EEG 乘客危险感知解码框架：3D-CRNN 在自动驾驶 SOTIF 中的辅助监督
EEG 乘客危险感知解码框架：3D-CRNN 在自动驾驶 SOTIF 中的辅助监督论文信息 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, Xinyu Gu, Yang Zhao, Yuxin Zhang, Sharon X. Huang, Tania Stathaki, Jun Li, Hong Wang 期刊 Automotive Innovation (Accepted) arXiv 2609.07128 日期 2026-09-07 代码 github.com/SOTIF-AVLab/EEG2023 数据 DOI: 10.21227/jw72-m261 核心创新论文首次提出基于 EE...
NVIDIA Cosmos 3 深度解析：Mixture-of-Transformers 架构与座舱数据合成工厂
NVIDIA Cosmos 3 深度解析：Mixture-of-Transformers 架构与座舱数据合成工厂 NVIDIA Cosmos 3 采用 Mixture-of-Transformers (MoT) 架构，统一视觉推理、世界生成和动作预测为单一系统。AWS SageMaker HyperPod 集成方案展示了完整的 Physical AI 模型工厂流水线。本文深度解析 Cosmos 3 架构及其对 IMS 座舱数据合成的价值。 1 Cosmos 3 核心架构1.1 三大架构创新 创新 说明 传统方案对比 单一 token 流 视频/图像/动作/声音统一编码 分离模型处理不同模态 MoT 双专家 Reasoner + Generator 每层联合注意力 DiT 贴在 VLM 后端 推理非对称 训练全降噪，推理跳步+跳解码 训练=推理 1.2 架构详解 graph TD A[Cosmos 3 架构] --> B[AR 区域: 文本+视觉理解] A --> C[DM 区域: 视频+音...
视觉疲劳 GBDT-LR 评估：眼控交互中瞳孔反应的机器学习分析
视觉疲劳 GBDT-LR 评估：眼控交互中瞳孔反应的机器学习分析 MDPI Sensors 2026 发表基于 GBDT-LR 的视觉疲劳评估方法，利用任务表现和瞳孔反应数据。传统主观方法过于主观，侵入式设备成本高。机器学习方案提供了客观、低成本的视觉疲劳检测路径。 1 研究概况 项目 内容 标题 Assessment of Visual Fatigue Caused by Eye-Controlled Interaction Based on Task Performance and Pupillary Response with GBDT-LR 期刊 Sensors, 2026, 26(17):5507 方法 GBDT + Logistic Regression 输入 任务表现 + 瞳孔反应 目标 客观视觉疲劳评估 2 技术方案2.1 GBDT-LR 架构12345678910111213141516171819202122232425262728293031323334353637383940from sklearn.ensemble imp...
AR-HUD 地标可视化与空间认知：自动驾驶中驾驶员情境感知研究
AR-HUD 地标可视化与空间认知：自动驾驶中驾驶员情境感知研究 Frontiers in Virtual Reality 2026 发表 AR 地标可视化对自动驾驶中附带空间知识获取的影响研究。参与者通过 VR 体验自动驾驶，AR-HUD 投射地标图标和文字。本文解析实验设计、核心发现及 DMS+AR-HUD 融合的注意力引导策略。 1 研究设计1.1 实验概况 参数 值 环境 VR 自动驾驶模拟 参与者 多组对照 条件 AR 地标 vs 无 AR AR 内容 地标图标+文字投影到挡风玻璃 测量 附带空间知识（非明确记忆） 1.2 核心发现 发现 说明 AR 地标提升空间认知 非明确记忆也受益 图标+文字最有效 比纯图标或纯文字 注意力分配变化 AR 吸引部分注意力但不损害道路关注 2 DMS 注意力引导启示2.1 DMS 监控 AR 使用效果123456789101112131415161718class ARHudAttentionMonitor: """ DMS 监控 AR-H...
自动驾驶 reclined 姿态下乘员安全约束系统：Autoliv×Toyota 合作新方向
自动驾驶 reclined 姿态下乘员安全约束系统：Autoliv×Toyota 合作新方向 Autoliv 与 Toyota 2025年3月达成战略合作，共同开发下一代气囊和安全带系统，集成更智能的乘员感知和先进约束技术。结合 Applied Sciences 发表的 reclined 姿态运动学研究，本文解析 reclined 乘员安全约束系统的发展方向。 1 Autoliv×Toyota 合作1.1 合作概况 项目 内容 时间 2025年3月 方向 下一代气囊+安全带系统 核心 智能乘员感知+先进约束 目标 Toyota 安全架构全面升级 1.2 市场背景 指标 数值 安全约束系统市场 持续增长 驱动因素 自动驾驶 reclined 姿态 核心需求 智能感知+自适应约束 2 Reclined 姿态安全挑战2.1 传统约束系统不足 传统设计 Reclined 姿态问题 假人直立 真实乘员 reclined 安全带标准位置 前倾后位置变化 气囊固定展开角度 reclined 头部角度不同 统一爆裂力度 re...
