RadarMind：mmWave雷达认知AI——从手势识别到座舱人体意图感知
RadarMind：mmWave雷达认知AI——从手势识别到座舱人体意图感知 EURASIP Journal on Advances in Signal Processing论文解读 Asundi et al., “RadarMind: cognitive AI with mmWave sensing for human-aware intelligent automation”, J. Adv. Signal Process., 2026. 论文信息 项目 内容 标题 RadarMind: cognitive AI with mmWave sensing for human-aware intelligent automation 作者 Asundi, S., Piridi, S., Kamineni, S. et al. 期刊 EURASIP Journal on Advances in Signal Processing 年份 2026 DOI 10.1186/s13634-026-01371-7 核心创新RadarMind是一个雷...
AR-HUD + DMS联动：增强现实抬头显示如何基于驾驶员状态动态调整注意力引导
AR-HUD + DMS联动：增强现实抬头显示如何基于驾驶员状态动态调整注意力引导 AR-HUD与DMS协同架构分析 — 当导航箭头不再固定显示，而是根据驾驶员疲劳/分心程度动态调整位置、亮度和警示强度 背景：从信息展示到注意力管理传统HUD（抬头显示）是单向信息投影：固定显示速度、导航箭头等信息。驾驶员需要主动去看。 AR-HUD（增强现实HUD）将信息”贴”在真实路面上——导航箭头落在车道线上、碰撞警告标记跟随前车。但当前AR-HUD的设计不考虑驾驶员状态：无论驾驶员清醒还是疲劳，显示内容相同。 下一步演进：AR-HUD + DMS联动——根据驾驶员疲劳/分心程度动态调整AR内容的呈现策略。 AR-HUD市场现状（2025-2026） 车型/品牌 AR-HUD方案 特点 量产年份 大众ID.系列 AR-HUD（VW自研） 导航箭头叠加路面 2021+ 奔驰S级/EQS AR-HUD（MBUX） 77英寸投射距离10m 2021+ 小鹏G7 华为”追光全景”AR-HUD 华为硬件+小鹏软件 2025 宝马 AR-H...
座舱CO₂浓度与驾驶员警觉性：被忽视的疲劳诱因及IMS集成方案
座舱CO₂浓度与驾驶员警觉性：被忽视的疲劳诱因及IMS集成方案 健康座舱系列 — 当空气循环模式成为疲劳检测的隐性变量，DMS需要知道的不只是驾驶员的眼部状态，还有座舱空气质量 背景驾驶员疲劳检测通常关注眼部状态、头部姿态和生理信号。但有一个被忽视的环境因素：座舱内CO₂浓度。 当车辆空调处于内循环模式时，密闭座舱内的CO₂浓度会持续上升。研究表明，CO₂浓度超过2500 ppm时，驾驶员的认知能力和警觉性显著下降——这会被DMS误判为”疲劳”，但根因是空气质量。 座舱CO₂浓度变化规律典型场景 场景 CO₂变化 驾驶员状态 时间 外循环+1人 400-600 ppm 正常 持续 外循环+4人 500-800 ppm 正常 持续 内循环+1人 400→1200 ppm 轻微下降 30分钟 内循环+4人 400→2500+ ppm 显著嗜睡 30分钟 内循环+4人(长途) 400→4000+ ppm 严重嗜睡 2小时 CO₂浓度对认知能力的影响 CO₂浓度 (ppm) 认知影响 驾驶表现 DMS误判风险 400-600 基线 正常 无 ...
个体校准+可解释DMS：面部地标驱动的人类感知自动驾驶交互框架
个体校准+可解释DMS：面部地标驱动的人类感知自动驾驶交互框架 Frontiers in Robotics and AI论文解读 Candela et al., “Interpretable Driver Behavioral State Monitoring using Facial Landmarks for Human-Autonomous Vehicle Interaction”, Front. Robot. AI, 2026. 论文信息 项目 内容 标题 Interpretable Driver Behavioral State Monitoring using Facial Landmarks for Human-Autonomous Vehicle Interaction 作者 Candela, Mandujano-Carrillo, Vidal-Lopez, Ramírez-Moreno, Martinez, Lozoya-Santos 期刊 Frontiers in Robotics and AI (Human-Robot Interacti...
RT-VSS：FR3频段（7-24GHz）生命体征感知——座舱雷达新频段探索
RT-VSS：FR3频段（7-24GHz）生命体征感知——座舱雷达新频段探索论文信息 项目 内容 标题 RT-VSS: In-House Ray Tracing for Vital Signs Sensing in the FR3 Band arXiv 2609.15310 作者 Rudranil Chattopadhyay 等 提交时间 2026-09-14 关键词 FR3频段, 生命体征感知, 射线追踪, ISAC 核心发现FR3频段（7-24GHz）可以用于室内生命体征（呼吸+心跳）监测，且相比FR1（sub-6GHz）和FR2（mmWave）有独特优势。 关键发现： 厘米级波长提升对胸腔微动的相位灵敏度 丰富多径增强时间和空间分集 大带宽提供高时间分辨率 使用 Sionna Ray Tracing + Blender 物理仿真验证可行性 频段对比 频段 频率范围 波长 相位灵敏度 多径丰富度 穿透力 FR1 (sub-6GHz) 0.4-6GHz 5-75cm 低 中 强 FR3 7-24GHz 1.25-4.3cm 高 丰...
