Calterah UWB CPD：软件升级实现儿童检测——AutoSens 2026产业分析
Calterah UWB CPD：软件升级实现儿童检测——AutoSens 2026产业分析概览在AutoSens Europe 2026（巴塞罗那）上，Calterah（加特兰）展示了其Dubhe CAL1106AQ SoC——全球首个在FiRa 4.0认证的2T4R UWB芯片上实现IEEE 802.15.4ab感知功能的产品。关键突破是：通过软件升级现有无钥匙进入UWB硬件即可实现CPD功能，可能使专用的60GHz mmWave车内雷达变得不必要。 技术方案CAL1106AQ 核心参数 参数 数值 芯片型号 Dubhe CAL1106AQ UWB标准 IEEE 802.15.4ab FiRa认证 FiRa 4.0 天线配置 2T4R（2发4收，官方称业界首个2T4R UWB SoC） 测距能力 支持远距离测距（官方页面未公布具体数值） 感知能力 支持 IEEE 802.15.4ab 感知与单站（monostatic）雷达 CPD能力 官方 CPD 开发套件称支持儿童存在检测、乘员分类与生命体征监测 处理器 240 MHz RISC-V，...
CCGF：追踪丢失期间的因果视线恢复——驾驶监控盲区填补
CCGF：追踪丢失期间的因果视线恢复——驾驶监控盲区填补论文信息 项目 内容 标题 Context-Aware Causal Gaze Forecasting for Human-Vehicle Interaction During In-Cabin Tracking Dropouts arXiv 2609.12374 提交时间 2026-09-11 评估机构 Pith (T0 AI Review) 代码/数据 作者声明将发布数据集、评估协议和因果基线 核心问题DMS的致命盲区仪表盘-mounted视线追踪器在大角度头部旋转时经常丢失驾驶员视线追踪。这些时刻包括： 场景 发生频率 安全相关性 肩部检查（shoulder check） 占驾驶时间8.5% 🔴 极高（变道/汇合） 后视镜扫视 频繁 🟡 中等 交叉口扫描 高频 🔴 极高 矛盾点：追踪器丢失的时刻，恰恰是驾驶员注意力信息最有价值的时刻。 现有方法的局限 graph LR A[追踪器丢失] --> B{如何处理?...
EyeTAG：基于轨迹感知的视线估计框架——BMVC 2026论文解读
📄 全文中文译稿已上线：论文库译稿页(保留全部图表,含工程向译者解读),需要逐节细节请直接读译稿。 EyeTAG：基于轨迹感知的视线估计框架——BMVC 2026论文解读论文信息 项目 内容 标题 EyeTAG: Eye Trajectory-Aware Gaze Estimation 作者 Jungmin Lee, Niamat Ullah, Yoseob Han 机构 Soongsil University, Seoul, Republic of Korea 会议 BMVC 2026 (British Machine Vision Conference) arXiv 2610.00922 代码 GitHub: peter8366/EyeTAG 框架 PyTorch, Python 3.11 核心创新EyeTAG的核心创新是显式的一阶视线先验（first-order gaze prior）：模型在每一步将自己的近期预测做差分（differencing），得到视线运动轨迹，并将其反馈为紧凑的运动学token。由于差分操作在视线...
从实验室到道路：可穿戴注视追踪在真实驾驶中的精度评估与校准——GCPR 2026论文解读
从实验室到道路：可穿戴注视追踪在真实驾驶中的精度评估与校准——GCPR 2026论文解读论文信息 项目 内容 标题 From Laboratory to Road: Evaluating Wearable Gaze Accuracy for Driving 作者 William Engel 等 会议 GCPR 2026 (German Conference on Pattern Recognition) 类型 Extended Abstract (Poster) arXiv 2610.07783 关键词 Mobile eye tracking, Gaze accuracy, Driving perception, Spatial supervision, Error modeling 核心问题BEV表示与驾驶员注视的差距自动驾驶系统广泛使用鸟瞰图（BEV）作为感知和规划之间的接口，但BEV只编码”场景中有什么”，而非”对驾驶员什么是行为相关的”。 驾驶员注视提供了这一空白的行为信号，但可穿戴眼动追踪的空间输出通常被当作真值使用，实际上受到多种因素...
R2SGEN：从真实数据到仿真场景的约束求解生成框架——OOPSLA 2026论文解读
📄 全文中文译稿已上线：论文库译稿页(保留全部图表,含工程向译者解读),需要逐节细节请直接读译稿。 R2SGEN：从真实数据到仿真场景的约束求解生成框架——OOPSLA 2026论文解读论文信息 项目 内容 标题 Real-to-Sim Generation: Synthesizing Scenario Programs from Real-World Data via Constraint Solving 作者 Peishan Huang, Wenmeng Zhang, Yusen Chen, Zhenbang Chen 机构 National University of Defense Technology, Changsha, China 会议 OOPSLA 2026 (SPLASH) DOI 10.1145/3839527 arXiv 2609.23342 页数 31页, 4图, 4表 语言 Programming Languages (cs.PL) 核心创新R2SGEN解决了合成数据生成中的sim-to-real...
