Obsidian Quartz Publisher

技术方向筛选

34分钟阅读

技术方向筛选

本页用于筛选对 MINIEYE 最有实用性、最有落地希望、最有可行性的探索方向。

2026-05-18 更新后，优先级从“纯技术纵深”调整为“商业窗口 + 合规验证 + 可交付技术纵深”。原因是 The InCabin Report 2025资料 和 InCabin Report-MINIEYE综述 明确提示：2026 合规、validation dossier、OMS/CPD、单摄规模化路线，是比远期 POC 更靠前的现实窗口。

2026-05-21 新增资料后，本页补充一个判断：新技术雷达的增量重点不是“又一批 DMS/OMS 供应商”，而是未充分覆盖的 sensing / reasoning 分支，包括 Wi-Fi/CSI、acoustic active sensing、event camera、thermal、UWB、cabin VLM 和 driver world model。它们能打开技术视野，但多数仍应放在 P2/Radar，而不应冲掉 P0 合规与可交付路线。

2026-05-21 重新回顾 2026-05-12 会议后，本页进一步按 领导要求对齐的舱内roadmap 调整优先级：杨一泓的要求不是单纯展会 PPT，也不是马上定义量产功能，而是要求舱内事业部讲出下一代技术纵深，并形成年度预研机制。会议主线资料仍是 2026-05-12-ENCAP29会议 和 2026-05-12沟通解读；后续调研资料只能作为补充证据。因此短期第一交付应前置为展会/客户技术框架，年内技术主线聚焦个性化 baseline、人车浅融合和实验资源底座；simulation + 外部实验资源从普通验证项上调为年度预研底座；GSR/HR 不再作为单点方向，而归入“多模态生理与行为信号增益验证”。

2026-05-21 纳入 2026-内部-未来新方向调研 后，本页补充一个内部一致性判断：个性化 baseline、人车浅融合和失能监测已经不仅是外部资料推导，也在舱内事业部副部长徐子健整理的方向中出现。其中 Nissan RSE 和 Bosch DDD 增强了车辆行为信号疲劳检测证据；DUIncoder 增强了“正常驾驶建模 + 异常检测”用于 DUI/失能监测的证据。因此 alcohol / impairment 从纯 Radar 调整为 P2，但仍受伦理、法律和数据采集约束。

2026-05-21 后续会议解读纳入后，本页的优先级总排序没有被推翻：P0 仍是合规与可交付基础盘，P1 仍是个性化 baseline 和人车浅融合，P1/P2 仍是年度预研底座，P2/Radar 仍是预研与技术雷达。但本次会议改变了这些方向的内涵和执行重心：千人千面 不再按眼型/脸型适配理解，而应收束为 baseline + deviation + strategy adaptation；人车浅融合不再只是 DMS + vehicle signal 的风险分层，而应推进为 DMS x AD 状态输入；实验底座也不再只是 simulator / 外部资源，还应加入智驾测试车只读硬采、开环 AD shadow evaluator 和真值体系设计。详见 2026-05-21-ENCAP-roadmap同步解读。

2026-06-03 读取 2026-内部-未来新方向调研 底部画板后，本页再补充一个执行层判断：徐子健的最新结构已经把方向 2 从“输入更多模态”推进到“输入信号池 + DMS/ADAS 时序对齐 + 分层干预矩阵”。因此 P1b 的近期抓手应更明确地包含 DMS/CAN/ADAS 同步采集和反应潜伏期；P2-2 不应只写 GSR/HR/steering，还应覆盖语音、座椅、毫米波呼吸、踏板非线性和 HMI 干预日志；接管/干预策略需要新增一个“离线 HMI/策略沙盒”步骤，先验证提醒、唤醒、UI 降级、路线重规划等候选动作的有效性和误触发成本。

筛选标准

维度要问的问题
实用性是否解决真实安全、合规、客户价值或出海成交问题？
落地希望是否有法规、OEM、Tier-1、论文、测试机构或硬件生态支撑？
可行性是否能基于 MINIEYE 现有 DMS/OMS、模组、J 系列平台和客户项目自然扩展？
可验证性是否能形成 validation dossier、实验室/仿真/路试闭环或小规模数据核验？
差异化是否能让 MINIEYE 从当前法规交付能力走向下一代 in-cabin 技术纵深？

