Dapalm | IMS技术前沿

航空座舱心理疲劳评估：头戴式传感技术前沿综述 论文信息 标题： The state of the art in assessing mental fatigue in the cockpit using head-worn sensing technology 期刊： Frontiers in Neuroergonomics, Volume 6, 2025 链接： https://doi.org/10.3389/fnrgo.2025.1673268 发表日期： 2026年1月12日 核心方法： EEG + fNIRS + 眼动 + 头戴式多传感器综述 核心创新这是航空座舱心理疲劳头戴式传感技术的最新全面综述，系统评估了EEG、fNIRS、眼动追踪等头戴式传感器在飞行模拟器和真实飞行中的有效性。关键贡献是明确了SSVEP（稳态视觉诱发电位）可在注意力衰减前5秒预测错误——这是航空安全领域首个秒级预测指标。 与汽车DMS的差异： 航空：高工作负荷→主动疲劳（overload），低工作负荷→被动疲劳（underload） 汽车：以被动疲劳为主（高速公路单调） 航空：仪表扫描模式...

脑机接口驾驶监测：7大公开EEG数据集基准测试与ADAS部署差距 论文信息 标题： A Multidimensional Benchmark of Public EEG Datasets for Driver State Monitoring in Brain–Computer Interfaces 期刊： Sensors, 2025 链接： https://www.mdpi.com/1424-8220/25/7/7426 发表日期： 2025年（2026年更新） 核心方法： PRISMA系统综述 + 7个公开EEG驾驶数据集多维度基准测试 核心创新首个针对驾驶场景EEG数据集的结构化基准测试。 使用PRISMA标准对7个公开数据集从任务设计、模态集成、人口统计、可访问性和模型性能5个维度进行系统评估，揭示了阻碍BCI在ADAS中实际部署的关键差距。 关键发现： ❌ 年龄偏差严重——多数数据集只有大学生参与 ❌ 过度依赖模拟器——真实道路数据极度匮乏 ❌ 情感监测不足——大部分只关注困倦/认知负荷 ❌ 数据可访问性差——多数数据集限制获取 方法详解1. 7个基...

CL-Drive：多模态脑机接口驾驶员认知负载数据集与基线模型 论文信息 标题： Multimodal Brain-Computer Interface for In-Vehicle Driver Cognitive Load Measurement: Dataset and Baselines 作者： Behnam Behinaein 等 (University of Waterloo) 链接： https://arxiv.org/abs/2304.04273 发表日期： 2023年4月（2025年更新v2） 核心贡献： 首个公开的驾驶认知负载数据集，包含EEG+ECG+EDA+眼动，21名受试者，9级认知负荷 核心创新CL-Drive是首个公开的包含EEG+多生理信号的驾驶认知负载数据集。 21名受试者在沉浸式驾驶模拟器中完成9个复杂度等级（每级3分钟），每10秒报告一次主观认知负荷评分（PAAS量表）。 解决三个关键空白： 现有认知负载数据集多在非驾驶场景采集 现有数据集认知负荷标注稀疏（几分钟一次） 现有数据集未探索BCI与可穿戴信号的融合 方法详解1. 实验设...

驾驶员多模态情绪识别：MHLT模型级融合视频与音频 论文信息 标题： Intelligent emotion recognition for drivers using model-level multimodal fusion 期刊： Frontiers in Physics, 2025 链接： https://doi.org/10.3389/fphy.2025.1599428 发表日期： 2025年11月2日 核心方法： MHLT模型——视频+音频模型级融合 + 注意力机制 + 情绪强度回归 核心创新首次在驾驶员情绪识别中引入情绪强度连续维度（-1到+1），而非传统的离散分类。MHLT模型通过多头注意力机制在模型级融合视频和音频，不仅识别情绪类型（正/中/负），还量化情绪强度（如-0.7表示强烈负面情绪）。 关键差异： 传统方法：分类为”愤怒”/“悲伤”/“高兴”等6类 MHLT方法：连续维度[-1, +1]，-0.7=强烈负面，+0.3=轻度正面 轻度负面情绪（-0.2）可能让驾驶更谨慎，极端负面（-0.8...

Edge AI SoC 选型终极指南：为什么 TOPS 数字是最大的陷阱——7 个维度全面评估 来源：TechVeda, 2026年9月2日核心论点：TOPS 数字不可比较，驱动可用性 > 硅峰值性能，内核版本寿命决定产品生死IMS 相关性：⭐⭐⭐⭐⭐（芯片选型是 IMS 第一决策） 原文信息 项目 内容 标题 How to Choose an Edge AI SoC: NPU, GPU, DSP, CPU, Memory, Power and the Software Stack 发布日期 2026年9月2日 作者 TechVeda 链接 https://www.techveda.live/2026/09/02/how-to-choose-edge-ai-soc/ 核心观点 TOPS 不是可比单位，选型应由 7 个维度决定 核心发现：TOPS 数字陷阱各厂商 TOPS 数据对比（不可直接比较！） 芯片 标称 TOPS 实际含义 真实可比值 Rockchip RK3588 6 TOPS 无数据类型标注 ❓ 不可比 NXP i...

