2026-07-16 ENCAP 29 及座舱 Roadmap 同步深度解读
原始资料：../context/interpretations/2026-07-16_ENCAP29及座舱roadmap进展同步深度解读.md
来源会议记录：https://minieye.feishu.cn/docx/J3xZdOco5o1MdAxhMp8c0TU6nub
飞书产出文档：https://minieye.feishu.cn/docx/SqpKdFqsyo2xI2xtYXFc2c21nyf
资料层级：context/interpretations。
资料类型：会后深度解读文档，基于 2026-07-16 ENCAP 29 及座舱 roadmap 进展同步会议，并参考此前 roadmap 与 HCT 会议语境。
证据用途：支撑对内部疲劳研究判据、HCT 场景组织方式、项目推进动作和 roadmap 收敛阶段的理解。
不能作为：EEG 疲劳分级、Euro NCAP 要求、HCT 平台能力、智驾安全动作、模型性能或量产成熟度的直接证据。文中引用的外部资料在正式进入 evidence/ 和独立 source 页前，只能视为已定位线索。
状态：已读取并整理。
核心判断
这份解读把 7 月 16 日会议归纳为一次“判据治理与场景治理的收敛会”。5 月到 7 月初解决的是为什么要做下一代 DMS/OMS、DMS 如何进入 AD 安全链路，以及 roadmap 如何持续推进；本次会议进一步追问：
什么证据足以支持疲劳判断，什么结构足以让 DMS x AD 场景进入专业评审。
对本 wiki 的主要增量有六个：
- 疲劳研究不能停在特征清单，必须先定义目标构念和标签证据链。
- EEG 可以是候选观测或辅助标签来源，但不是自动生成轻中重等级的天然真值。
- 疲劳更适合被视为潜变量，由 EEG/EOG、KSS/KDS/PVT、PERCLOS/视频和驾驶表现等多源观测共同约束。
- HCT 场景不应由 AI 故事堆叠，而应按驾驶责任、AD 状态、ODD 阶段和驾驶员可响应性生成。
- 每个场景必须标明来源、触发证据、状态持续、置信度、允许动作、解除条件和误检后果。
- AI 仍可用于扩展候选特征和场景，但必须进入 provenance、证据等级和淘汰门槛明确的评审流程。
会议议题
| 议题 | 会议中的直接问题 | 对 wiki 的用途 |
|---|---|---|
| 长安前瞻院情绪识别 POC | 是否直接报价，旧项目是否仍符合当前大模型和 C 端规划 | 支撑项目重新导入和资源门禁，不支撑情绪识别行业趋势判断 |
| 酒驾项目 | 合同已签，联调偏晚，采集成本较高 | 支撑 impairment 方向的内部推进状态，不支撑方案性能或样本充分性 |
| 疲劳特征知识库 | 特征如何拆表、引用和 review，ADAS/车辆信号仍有缺口 | 支撑 预研工作流 的证据工程要求 |
| EEG 与疲劳标签 | EEG 能否分级、能否辅助训练视频“专家模型”、静态能否迁移到驾驶 | 强更新 多模态驾驶员状态监测 与 合规dossier与验证体系 |
| HCT 场景包 | 二十多个 AI 场景是否可直接发送，怎样组织才专业 | 强更新 接管准备度与干预策略 |
疲劳判据：各方观点
| 角色 | 主要观点 | 会议留下的边界 |
|---|---|---|
| 徐子健 | KSS、视频专家、EEG 等标签方法都有局限；EEG 是多通道连续信号，不会自动输出通用轻中重等级；设备变化、运动伪迹和实车采集是风险 | 需要把 EEG 从“金标准想象”降为待验证观测源 |
| 杨一泓 | 可尝试用 EEG 区分清醒与明显疲劳，为面部视频打标签，再训练只依赖视频的模型；可先用睡眠剥夺和静态极端状态降低实验难度 | 高成本传感器辅助训练的方法成立与否，取决于标签可靠性和静态到驾驶的迁移 |
| 徐涵 | 追问疲劳等级是否存在客观真值，并提醒过去检测机构可能掌握相关设备和数据 | 先回答“标签是否客观、如何产生”，再讨论传感器和模型 |
疲劳判据：共识与未决
会议形成的有限共识是：
- 当前团队对 EEG 指标、读图、分级、设备约束和成本理解不足，需要找专业人士验证。
