Dapalm | IMS技术前沿

AR-HUD + 眼动追踪融合：注意力引导座舱交互技术与 IMS 集成方案 发布时间： 2026-09-05分类： 交互座舱 / AR-HUD / IMS标签： AR-HUD, eye-tracking, attention guidance, cockpit interaction, DMS integration 1. 背景：从信息展示到注意力引导1.1 传统 HUD 的局限 HUD类型 技术 局限 C-HUD (组合HUD) 透明屏 信息固定、无AR W-HUD (挡风玻璃HUD) 投影 视场有限 AR-HUD (增强现实HUD) 3D投影 信息过载风险 1.2 AR-HUD 的 DMS 困境AR-HUD 可以显示更多信息，但信息过多反而分散注意力： 驾驶员可能过度关注 HUD 而忽略道路 关键告警可能被其他信息淹没 不同认知风格的驾驶员对 HUD 依赖不同 核心问题：AR-HUD 应该显示什么、何时显示、如何引导注意力？ 2. 眼动 + AR-HUD 闭环注意力引导2.1 系统架构 graph TB A[DMS ...

航空座舱眼动追踪：7大指标提升飞行员训练与安全（附 IMS 跨域启示） 发布时间： 2026-09-05分类： 航空座舱 / 眼动追踪 / 跨域分析标签： pilot eye tracking, cockpit, SOMAREALITY, Smart Eye, aviation safety, gaze metrics 1. 行业背景1.1 航空安全痛点 统计 数据 航空事故中涉及驾驶舱监控不足 84%（NTSB 数据） 近50%航空事故与飞行员扫视不当相关 FAA 报告 飞行员疲劳相关事故占比 ~20% 高 workload 导致注意力隧道效应 主要事故诱因之一 1.2 眼动追踪在航空领域的应用现状 应用 厂商 状态 飞行员训练评估 SOMAREALITY, Smart Eye 2026年商用 疲劳与分心检测 Smart Eye 已部署 座舱界面优化 Hinfact + Smart Eye 研究中 自适应界面 多家研究机构 2026年原型 事故调查分析 NTSB + 眼动数据 已应用 2. 7大眼...

车内 CO2 与驾驶员警觉性：从空气循环到 DMS 融合的疲劳管理 93% 的驾驶员不知道长时间内循环模式会导致车内 CO2 浓度升高至影响警觉性的水平。本文深度解析车内 CO2 积累机制、对驾驶员认知能力的影响，以及与 DMS 融合的协同疲劳管理方案。 1. 问题：车内 CO2 积累1.1 CO2 浓度变化曲线 内循环时长 CO2 浓度 (ppm) 驾驶员状态 对应 0 min 400-500 警觉 基线 15 min 600-800 正常 轻微上升 30 min 800-1200 轻度下降 可感知 45 min 1200-1800 疲劳感 需通风 60 min 1800-2500 困倦 危险 90+ min 2500+ 严重困倦 极危险 1.2 CO2 影响机制123车内人员呼吸 → CO2 排出 → 密闭空间积累 → CO2 浓度升高 → 血液 CO2 分压升高 → 脑血管扩张 → 脑部血流变化 → 认知功能下降 → 警觉性降低 → 反应时延长 → 疲劳驾驶 1.3 关键数据 研究 CO2 浓度 对认知影响 来源 ...

双 MobileNetV2 实时嗜睡检测：从桌面到 Raspberry Pi 5 的跨平台部署 本文深度解析 IJEEEMI 2026 论文，该研究使用双 MobileNetV2 分类器（眼部+嘴部）+ 时间决策引擎，实现了桌面和 Raspberry Pi 5 边缘设备上一致的实时嗜睡检测，TFLite 量化将模型缩小 73%、推理加速 13 倍。 1. 论文信息 要素 内容 标题 Real-Time Drowsiness Detection Using Dual MobileNetV2 Models on Desktop and Edge Devices 期刊 Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics 发表 2026 年 8 月 核心方案 双 MobileNetV2（眼/嘴）+ 时间决策引擎 部署平台 桌面 + Raspberry Pi 5 模型格式 H5 (float32) + TFLite (量化) ...

EEG + 眼动跟踪融合认知状态监测：Frontiers 系统综述解读与 IMS 落地分析 发布时间： 2026-09-05分类： 论文解读 / 认知分心 / 生物信号标签： EEG, eye-tracking, sensor fusion, cognitive state, systematic review, Frontiers 2025 论文信息 项目 内容 标题 Combining EEG and eye-tracking for cognitive and physiological states monitoring: a systematic review 期刊 Frontiers in Neuroergonomics, Volume 6, 2025 DOI 10.3389/fnrgo.2025.1736672 类型 系统综述 (Systematic Review) 发表日期 2026-01-29（在线发布） 1. 研究背景1.1 为什么需要 EEG + 眼动融合？ 单模态 优势 局限 EE...