当前优先级总表

对应章节优先级方向定位
P0-1P0合规 dossier 与验证体系近期商业入场券
P0-2P0Euro NCAP 2026 OMS / CPD / Safe Driving 能力包近期评分窗口
P0-3P0单摄 DMS/OMS + 后视镜集成 + J3/J6 平台化规模化交付路线
P1-DeliveryP1-Delivery展会 storyline + 定向客户 PPT 技术框架领导要求的第一短期交付
P1aP1a个性化 baseline / deviation features下一代 driver state intelligence 第一主线
P1bP1b人车浅融合 / DMS x AD 状态输入从 stage 1 走向 AD safety policy input 的主线
P1P1中国体验出海叙事与用户理解市场差异化
P1/P2P1/P2下一代舱内预研实验底座：simulator + 外部资源 + 多模态数据采集 + 智驾测试车只读硬采年度预研基础设施
P2-1P2接管准备度 / takeover readiness / AD shadow evaluatorL2+/L3 安全预研
P2-2P2多模态生理与行为信号增益验证GSR / HR / steering / voice / seat pressure / radar breathing / pedal / HMI logs
P2-3P2失能 / DUI 行为异常检测正常驾驶建模 + 合法模拟 + 小样本实车核验
P2-4P2Acoustic / Wi-Fi / UWB 等基础设施复用 sensingCPD/occupancy 低成本信号摸底
P2-5P2车端 AI 与硬件约束评估预研可落地性闸门
Radar-1Radaralcohol / drug impairment已并入 P2 失能 / DUI，保留风险边界
Radar-2Radarbrain-based sensing / micro-motion技术期权
Radar-3RadarAiry3D / 单摄 2D+depth / 生物雷达硬件期权
Radar-4Radar 新硬件新硬件期权
Radar-5RadarCabin VLM / driver world model / 多意图语音理解离线理解与预测范式
Radar-6RadarWellness / health / eye health体验与医疗化边界待清

P0：近期必须优先

P0-1. 合规 dossier 与验证体系

优先级：P0。

理由：

  • InCabin Report 明确强调：没有 validation plan，就没有 commercial product。
  • Euro NCAP 2026、EU GSR（General Safety Regulation）、CPD、OMS、DMS 都需要可交付的验证故事，而不是只展示算法效果。
  • Tobii 等竞品已经把 DMS dossier 作为合作伙伴通过验证的交付物来讲。
  • 对出海客户和 Tier-1 来说，合规材料包本身就是采购门槛。

详见：合规dossier与验证体系

近期动作：

  • 梳理现有 DMS/OMS 功能对应 Euro NCAP 2026 Safe Driving、Driver Engagement、Occupant Monitoring 的覆盖表。
  • 建立 validation dossier 模板：场景、指标、数据集、edge cases、失败边界、版本记录、可复现实验。
  • 盘点实验室可覆盖的 glare、low light、occlusion、不同人种/眼型/姿态等。
  • 把仿真、实验室、实车数据分层，不把单一测试当完整证明。

主要风险：

  • 只做功能 demo，没有验证证据。
  • 对法规/评分理解依赖二手材料，缺官方协议核验。
  • 缺少统一指标，导致销售、研发、客户沟通各讲各的。

P0-2. Euro NCAP 2026 OMS / CPD / Safe Driving 能力包

优先级：P0。

理由：

  • InCabin Report 指出 Euro NCAP 2026 新 rating scheme 的 Safe Driving stage 会评估 Occupant Monitoring 和 Driver Engagement。
  • CPD 到 2026 要求 direct sensing technologies。
  • Occupant Monitoring 涉及 seatbelt、occupant classification、CPD、post-crash presence。
  • Driver Monitoring 涉及 distraction、impairment、unresponsive，以及与 ADAS operation 的联动。
  • Safe Driving 5 星门槛从 2026 年 60/100 到 2028 年 80/100，时间窗口很近。

近期动作：

  • 把 OMS / CPD / occupant counting / out-of-position / adaptive restraint 做成明确能力包。
  • 评估视觉 + 毫米波雷达融合是否能产品化。
  • 面向 Magna、Forvia、Faurecia、Aptiv 等内饰/集成商准备接口和验证说明。
  • 区分“现有可交付”“短期可补齐”“仍需硬件合作”的能力。