EmoDLNet 深度解析：2D+1D CNN + 分层 GRU 时序认知状态检测及 DMS 迁移
EmoDLNet 深度解析：2D+1D CNN + 分层 GRU 时序认知状态检测及 DMS 迁移 Frontiers in Human Neuroscience 2026 引用 EmoDLNet 端到端深度学习框架，集成 2D+1D CNN 与分层 GRU 自动提取多尺度时空特征。原用于飞行学员脑网络情绪分类，可迁移到 DMS 时序认知状态检测。 1 EmoDLNet 架构1.1 架构概要 组件 作用 输入 输出 2D CNN 空间特征提取 多通道信号 (B,C,T) 空间特征图 1D CNN 时频特征提取 多通道信号 (B,C,T) 时频特征 分层 GRU 长时序依赖 拼接特征序列 时序状态 分类头 多类分类 GRU 最后隐状态 类别概率 1.2 DMS 迁移方案 原始用途 DMS 迁移 输入变化 EEG 14通道 面部关键点序列 14→98点 情绪4分类 认知状态4分类 标签调整 离线分析 实时检测 延迟约束 1.3 核心代码（参考前篇航空座舱博客中的 EmoDLNet 实现）已在前篇博客中提供完整实现，此处聚焦 DMS 迁...
隧道交通目标检测轻量化 YOLOv8：特征增强+自适应剪枝在低光照场景的应用
隧道交通目标检测轻量化 YOLOv8：特征增强+自适应剪枝在低光照场景的应用 MDPI Applied Sciences 2026 发表隧道交通目标检测新方法，集成特征增强和自适应剪枝的轻量 YOLOv8。隧道场景的照明不均、严重遮挡、远距离小目标和长尾分布与座舱 DMS 挑战高度相似。本文解析技术方案及跨场景迁移价值。 1 研究概况 项目 内容 标题 A Lightweight YOLOv8 Tunnel Traffic Object Detection Method Based on Feature Enhancement and Adaptive Pruning 期刊 Applied Sciences, 2026, 16(17):8780 挑战 不均匀照明、严重遮挡、远距离小目标、长尾分布 方法 特征增强 + 自适应剪枝 目标 边缘部署计算约束 2 隧道 vs 座舱挑战对比 挑战 隧道交通 座舱 DMS 共性 照明不均 入口/出口强光 日光直射/阴影 ✅ 遮挡 车辆互相遮挡 方向盘/手部遮挡 ✅ ...
座舱空气质量传感与健康监测：从 CO2/VOC 到驾驶员呼吸健康
座舱空气质量传感与健康监测：从 CO2/VOC 到驾驶员呼吸健康 座舱环境监测传感器网络市场 2026-2036 增长 5 亿美元，CO2 传感器占 31%。Bosch Sensortec 推出车内空气质量全套方案。本文解析座舱空气质量传感器技术路线及对驾驶员健康监测的价值。 1 市场概况 指标 数值 市场增量 (2026-2036) $0.5B CO2 传感器占比 31% 无线节点架构占比 38.5% 主要应用 航空→汽车座舱 核心驱动 健康意识 + 法规 2 传感器技术路线2.1 传感器类型 传感器 检测目标 精度 成本 对驾驶员的价值 CO2 (NDIR) 二氧化碳浓度 ±50ppm $5-10 高 CO2 → 嗜睡 PM2.5 颗粒物 ±5μg/m³ $3-8 呼吸道刺激 VOC 挥发性有机物 ±0.1ppm $2-5 头痛/恶心 温湿度 环境舒适度 ±0.5°C $1-2 热舒适评估 O3 臭氧 ±5ppb $5-10 呼吸刺激 2.2 CO2 与驾驶员警觉性 CO2 浓度 ...
AR-HUD 与 DMS 融合：增强现实抬头显示如何重塑驾驶员注意力引导
AR-HUD 与 DMS 融合：增强现实抬头显示如何重塑驾驶员注意力引导 FORVIA HELLA 与 Distance Technologies 合作开发无镜 3D AR-HUD。MDPI Sustainability 发表 AR-HUD 导航符号对驾驶员横向注视转移和注意力分布的影响研究。AR HUD 市场预计 2026-2033 CAGR 17.4%。本文解析 AR-HUD 与 DMS 融合的技术路径。 1 AR-HUD 市场趋势1.1 市场预测 指标 数值 AR HUD CAGR (2026-2033) 17.4% 转型方向 信息显示 → 上下文化 关键变化 从仪表盘投影 → 3D 空间融合 1.2 最新动态 事件 时间 说明 FORVIA HELLA × Distance Technologies 2026.09.09 无镜 3D AR-HUD 合作 AR-HUD 导航符号研究 2026.09 MDPI Sustainability 发表 AR 地标空间认知研究 2026.09 Frontiers in VR 发表 2 AR...
Rivian R2 OTA 2026.31 深度解析：乘员舒适度校准与 DMS 环境鲁棒性
Rivian R2 OTA 2026.31 深度解析：乘员舒适度校准与 DMS 环境鲁棒性 Rivian 2026.31 OTA 更新推送到 R1 和 R2 车型，其中 R2 的”乘员舒适度校准和系统在各种环境场景下的鲁棒性改进”直接涉及 DMS/OMS 能力升级。本文分析 Rivian DMS 策略及对 IMS 的竞品启示。 1 OTA 更新概况1.1 基本信息 项目 内容 版本 RivianOS 2 / 2026.31 推送范围 R1 和 R2 车型 发布时间 2026年9月初 R2 亮点 乘员舒适度校准 + 环境鲁棒性 R1 亮点 RivianOS 2 大版本升级 1.2 R2 更新内容 更新项 说明 DMS 关联 乘员舒适度校准 座椅/HVAC/乘坐体验优化 间接（乘员状态感知） 环境鲁棒性 各种环境场景下系统稳定性 直接（光照/温度影响 DMS） 2 DMS 环境鲁棒性分析2.1 典型环境挑战 环境场景 对 DMS 的影响 Rivian 可能的优化 强逆光 面部...