LTC-CGMN：轻量时序卷积+跨粒度状态映射的DMS连续风险评估（Frontiers 2026 论文解读）
LTC-CGMN：轻量时序卷积+跨粒度状态映射的DMS连续风险评估（Frontiers 2026 论文解读）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 期刊 Frontiers in Mechanical Engineering 年份 2026 DOI 10.3389/fmech.2026.1972239 链接 https://www.frontiersin.org/journals/mechanical-engineering/articles/10.3389/fmech.2026.1972239/full 数据集 3MDAD 多模态驾驶数据集 部署平台 NVIDIA Jetson Orin 1. 核心创新LTC-CGMN 解决了 DMS 部署的三个核心痛点： ...
Valens VA7000 MIPI A-PHY：座舱高速数据传输的下一个标准（AutoSens 2026）
Valens VA7000 MIPI A-PHY：座舱高速数据传输的下一个标准1. 背景随着座舱传感器分辨率和数量增长，传统 LVDS 传输已面临瓶颈： 需求 LVDS MIPI A-PHY 带宽 ~1Gbps/lane 12Gbps/lane 距离 ~3m 15m+ 标准化 各家私有 MIPI 联盟标准 线束 多对差分线 单对/双对 2. Valens VA7000 规格 参数 VA7000 标准 MIPI A-PHY v1.0 带宽 12 Gbps/lane 距离 15m 通道 视频+控制+电力 展示 与 OmniVision 3MP 传感器集成 3. 对座舱架构的影响3.1 传感器到处理器的连接1234567891011121314151617181920212223242526272829303132333435"""座舱传感器数据传输方案对比"""class TransportOption: def __in...
SmartSens SC860AT：8.3MP ASIL-B 车规级摄像头如何重新定义座舱成像标准
SmartSens SC860AT：8.3MP ASIL-B 车规级摄像头重新定义座舱成像标准1. 概述SmartSens Technology 在 AutoSens 2026 展示了 SC860AT 8.3MP CMOS 传感器： 参数 SC860AT 分辨率 8.3MP (约 3840×2160) 技术 Lofic HDR 2.0 功能安全 ISO 26262 ASIL-B 网络安全 ISO 21434 配套 SoC Flyingchips M2（含 NPU） SoC 安全等级 AEC-Q100 Grade 2, ASIL-B/D 2. 核心技术2.1 Lofic HDR 2.0Lofic（Lateral Overflow Integration Capacitor）HDR 技术： 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061""&...
Aptiv 纯视觉乘员分类：100% FMVSS 208 准确率如何降本40%（AutoSens 2026）
Aptiv 纯视觉乘员分类：100% FMVSS 208 准确率如何降本40%1. 概述Aptiv 在 AutoSens 2026 展示了 Advanced Occupancy Classification 软件： 指标 参数 方案 单摄像头纯视觉乘员分类 准确率 100% FMVSS 208 测试通过 降本 降低系统成本 40%（消除座椅压力传感器） 法规 FMVSS 208（美国联邦机动车安全标准） 2. FMVSS 208 要求2.1 乘员分类要求 类别 描述 安全气囊行为 空座 无人 不展开 儿童座椅 后向儿童座椅 禁用乘客气囊 儿童 小体型乘员 降低气囊力度 成人 标准体型 正常气囊 2.2 传统方案 vs Aptiv 纯视觉 方案 传感器 成本/车 准确率 局限 座椅压力传感器 座垫压力阵列 $15-25 高 无法检测姿态 Aptiv 纯视觉 单摄像头 $8-12 100% 需要可见光/IR 多传感器融合 压力+摄像头 $20-30 最高 系统复杂 3. 纯视觉乘员分类算法...
mmWave 雷达隐私保护全身建模：从稀疏点云到完整人体网格（arXiv 2609.34768 论文解读+代码复现）
mmWave 雷达隐私保护全身建模：从稀疏点云到完整人体网格论文信息 项目 内容 标题 Privacy-Preserving Full-Body Meshing from mmWave Radar via Mesh Foundation Model Supervision 作者 Shuxing Zhang, Yongquan Ni, Zhenyu Ding, Yawen Lin arXiv 2609.34768 年份 2026 链接 https://arxiv.org/abs/2609.34768 领域 cs.AI 1. 核心创新1.1 问题mmWave 雷达点云的极端稀疏性限制了人体感知： 挑战 数值 平均点数 ~6.5 点/帧 空帧比例 ~28% 之前方法限制 只能做身体部位关键点或离散动作分类 1.2 方法提出通过 Mesh Foundation Model 监督学习，从 mmWave 点云直接生成完整人体网格： 1mmWave 点云（6.5点）→ 编码器 → 解码器 → 完整人体网格（6800+顶点） ...