- 疲劳等级很可能是对连续状态的人为离散化，而不是天然存在的三个档位。
- EEG 可以作为候选标签来源或 benchmark，但不能在调研前称为金标准或专家模型。
- 即使使用 EEG，也要保留驾驶行为和车辆信号，否则无法证明标签与驾驶安全相关。
- 徐子健将联系坤鹏、招商车研合作学校和脑电相关老师，并在群内共享资源线索。
会议没有证明：
- EEG 能稳定给出通用轻中重真值。
- 专家能跨设备、跨人、跨环境一致分级。
- 静态睡眠剥夺数据能迁移到模拟器或实车。
- 清醒/中度/重度是最适合产品状态机的语义。
- 当前已有足够设备、样本、预算和伦理方案启动大规模采集。
推荐的多源标签模型
本次解读建议把疲劳视为潜变量，建立以下证据链：
- 定义目标：drowsiness、vigilance、fatigue、microsleep 或 impairment 不得混用。
- 同步观测：EEG/EOG、KSS/KDS/PVT、PERCLOS/视频、CAN/驾驶表现。
- 标签融合：输出连续分值、离散状态、置信度和证据组成。
- 训练量产可用的 DMS/视频/CAN 模型，而不是把实验设备直接等同于量产输入。
- 通过跨被试、跨设备、静态到模拟器到实车、与安全结果相关四类门禁。
在通过构念、标签可靠性和极端状态可分性验证前，更合适的内部名称是“多源标签模型”或 truth-assisted label model，而不是“疲劳专家模型”。
HCT 场景：从故事集到四轴框架
徐子健用大模型扩展出二十多个候选场景，覆盖驾驶环境、驾驶员状态、风险事件和干预动作。徐涵追问场景出处，杨一泓认为当前材料不够专业、精简和成体系，要求先按大逻辑组织再与 HCT 讨论。
建议的四个生成轴是：
| 判定轴 | 取值示例 | 作用 |
|---|---|---|
| 驾驶责任 | 人驾、AD 驾驶、交接中 | 决定谁承担动态驾驶任务 |
| AD/功能状态 | 未激活、已激活、降级/退出中 | 防止把报警、辅助干预和自动接管混为一谈 |
| ODD/系统能力 | ODD 内稳定、接近边界、突发不可用、故障 | 决定是否有可预期交接窗口 |
| 驾驶员可响应性 | 可响应、注意力不足、疲劳但可响应、睡眠/失能/无响应 | 决定提醒、TOR、观察窗口和 RMF/EF 的讨论资格 |
这带来三个关键修正：
- 人驾且驾驶员仍有意识时，不能仅因 DMS 判断疲劳就自动进入 AD 控车。
- 人驾失能与 AD 已激活下的失能虽然都可能需要强干预，但系统责任、响应时间和安全路径不同。
- 踏板误操作等 AI 场景可以保留为候选，但必须先证明 DMS 相对车辆/障碍物/踏板 baseline 的增量，不能直接承诺禁用油门。
对下一次 HCT workshop 的输入
本次解读建议把 workshop 材料压缩为五件：
- 一页近期范围与 L2+ 禁区。
- 带来源和证据等级的 6–8 个场景矩阵。
- DMS 原子观测、语义状态、置信度、持续时间、时间戳和解除条件的信号契约。
- HCT 标注“可消费/仅参考/不可使用”的状态—动作矩阵。
- 三个优先 POC：ODD 计划退出时的接管准备度、AD 已激活下的 prolonged sleep/unresponsive driver、踏板误操作中 DMS 是否有增量价值。
其他项目动作
- 长安前瞻院 POC 需要重新走项目导入，徐子健参加导入会，再决定是否报价。
- 酒驾项目已签约并进入同步开发，但联调日期、采集人数和约 8 万元成本需回到正式材料核实。
- 疲劳特征库计划两周内完成，仍需补齐 ADAS 视觉和车辆/CAN 信号专题。
- 杨一泓计划修改 HCT 场景文件，并在与 HCT 沟通后反馈；会议目标是下周安排 workshop。
这些时间和 owner 只能作为会议中的内部推进信息，不代表外部合作方已承诺。
外部资料边界
深度解读引用了 Euro NCAP SD 201、Euro NCAP 2026 变更说明、UNECE ALKS、KSS/KDS 驾驶疲劳研究、SEED-VIG 和跨数据集 EEG 研究。它们当前只登记到 来源核验，状态为“已定位、待正式归档”。在进入 evidence/ 和独立 source 页之前，主题页不得把二次解读中的外部结论写成已完成证据闭环。