主要风险：

  • 过度被下一代 DMS 概念牵引，忽视 2026 已经逼近的评分窗口。
  • CPD / OMS 涉及功能安全和极端样本验证，不能只用普通数据集说明。

P0-3. 单摄 DMS/OMS + 后视镜集成 + J3/J6 平台化

优先级：P0。

理由：

  • InCabin Report 中 Tobii 明确认为 wide field of view single camera + rear-view mirror integration 是规模化部署答案。
  • 这与 MINIEYE 当前 J3 单摄高性价比路线一致。
  • Seeing Machines + Magna 的后视镜合作说明该路线有 Tier-1 集成价值。

近期动作：

  • 对标 Tobii / Seeing Machines / Magna 的后视镜集成叙事。
  • 明确 J3 版本承载哪些 DMS/OMS 功能，J6 版本承载哪些更复杂融合能力。
  • 输出成本、安装位置、FOV、覆盖用例、算力占用、验证结果的标准材料。

主要风险：

  • 单摄路线容易被认为低端，需要用验证 dossier 和可覆盖场景证明不是“只省成本”。
  • 如果 OMS / CPD / 后排场景覆盖不足，要明确多摄/雷达补充边界。

P1-Delivery：短期对外交付

P1-Delivery. 展会 storyline + 定向客户 PPT 技术框架

优先级：P1-Delivery。

理由：

  • 2026-05-12 会议明确要求公共物料体现 roadmap / stage，详细方案放入定向客户 PPT。
  • 这不是纯市场包装，而是研发路线对外表达的短期交付物。
  • 如果没有统一 storyline，后续预研方向容易分散；如果过度承诺，又会把 roadmap 写成未验证能力。
  • 这项有明确物料 deadline，优先级在时间上高于技术 POC 选择。

近期动作：

  • 输出公共版 DMS/OMS stage roadmap：当前量产能力、下一阶段人车融合、个性化 baseline、多模态验证、长期 driver state intelligence。
  • 输出定向客户 PPT 框架：行业证据、MINIEYE 当前能力、研究方向、验证路径、风险边界。
  • 与市场侧倒排背景板、宣传册、视频和客户沟通材料 deadline。

详见：展会storyline、领导要求对齐的舱内roadmap

P1：短中期技术纵深

P1a. 个性化 baseline / 自适应阈值

优先级：P1a。

理由：

  • 直接解决 DMS 误报、个体差异和用户信任问题。
  • 不一定依赖新硬件，可以从现有 eye/head/gaze/vehicle signals 开始。
  • AAAFTS summary 支持 personalized models 的潜力。
  • BlueSkeye 对 2029 的预测也指向更细粒度 attention 和疲劳风险预测。
  • 2026-05-12 会议中，周麟和杨一泓都明确提到 Smart Eye 式个人 baseline、自适应个性化和按驾驶习惯判断疲劳/干预程度；这条线最贴近领导要求的“下一代座舱纵深”，且不需要一开始引入新硬件。
  • 2026-内部-未来新方向调研 也把“千人千面”列为调研方向，潜在方案是用平时驾驶维度和实时驾驶状态做对比。
  • 2026-05-21-ENCAP-roadmap同步解读 进一步纠偏：这里的“千人千面”不是不同眼型/脸型适配，而是学习个人正常驾驶风格与状态分布，识别当前 deviation，再用于提醒、接管准备度或策略保守度。

近期动作：

  • 分析现有量产/路测数据中的个体差异。
  • 先做眼睑、眨眼、视线、头姿、驾驶时长、车辆行为的 baseline 和 deviation features 评估。
  • 优先比较“同一驾驶员今天 vs 自己历史”，不要只比较“不同驾驶员之间的绝对差异”。
  • 识别哪些误报类型、接管风险或反应迟缓现象最可能被 baseline / deviation 改善。

主要风险：

  • 无监督 baseline 容易把异常状态学成正常。
  • 驾驶员身份、隐私和跨车迁移需要产品边界。
  • 如果 baseline 输出要影响 AD 策略，必须先完成离线/只读验证和 safety case，不能直接闭环。