GazeDiT：扩散模型生成眼动训练数据——解决DMS数据稀缺的新管道
GazeDiT：扩散模型生成眼动训练数据——解决DMS数据稀缺的新管道论文信息 项目 内容 标题 GazeDiT: Gaze-Accurate Diffusion Image Generation for Eye Tracking via Spatial Conditioning arXiv 2609.17814 作者 Dongze Wu 等 提交时间 2026-09-15 关键词 扩散模型, 眼动追踪, 合成数据, 4D视线 核心创新用扩散模型生成带有精确4D视线标签的合成眼部图像，解决眼动追踪训练数据稀缺问题。 关键挑战：扩散模型生成的合成数据需要与数值标签精确对应——文本条件的图像只看”大致一致”，但监督学习要求每张图都有精确的视线角度标签。 GazeDiT 方案 训练阶段：冻结的 SegFormer 从真实图像中提取瞳孔/虹膜几何特征 推理阶段：物理眼渲染器采样 gaze 一致的眼部几何，无需源图像 空间条件：将全局 gaze 标签 grounding 到局部几何中 性能指标 指标 数值 说明 尾部 gaze 标签误差 ...
Murata × Smart Eye：摄像头-雷达融合——统一座舱感知硬件平台
Murata × Smart Eye：摄像头-雷达融合——统一座舱感知硬件平台行业动态 项目 内容 合作方 Murata Manufacturing + Smart Eye 发布时间 2026-09-15 展示场合 InCabin/AutoSens 2026 核心技术 60GHz雷达 + AI视觉融合 应用 DMS + OMS + CPD 统一平台 合作核心Murata（村田）和 Smart Eye 联合演示了摄像头-雷达传感器融合方案，目标是用一套硬件平台覆盖所有座舱感知需求。 关键信息 “Vehicle interiors are evolving from isolated sensing functions towards a holistic understanding of the cabin environment.”— Nozomu Kijiya, Product Manager, Murata Electronics Europe “The value of multi modal sensor fusion is n...
ZF LIFETEC：乘员感知+自适应安全气囊——座舱安全闭环系统
ZF LIFETEC：乘员感知+自适应安全气囊——座舱安全闭环系统行业动态 项目 内容 公司 ZF LIFETEC 发布时间 2026-09-22 (InCabin Europe 2026, Barcelona) 核心 乘员感知数据直接驱动自适应安全气囊/安全带 竞品 Autoliv (模块化方案) 法规对齐 Euro NCAP 2026-2030 核心创新将座舱感知硬件（摄像头+座椅传感器+安全带传感器）的数据直接接入约束控制环路，实现安全气囊和安全带的自适应部署。 与传统方案对比 方面 传统被动安全 ZF LIFETEC方案 传感器 碰撞加速度计+底盘变形 + 内置摄像头+座椅载荷+安全带位移 部署策略 预设火药力曲线 根据乘员体型/姿态动态调整 安全气囊 固定体积 60L-90L可变体积 (Dual Contour Airbag) 安全带 固定张力 ACR.8电机驱动多级张力 数据流 传感器→ECU→触发 感知→分类→决策→自适应触发 技术架构感知层 graph TB A[内置光学摄像头...
可解释DMS面部关键点监控：个体化标定+MediaPipe实现方案
可解释DMS面部关键点监控：个体化标定+MediaPipe实现方案论文信息 项目 内容 标题 Interpretable Driver Behavioral State Monitoring using Facial Landmarks for Human-Autonomous Vehicle Interaction 期刊 Frontiers in Robotics and AI (2026) DOI 10.3389/frobt.2026.1896859 机构 Tecnologico de Monterrey, Mexico; Houston Methodist Hospital 测试车辆 Polaris GEM e6 自动驾驶车 接受时间 2026-09-15 核心发现个体化标定+面部关键点的可解释DMS方案，SVM分类器达到91% F1，优于CNN/RNN(~80%)。 关键指标 指标 数值 说明 人脸检测成功率 98.5% MediaPipe SVM F1-score（室内） ~91% 最佳分类器 RF...
CNN-BiLSTM 分心驾驶检测框架：电动公交车知识迁移方案
CNN-BiLSTM 分心驾驶检测框架：电动公交车知识迁移方案论文信息 项目 内容 标题 A Distracted Driving Detection Framework for Electric Buses with Hybrid CNN-BiLSTM and Knowledge Transfer 期刊 International Journal of Automotive Technology (2026) DOI 10.1007/s12239-026-00538-3 关键词 CNN, BiLSTM, Knowledge Transfer, Electric Bus, Distracted Driving 核心创新混合 CNN-BiLSTM + 知识迁移的电动公交车分心驾驶检测框架。 与乘用车DMS的差异 方面 乘用车DMS 电动公交车DMS 驾驶员距离 50-70cm 80-120cm 光照变化 中等 极端（日间强光/夜间） 驾驶姿势 相对固定 变化大（公交车操作） 振动 小 大（公交车底盘振动） 操作...