aware Transformer Neural Operator for Crashworthiness Prediction of Vehicle Components 作者 Nan Li 等 领域 计算力学+AI 年份 2026 链接 arXiv:2610.03854 规模 10,557KB 核心创新BAT-NO 将边界条件显式编码到Transformer神经算子中，用于车辆碰撞预测。虽然该论文面向碰撞仿真，但其边界条件感知思想对IMS OOP（Out-of-Position）安全约束建模有直接启示。 对IMS OOP的启示OOP检测的核心问题是：乘员姿态异常时，安全气囊部署可能造成伤害。需要根据乘员当前姿态（边界条件）预测碰撞中的安全约束效果。 123456789101112131415161718192021222324252627282930313233343536...

TriDrive：联合驾驶员-车辆-道路建模的驾驶员监控预测框架论文信息 项目 内容 标题 TriDrive: Joint Driver, Vehicle, and Road Modeling for Forecasting and Driver Monitoring 作者 Yuhang Wang 等 领域 Robotics (cs.RO), Computer Vision (cs.CV) 年份 2026 链接 arXiv:2609.33000 代码 HuggingFace 规模 32页（10页正文+附录），4图25表 核心创新TriDrive 是首个统一框架，联合预测驾驶员运动学、车辆动力学和道路需求，通过自动化条件转移模型实现。它解决了以往驾驶员监控中”座舱内活动”与”交通条件下的驾驶员运动”孤立建模的问题。 三大突破： 模态特定编码器：驾驶员锚定运动学表示 + 因果CAN总线动力学 + 冻结V-JEPA 2道路潜在表示 有向残差连接：驾驶员和道路上下文通过有向连接精化车辆预测 实时部署：蒸馏道路编码器后在 comma four + 8...

EEG解码框架用于自动驾驶乘客危险感知：3D-CRNN方法详解论文信息 项目 内容 标题 EEG-Driven Decoding Framework for Passenger Hazard Perception in Highly Automated Vehicles 作者 Yingkai Yang, Ashton Yu Xuan Tan, Bowen Li, Xiaorong Gao, Sifa Zheng, Jianqiang Wang 等 期刊 Automotive Innovation（已接收） 年份 2026 链接 arXiv:2609.07128 代码 GitHub: SOTIF-AVLab/EEG2023 数据 DOI:10.21227/jw72-m261 规模 31页，8图13表 核心创新论文提出首个将乘客EEG认知信号用于自动驾驶危险感知的完整框架，包含三个创新组件： 乘客认知模型（PCM）：建模乘客对危险的神经响应 风险感知序列标注（RSL）：解决EEG标注稀疏问题 乘客EEG解码策略（PEDS...