P1b. 人车浅融合 / DMS x AD 状态输入

优先级：P1b。

理由：

  • 这是从单点 DMS 到安全闭环的最现实一步。
  • InCabin Report 和 BlueSkeye 都强调 driver attention 与 ADAS、安全功能互动。
  • 比 GSR、EEG 等新硬件更贴近现有工程能力。
  • 会议中 Mercedes Attention Assist 被作为 stage 2 浅融合例子讨论，说明这条线既能支撑行业故事，也能自然连接 MINIEYE 现有 DMS/ADAS 能力。
  • 2026-内部-Nissan转向熵 和 Bosch Driver Drowsiness Detection实体 分别提供 Nissan RSE 与 Bosch DDD 证据，说明 steering behavior、steering angle、steering-angle velocity、trip length、turn signals、time of day 等车辆行为信号可以作为疲劳/分心辅助证据。
  • 5 月 21 日后续会议把该方向从“DMS + vehicle signal 风险分层”推进到“DMS 作为 AD safety policy input”：驾驶员状态可影响接管提前量、ACC/LKA/AEB 保守程度、变道激进度和 ODD 交接方式。
  • 徐子健画板进一步把近期抓手具体化为 DMS/ADAS 时序对齐：记录 DMS 状态、CAN 信息、前车刹车灯/ADAS 感知、驾驶员制动反应、方向盘/踏板行为之间的时间关系。

近期动作：

  • 盘点可用 vehicle / AD signals：速度、方向盘、车道偏移、ADAS/NOA 状态、ODD 退出、接管请求、制动/油门、驾驶时长等。
  • 定义 DMS 输出如何影响提醒提前量、风险分级和保守策略建议。
  • 设计 DMS/ADAS 时序对齐 schema：DMS 标签、CAN/OBD、ADAS 感知事件、前车制动事件、驾驶员制动/转向/踏板响应、HMI 提醒和干预动作必须同一时间轴记录。
  • 把反应潜伏期作为第一批可解释指标：例如前车刹车灯/ADAS 风险事件到驾驶员踩下制动踏板的时间差。
  • 先做浅融合、离线策略仿真和开环 shadow evaluator 验证，再决定是否进入更深状态模型或闭环策略。

主要风险：

  • OEM 信号开放程度不同。
  • 如果只是规则堆叠，差异化有限。
  • 如果影响车辆控制，验证成本和责任边界会显著上升。

P1. 中国体验出海叙事与用户理解

优先级：P1。

理由：

  • InCabin Report 多次强调中国 OEM 在 UX、视频教程、AI 个性化、娱乐/舒适方面领先。
  • 这对 MINIEYE 出海是正资产：不仅能讲安全合规，还能讲源自中国量产场景的用户理解。

近期动作：

  • 把中国主流 OEM 量产经验整理成可对外讲的场景库。
  • 明确哪些是 DMS/OMS 安全功能，哪些是体验/教育/用户理解功能。
  • 与 AI agent、数字用户手册、ADAS 教程等材料建立边界。

详见：中国市场与用户理解

主要风险：

  • 体验叙事不能冲淡欧洲客户最关心的合规和验证。
  • 不要把“炫技”说成安全能力。

P1/P2：年度预研基础设施

P1/P2. 下一代舱内预研实验底座

优先级：P1/P2。

理由：

  • 会议中多次讨论延锋展舱、GSR、模拟器、招商车研、高校和香港大资源；这说明实验底座不是普通验证项，而是年度预研机制的基础设施。
  • 个性化 baseline、人车浅融合、GSR/HR 增益验证和接管准备度都需要可重复的数据采集环境。
  • 只看论文和白皮书无法满足“不是纯 PPT”的要求，必须尽快形成可验证路径。
  • 5 月 21 日后续会议补充了更现实的数据资产抓手：在不影响智驾域控和大里程测试的前提下，调研智驾测试车独立只读硬采，把 DMS、CAN/OBD、ADAS/NOA 状态、ODD 退出和接管请求同步采下来。

近期动作：

  • 自建低成本 simulator 方案：电脑、三屏/大屏、方向盘/踏板、摄像头、可选 GSR/HR/压力传感器。
  • 延锋展舱核验：能否借用、能否读取 GSR 或其他传感器数据、能否接入采集系统。
  • 外部资源核验：高校驾驶模拟器、招商车研、香港大、自然光环境舱、DMS/ADAS 实验团队。
  • 给每条资源路径记录成本、可用时间、数据权限、改造难度和可支撑的实验问题。
  • 调研智驾测试车只读硬采方案：独立电源/存储/时间同步/快装硬件；只读 CAN/OBD/以太网或预留接口；不写车控、不占域控算力、不影响智驾测试。