Deep In Sight × Murata：60GHz雷达+视觉+rPPG三模态座舱感知方案（InCabin 2026 深度解析）
Deep In Sight × Murata：60GHz雷达+视觉+rPPG三模态座舱感知方案1. 合作概述1.1 基本信息 项目 内容 合作双方 Deep In Sight（韩国 AI 公司）× Murata（日本电子巨头） 展示场所 InCabin Europe 2026，巴塞罗那 技术路线 60GHz mmWave 雷达 + Vision AI + rPPG 三模态融合 功能覆盖 CPD、乘员状态、生命体征、入侵检测 1.2 合作定位Deep In Sight CTO Inchan Ji 在发布会上表示： “Cameras have clear limitations, but radar can overcome some of those challenges and enable new applications. The remaining consideration is cost, but radar systems are becoming much more affordable than camera-based systems...
区域计算架构：从集中式到边缘智能的座舱计算变革（STM32N6 + NXP 方案）
区域计算架构：从集中式到边缘智能的座舱计算变革1. 架构演进背景1.1 从集中式到区域式AutoSens 2026 上，NXP、Stellantis 和 Bosch 的专家明确指出： “Automakers previously sought all processing in a single central computer, yet this creates heat issues and demands excessive wiring.” 架构 特点 问题 分布式(传统) 每个传感器独立ECU 线束复杂、成本高 集中式 所有处理在中央域控制器 热问题、线束重、算力需求大 区域式 边缘AI处理+中央协调 平衡方案 1.2 区域计算的核心原则1边缘处理 → 只传结果 → 减少带宽 → 降低功耗 → 隐私保护 2. STM32N6 边缘 AI MCU2.1 规格参数 参数 STM32N6 意义 NPU Neural-ART 专用AI加速 算力 600 GOPS 边缘够用 效率 3 TOPS/W 行业领先 演示 实时...
SHINE-PPG：非朗伯分解实现光照鲁棒的车载rPPG（ECCV 2026 论文解读）
SHINE-PPG：非朗伯分解实现光照鲁棒的车载rPPG论文信息 项目 内容 标题 SHINE-PPG: Non-Lambertian Intrinsic Decomposition for Illumination-Robust rPPG 会议 ECCV 2026 链接 Paper Notes 领域 计算机视觉，人脸理解 1. 核心创新1.1 问题rPPG 通过捕捉面部皮肤微小颜色变化测量心率，但面临非朗伯反射挑战： 问题 描述 影响 镜面高光 强光在皮肤的镜面反射 掩盖脉搏信号 环境光变化 车辆进出隧道、阳光角度变化 信号基线漂移 非朗伯表面 皮肤不是理想漫反射表面 简单模型失效 1.2 SHINE-PPG 方法提出非朗伯内在分解框架： 123456面部视频帧 → 非朗伯分解 ├── 漫反射分量 (diffuse reflectance) ├── 环境光照分量 (environmental illumination) └── 稀疏镜面高光 (spec...
rFpro + Anyverse 虚拟座舱仿真：Euro NCAP 2029 虚拟评估框架的技术前瞻（AutoSens 2026 深度解析）
rFpro + Anyverse 虚拟座舱仿真：Euro NCAP 2029 虚拟评估框架的技术前瞻1. 背景：Euro NCAP 虚拟评估框架1.1 从物理测试到虚拟评估Euro NCAP 正在推动从 2029 年开始的虚拟评估框架（Virtual Assessment Framework），这是汽车安全评估方式的根本性变革： 时间节点 评估方式 比例 核心变化 2023-2025 纯物理测试 100% 物理 实车碰撞 + 实车场景测试 2026-2028 混合评估 ~80% 物理 + 20% 虚拟 DMS/OMS 开始使用仿真数据 2029+ 虚拟评估框架 ~50% 物理 + 50% 虚拟 虚拟场景成为正式评估手段 1.2 虚拟评估的驱动力 驱动因素 描述 场景组合爆炸 乘员类型×坐姿×光照×遮挡×安全带状态 → 数万种组合，物理测试无法覆盖 成本效率 物理测试每次 $50K-$500K，虚拟测试边际成本趋近于零 早期验证 CAD 阶段即可开始验证，无需等待原型车 可重复性 虚拟场景可精确复现，消除物理测试中的环境波动 ...
Calterah Dubhe：UWB 芯片做 CPD 的颠覆性方案——用数字钥匙硬件实现儿童检测
Calterah Dubhe：UWB 芯片做 CPD 的颠覆性方案1. 核心创新Calterah 在 AutoSens 2026 展示了 Dubhe CAL1106AQ 芯片，声称是首款 IEEE 802.15.4ab 标准的 FiRa 4.0 认证 2T4R UWB 芯片： “The UWB upgrade enables child presence detection by refreshing existing keyless entry hardware with new software, potentially reducing the need for dedicated 60 GHz mmWave interior radars.” 核心价值：零额外硬件成本实现 CPD。 1.1 传统 CPD vs UWB CPD 方案 硬件 成本 部署 60GHz 专用雷达 新增 ACAM/IWR 模块 $15-20/车 需要布线+安装 UWB 复用数字钥匙 已有 UWB 硬件 $0（软件升级） OTA 软件更新 纯视觉 摄像头复用 ...