老年驾驶员认知衰退检测：车载传感器作为早期诊断工具 论文信息 标题1： Enhancing road safety: In-vehicle sensor analysis of cognitive impairment in older drivers 期刊1： Multimedia Tools and Applications, 2024 链接1： https://doi.org/10.1007/s11042-024-19833-1 标题2： Driving as a Diagnostic Tool: Scenario-based Cognitive Assessment in Older Drivers from Driving Video 会议2： arXiv:2507.05463 (2026年2月更新) 链接2： https://arxiv.org/abs/2507.05463 核心方法： 车载传感器（视觉+遥测）+ 大视觉模型 → MCI/痴呆早期检测 核心创新将汽车从”交通工具”转变为”认知诊断工具”。 两篇论文从不同角度验证了同一理念：日常驾驶行为中...

Euro NCAP 2026 最新碰撞结果：三款中国 EV 五星——IMS/CPD 配置深度对比 来源：Euro NCAP 2026年9月3日发布测试车型：Aion UT / Geely E2 / Leapmotor B05 / CUPRA RavalIMS 相关性：⭐⭐⭐⭐⭐（直接反映中国车企 ENCAP 2026 合规策略） Euro NCAP 2026 测试结果综合评分 车型 安全驾驶 碰撞避免 碰撞保护 碰后安全 总评 Aion UT 66% 74% 91% 88% ⭐⭐⭐⭐⭐ Geely E2 79% 72% 86% 95% ⭐⭐⭐⭐⭐ Leapmotor B05 66% 77% 92% 89% ⭐⭐⭐⭐⭐ CUPRA Raval（标准） 58% 66% 91% 95% ⭐⭐⭐⭐ CUPRA Raval（+安全包） 72% 77% 91% 95% ⭐⭐⭐⭐⭐ 关键发现 三款中国 EV 全部五星，欧洲对手 CUPRA 标准配置仅四星 Geely E2 安全驾驶 79% 最高 — 物理按键 + 标准 ...

Euro NCAP 2026 中国 EV 三连五星：Geely E2 / Leapmotor B05 / Aion UT 深度拆解 来源：Euro NCAP 2026年9月3日最新评估结果核心发现：3 款中国 EV 在更严格的 2026 协议下获五星IMS 相关性：⭐⭐⭐⭐（CPD 标配化、安全设计趋势） 评估结果2026年9月3日 Euro NCAP 最新结果 车型 安全驾驶 碰撞避免 碰撞保护 碰撞后安全 总评 Geely E2 79% 72% 86% 95% ⭐⭐⭐⭐⭐ Leapmotor B05 66% 77% 92% 89% ⭐⭐⭐⭐⭐ Aion UT 66% 74% 91% 88% ⭐⭐⭐⭐⭐ Cupra Raval 58% 66% 91% 95% ⭐⭐⭐⭐ Cupra Raval (+Pack) 72% 77% 91% 95% ⭐⭐⭐⭐⭐ 2026 协议变化要点 变化 影响 中国车型表现 更严格评估标准 整体分数预期降低 3 款仍获五星 ✅ 低速/交叉路口场景 AEB 难度增加 Leapm...

Euro NCAP 2026 最新碰撞测试结果：3 款中国 EV 获五星——CPD 与 DMS 成为核心分水岭 来源：FIA Region I / Euro NCAP，2026年9月3日发布测试车型：CUPRA Raval、AION UT、Geely E2、Leapmotor B05核心发现：CPD 标配 vs 缺失成为五星关键分水岭，DMS 被纳入评分IMS 相关性：⭐⭐⭐⭐⭐ 测试结果总览四款车型评分对比 车型 Safe Driving Crash Avoidance Crash Protection Post-Crash 总评 Geely E2 79% 72% 86% 95% ⭐⭐⭐⭐⭐ Leapmotor B05 66% 77% 92% 89% ⭐⭐⭐⭐⭐ AION UT 66% 74% 91% 88% ⭐⭐⭐⭐⭐ CUPRA Raval（标准） 58% 66% 91% 95% ⭐⭐⭐⭐ CUPRA Raval（Safety Pack） 72% 77% 91% 95% ⭐⭐⭐⭐⭐ ENCAP 2026 四阶段安全评估 graph...

Everybody Tracking Every Body：多视角自我中心 3D 姿态融合——OOP 多人检测新思路 论文来源：arXiv 2608.29927，2026年8月30日核心创新：多人体各佩戴摄像头 + VIO SLAM + 扩散模型融合关键指标：多人交互场景，绝对和相对姿态精度均优于基线IMS 相关性：⭐⭐⭐（OOP 多乘员检测的远期参考方案） 论文信息 项目 内容 标题 Everybody Tracking Every Body arXiv 2608.29927 发表日期 2026年8月30日 作者 Charless Fowlkes 等 领域 cs.CV 链接 https://arxiv.org/abs/2608.29927 核心创新问题定义多人交互场景中，从**多个自我中心视角（egocentric views）**进行 3D 姿态估计： 每个人佩戴一个摄像头 + IMU VIO SLAM 追踪每个摄像头在空间中的运动 每个摄像头同时看到自己的身体（第一人称）和他人身体（第三人称） 需要融合这些稀疏、间歇、可靠性变化大的...