EyeCue：基于凝视-视频交叉建模的驾驶员认知分心检测（IJCAI 2026 论文解读与代码复现） 发布时间： 2026-09-05分类： 论文解读 / 认知分心 / DMS标签： EyeCue, CogDrive, IJCAI 2026, cognitive distraction, gaze, egocentric video 论文信息 项目 内容 标题 Driver Cognitive Distraction Detection via Gaze-Empowered Egocentric Video Understanding 作者 Lang Zhang et al. 会议 IJCAI 2026 (International Joint Conference on Artificial Intelligence) arXiv 2605.07859 GitHub langzhang2000/EyeCue 发布日期 2026-05-08 1. 核心创新EyeCue 是首个将眼动凝视与第一人称视频结合来检测驾...

Frontiers 社论：机器学习+可穿戴电子在操作员疲劳检测中的前沿 本文深度解读 Frontiers in Electronics 2026 社论《Machine Learning for Operator Fatigue Detection and Monitoring with Wearable Electronics》，该社论总结了该研究主题的系列成果，为跨行业操作员疲劳检测提供了机器学习+可穿戴技术的系统视角。 1. 社论信息 要素 内容 标题 Editorial: Machine Learning for Operator Fatigue Detection and Monitoring with Wearable Electronics 作者 Artan NS, Cicek I 期刊 Frontiers in Electronics, 2026 DOI 10.3389/felec.2026.1940900 类型 社论/研究主题总结 发表 2026 年 8 月 2. 核心主题2.1 研究范围 维度 覆盖 ...

Garmin Unified Cabin 2026：AI 座舱平台与空气质量监测集成 本文深度解析 Garmin 2026 年 1 月在 CES 发布布的 Unified Cabin 2026 平台——基于 AI/LLM 对话助手、座椅感知显示、空气质量与乘客舒适度技术集成的智能座舱管理系统，并探讨其对 IMS 座舱感知架构的启示。 1. 平台概况1.1 发布信息 要素 内容 平台名称 Garmin Unified Cabin 2026 发布时间 2026 年 1 月，CES 核心技术 AI/LLM 对话助手 + Snapdragon 计算 合作方 Qualcomm（Nexus 高性能计算平台） 应用领域 汽车座舱管理 1.2 核心能力 能力 描述 对话式 AI 理解上下文追问、一句话执行多操作 多语言 跨语言自然交互 座椅感知 向各座位推送独立显示和音频 空气质量 集成空气质量与乘客舒适度 智能管理 统一座舱管理 2. 技术架构2.1 系统组成 flowchart TB subgraph ...

现代 Atria AI 战略：从数据采集到 L4 自动驾驶的全栈布局 本文深度解析现代汽车集团 2026 年战略布局——自研 Atria AI 自动驾驶系统、与 NVIDIA 合作 SDV 平台、100 款新车型计划，以及 2026 年底在韩国启动道路数据采集的里程碑。 1. 战略全景1.1 关键时间线 timeline title 现代 Atria AI 发展时间线 2026 Q4 : 韩国道路数据采集启动 2028 : 首款量产 SDV（L2+ ADAS） 2029 : Atria AI 量产车辆上市 2030 : 100+ 款新车型发布 Future : L4 自动驾驶 1.2 三大合作矩阵 合作方 领域 内容 NVIDIA SDV+ADAS DRIVE Hyperion 平台集成 Amazon 云计算 数据存储+训练 Waymo Robotaxi L4 合作开发 1.3 Atria AI 定位 “Atria AI 将逐步扩展到量产车辆，构建从 L2+ 到 L4 的完整自动驾驶能力。” — 现代汽车...

海事驾驶台 AI 监控：Orca AI 与 ShipIn 桥楼安全方案对比分析及 IMS 跨域启示 发布时间： 2026-09-05分类： 海事座舱 / 跨域分析 / AI安全标签： Orca AI, ShipIn, BNWAS, maritime, bridge monitoring, SeaPod, FleetVision 1. 行业背景1.1 海事安全痛点海运承载全球 80%+ 贸易量，但安全形势严峻： 事故类型 主因 年均发生 碰撞 人力疲劳、瞭望缺失 ~3,000+ 搁浅 注意力分散、操作失误 ~1,500+ 人员落水 疲劳、判断失误 ~数百 根本原因：人为错误占海事事故 75-96%，核心因素包括： 疲劳值班（under-manning） 夜间/恶劣天气能见度差 过度依赖 AIS（忽略非发射船只） 警报过载（alarm fatigue） 高交通密度区域态势感知不足 1.2 法规框架 法规 要求 状态 SOLAS 国际海上人命安全公约 已实施 STCW 值班标准（休息时间要求） 已实施 BN...