开放问题

行业和法规

• Euro NCAP 2026 / 2029 / Roadmap Vision 2030 中，和 DMS/OMS、impairment、distraction、takeover 相关的官方表述到底是什么？
• EU GSR（General Safety Regulation，不是 Galvanic Skin Response）对 DMS 的强制要求和下一阶段趋势是什么？
• “ENCAP29”在会议语境中到底指哪份资料或哪组外部判断？
• BlueSkeye AI 对 Euro NCAP 2029 的七项预测，哪些能从 Euro NCAP 官方 Roadmap Vision 2030 或 2026 protocol 中找到方向依据？

技术方向

• 个性化 baseline 是否是最适合 MINIEYE 第一阶段推进的方向？
• 人车浅融合能否在现有量产数据里看到明确增益？
• 接管准备度是否有足够可用数据，还是必须依赖外部模拟器？
• GSR、HR、非接触生命体征中，哪个最有车载落地希望？
• VLM / 大模型是否只是中长期雷达，还是有短期可验证价值？
• VLM / Agent 是否能先作为离线 HMI/干预策略沙盒，而不是直接进入车端闭环？
• Wi-Fi / CSI sensing 是否能在 MINIEYE 可接触的车内硬件上拿到底层信号？
• Acoustic active sensing 能否复用量产车 speakers / microphones，并避开音频娱乐和语音链路冲突？
• Event camera 是否能在 blink、saccade、micro-expression、低光场景相对现有 NIR/RGB DMS 产生可量化增益？
• Thermal camera 的 privacy-preserving CPD 是否能处理儿童座椅、毯子遮挡、夏季高温背景和宠物/热物体误报？
• UWB sensing 是否能和 digital key / access 生态复用，还是需要独立 CPD 硬件？
• Driver dynamics rollout 是否能用 MINIEYE 现有视频/车辆信号数据构造短时预测标签？
• Cabin VLM / safety QA 能否成为内部离线 case review 和场景挖掘工具？
• 多意图车内语音理解是否应纳入 MINIEYE 的安全 HMI 叙事，还是属于座舱伙伴能力？
• alcohol intoxication / impairment 是否值得纳入技术雷达，还是过早偏离 MINIEYE 当前能力？
• DUIncoder 这类 normal driving anomaly detection 能否迁移到 MINIEYE 自有量产/路测数据，还是只适合模拟器验证？
• dead stare ahead 这类“看着路但没有处理信息”的状态，能否用 gaze + scene + behavior 低成本验证？
• interior sensing + exterior sensing 是否能成为 MINIEYE 从 DMS 走向 ADAS 协同的中期方向？
• eye health / visibility 能否作为 DMS/OMS 的合理延展，还是会触碰 medical device 风险？
• 声纹/语速、座椅压力、毫米波呼吸、踏板非线性和反应潜伏期中，哪些对疲劳/接管准备度的增益最大，哪些只是噪声？
• UI/HMI 降级、主动语音搭话、多感官刺激、动态路线重规划分别在什么疲劳程度和自动化等级下有效？
• DMS 原始图像是否在任何近期 L2+ 场景中需要进入端到端主模型，还是应统一收束为状态机/后处理输入？
• DMS 的语义状态如何定义，才能反向对齐 AD 可执行动作，而不是沿用 DMS 内部疲劳阈值？
• 疲劳、困倦、警觉度下降、微睡眠和广义 impairment 的目标构念应如何区分，谁负责最终定义？
• EEG/EOG、KSS/KDS/PVT、PERCLOS/视频和 CAN/驾驶表现如何融合成带置信度与证据组成的标签？
• 清醒/轻度/中度/重度是否是产品需要的状态语义，还是应从 AD 状态机动作反向定义离散阈值？
• “多源标签模型”需要通过哪些重复性、专家一致性和跨设备门槛，才能避免被过早命名为“疲劳专家模型”？
• DMS 直接视觉信号与方向盘扭矩、电容方向盘等间接信号，在疲劳、分心、无响应判断上的提前量和准确率差异如何验证？
• ODD 退出、ODD 内异常接管、RMF、疑似失能/无响应四类场景中，哪些最适合成为第一轮 HCT 共创场景？
• “疲劳后智驾更保守”是否真实提升安全，还是只改变乘客体感？需要哪些 cut in、速度差、后车风险场景验证？
• 踏板误操作场景中，DMS 状态相对车辆、障碍物和踏板信号 baseline 是否有可量化增量？

数据和实验

• MINIEYE 当前能拿到哪些车辆信号？
• 现有 DMS 数据是否有驾驶员身份、行程、疲劳误报、分心误报等可用于 baseline 分析的字段？
• 是否已有真实或模拟接管数据？
• DMS / CAN / ADAS / HMI 提醒 / 干预动作能否做同一时间轴同步？
• 前车刹车灯或 ADAS 风险事件到驾驶员制动踏板响应的反应潜伏期，能否作为可重复采集的疲劳指标？
• 延锋展舱是否能读数据，数据格式是什么？
• 高校或测试机构是否能提供可合作实验环境？
• 招商车研实车酒驾采集的安全、法律、伦理、场地和数据权限边界如何设计？
• L2 与 L0 场景下，疲劳/失能后的干预策略是否应该分开定义？
• L2 与自主驾驶场景下，系统可执行动作、驾驶员责任和验证等级如何分层？
• HCT 是否能提供状态机/后处理接口清单，包括可消费输入、频率、状态持续时间、置信度要求、降级条件和解除条件？
• HCT 场景是否都已标注驾驶责任、AD 状态、ODD 阶段、驾驶员可响应性和来源？
• 每个 HCT 场景的允许动作、仅供参考动作、解除条件和误检后果由谁确认？
• HCT 场景包应由谁维护，何时发给卢游团队，第二次 workshop 的输入和输出标准是什么？
• 酒驾/impairment 设备采购、供应商选择和真值采集 deadline 是什么？
• EEG 辅助标签在静态、模拟器、封闭场地和实车之间的 domain gap 如何测量？
• EEG 设备型号、电极配置、校准和专家评分协议变化后，标签是否需要重新建立？
• 疲劳多源标签最小实验的被试、同步精度、统计方法、伦理要求和停止条件是什么？
• 展车、补光、车机等资源是否已有 owner、deadline、验收标准和备选方案？
• AI 广撒网资料中，哪些论文、专利、产品 claim 已完成真实性核验，哪些存在 AI 幻觉风险？

展会和组织

• 公共物料中可以承诺到什么程度？
• 定向客户 PPT 中哪些内容可以讲，哪些必须标成 roadmap / under research？
• 每周/双周例会需要谁参加，谁维护资料和 wiki？
• 是否需要开通数据库或购买文献服务？
• 巴塞罗那公共展会层、定向客户层、内部 roadmap 层和实验验证层的材料 owner 分别是谁？
• 周麟/Barry 对展会 story 的期待是否需要重新对齐，避免研发可靠性和传播 fancy 程度错位？
• 项目经理能力模型、现有人选评级和产研输入模板由谁在 7 月内负责完成？
• HCT 应被定位为验证伙伴还是客户？面向 OEM 的 DMS x AD 叙事如何避免绑定 HCT 一家供应商？