摄像头心率变异性估计：vPPG技术在DMS中的落地分析
摄像头心率变异性估计：vPPG技术在DMS中的落地分析 Nature Scientific Reports 2026 论文解读与座舱DMS应用 论文信息 标题： Estimating heart rate variability using facial video photoplethysmography: a pilot validation study 作者： Leszek Pstras, Tymoteusz Okupnik, Beata Ponikowska, Bartlomiej Paleczny 机构： Polish Academy of Sciences / Wroclaw Medical University 期刊： Scientific Reports (Nature) 发布日期： 2026年10月10日 链接： DOI:10.1038/s41598-026-70292-0 核心发现使用智能手机摄像头进行面部视频光电容积脉搏波（vPPG）估计心率变异性（HRV），与同步ECG参考值对比： HRV指标 中位绝对误差 相对误差 RMSE...
Cosmos-Drive-Dreams：NVIDIA自动驾驶合成数据管道及其在座舱感知中的应用
Cosmos-Drive-Dreams：NVIDIA自动驾驶合成数据管道及其在座舱感知中的应用 开源项目解读与IMS数据合成路径分析 项目概览 属性 详情 项目名 Cosmos-Drive-Dreams 开发方 NVIDIA TLLabs (nv-tlabs) 仓库 GitHub: nv-tlabs/cosmos-drive-dreams 核心 Cosmos 世界基础模型 + 扩散/自回归生成 用途 自动驾驶场景合成数据生成 支持模式 文本→视频、视频→视频、动作→视频、多视角→视频、图像→LiDAR 架构详解完整管道 flowchart TD subgraph 输入准备 A[驾驶条件视频+标签] B[HDMap渲染] C[LiDAR距离图] D[3D场景条件] end subgraph 工具包 E[条件渲染器] F[标签可视化] G[数据集转换] H[相机校正] ...
ADAC CPD系统可靠性测试：新生儿检测是最大短板
ADAC CPD系统可靠性测试：新生儿检测是最大短板 ADAC儿童遗留检测系统评测深度解读与IMS改进方向 测试背景2026年，德国汽车俱乐部ADAC（Allgemeiner Deutscher Automobil-Club）对市售CPD（Child Presence Detection）系统进行了独立可靠性测试，结果揭示了当前CPD技术的关键不足。 测试设计测试对象 配置 类型 传感器原理 车辆A（直接CPD） 雷达类 60GHz mmWave内舱雷达 车辆B（直接CPD） 超声波类 超声波运动检测 车辆C（直接CPD） 雷达类 mmWave内舱雷达 车辆D（间接CPD） 逻辑推断类 基于车门/座椅状态推断 测试道具 道具 描述 安装方式 新生儿假人 后向婴儿座椅中的新生儿模型 ISOFIX安装 + 车辆安全带安装 1岁儿童假人 前向儿童座椅中的1岁模型 ISOFIX安装 狗 活体狗 后排座椅 测试场景 场景 描述 挑战 1岁儿童 前向座椅 中等（有明显运动/呼吸） 新生儿-ISOFIX 后向婴...
AttentiveGaze：不确定性感知的多模态视线估计
AttentiveGaze：不确定性感知的多模态视线估计 论文解读与DMS安全部署分析 论文信息 标题： AttentiveGaze: an uncertainty-aware multimodal feature fusion for robust gaze estimation 作者： Pooja Jigar Choksy, Heena Patel, A. Chowdhury, S. P. Pachade, A. Puar 机构： Akeso Eyecare (Beijing) / EyelignAI (India) 期刊： Multimedia Tools and Applications, 85(9), Article 742 DOI： 10.1007/s11042-026-21909-z 时间： 2026年10月 核心创新AttentiveGaze 解决了DMS视线估计的两个关键问题： 多模态自适应融合 — 不用固定权重，而是逐样本动态决定眼部特征/面部上下文/头部姿态的融合比例 不确定性量化 — 每个预测都附带置信度，当输...
HuLiGen：从参数化人体模型生成LiDAR点云
HuLiGen：从参数化人体模型生成LiDAR点云 arXiv 2610.10196 论文解读与座舱感知数据合成应用 论文信息 标题： HuLiGen: Human LiDAR Generation from Parametric Body Models 作者： Salma Galaaoui, Nermin Samet, David Picard 机构： Valeo AI (valeoai) 链接： arXiv:2610.10196 代码： GitHub: valeoai/HuLiGen 核心创新HuLiGen 使用 Point Transformer + Flow Matching 目标，从 SMPL 参数化人体模型生成真实感 LiDAR 点云。生成的点云比传统 raycasting 更接近真实采集分布，可用于合成数据预训练，在低标注/低数据场景下将 MPJPE 降低 50%。 一句话总结： 用生成模型替代物理 raycasting 来合成人体 LiDAR 数据，生成结果更接近真实采集分布，显著提升下游姿态估计性能。 问题背景 数据来源 真实感 成本...