详见：预研工作流、领导要求对齐的舱内roadmap

P2：预研和验证

P2-1. 接管准备度 / takeover readiness

优先级：P2。

理由：

  • DeepTake 和 AAAFTS 都提供本地证据支持。
  • 它比单纯疲劳检测更适合 L2+/L3 安全纵深。
  • 5 月 21 日后续会议进一步确认，接管准备度不只是 TOR 后的驾驶员响应预测，也包括 DMS 状态是否能影响接管提前量、AD 保守策略和 ODD 交接体验。

为什么不是 P0/P1：

  • 需要高质量接管数据、场景定义、ADAS/HMI/控制策略配合。
  • 对短期商业交付不如合规 dossier 和 OMS/CPD 直接。
  • 按当前证据边界，接管准备度更适合作为 baseline、人车浅融合、开环 shadow evaluator 和实验底座成熟后的综合验证场景，而不是第一批闭环 POC。

近期动作：

  • 读取 AAAFTS 完整 technical report。
  • 梳理公开 takeover 数据集和实验范式。
  • 定义接管准备度指标，而不是直接做 POC。
  • 设计开环 AD shadow evaluator：在人工驾驶时记录冻结参考策略建议动作，与人驾动作比对，提取反应迟滞、刹车 timing、横向稳定性等 deviation features。
  • 评估 DMS 状态、ODD 退出和接管请求之间是否能做只读同步采集。

P2-2. 多模态生理与行为信号增益验证

优先级：P2。

理由：

  • DeepTake 和 AAAFTS 都支持 GSR / HR 对 takeover readiness 有研究价值。
  • Harman Ready Care 等案例也指向非接触生命体征。
  • 2026-05-12 会议的重点不是直接量产 GSR，而是不要过早排除新传感器，并用实验验证视觉之外的信号是否有增益。
  • 徐子健画板新增了更完整的候选池：毫米波呼吸、声纹与语速、座椅体态负荷、踏板非线性、反应潜伏期和 HMI 干预日志。

为什么不是更高：

  • 接触式 GSR 量产集成难。
  • 标注、噪声、个体差异、用户接受度和供应链都不清楚。

近期动作：

  • 先把 GSR、HR、steering behavior、pressure、radar vital signs 都当作实验信号，而不是单点产品方向。
  • 将 voice、seat pressure、radar breathing、pedal nonlinearity、reaction latency、HMI intervention logs 加入候选采集字段，但按可获得性和成本分层，不平均用力。
  • 在 simulator 或外部实验资源中验证：加入这些信号后，疲劳、接管准备度、干预强度判断是否有可量化增益。
  • 若有增益，再比较方向盘电极、腕带、PPG、radar vital signs、压力/握持行为等工程路线。

P2-2b. HMI / 干预策略沙盒

优先级：P2。

理由：

  • 徐子健画板已把疲劳后的动作拆成调高空调、认知唤醒、ACC/AEB/LKA 灵敏度提高、路边停车、动态路线重规划、多感官刺激、报警提醒和 UI/HMI 降级。
  • 这些动作跨越体验干预、HMI 提醒、ADAS 策略和最小风险策略，验证等级不同，不能混成“疲劳后干预”一项。
  • 如果不记录干预触发与驾驶员恢复效果，无法证明主动干预比传统报警更有效。

近期动作：

  • 先建立离线策略沙盒：给定驾驶员状态、自动化等级、道路上下文和疲劳程度，输出候选干预动作，不直接控制车辆。
  • 在模拟器或试验场评估低风险 HMI：语音搭话、空调/香氛/座椅震动、报警强度、UI 简化是否真的改善反应。
  • 将 ACC/AEB/LKA 灵敏度调整、动态路线重规划、路边停车列为更高验证等级，必须在开环和 safety case 完成后才讨论闭环。

P2-3. 失能 / DUI 行为异常检测

优先级：P2。

理由：

  • 2026-内部-未来新方向调研 显示该方向已在内部推进：简易模拟系统已打通，计划实验室简单采集后与招商车研合作，并在内部场地进行实车酒驾数据采集。
  • 2026-内部-DUIncoder 提供了一个关键方法：不用大量 DUI 数据，而是用 normal driving data 学习正常驾驶行为，再用 deviation / novelty detection 识别异常。
  • 该方向能和 baseline、人车浅融合、simulator 实验底座自然结合。

为什么不是 P1：

  • 酒驾/毒驾/突发失能涉及法律、伦理、场地、安全和责任风险。
  • DUIncoder 数据来自模拟器，参与者规模和场景迁移仍有限。
  • DUI 行为异常不等于所有失能类型，毒驾、突发疾病、极端疲劳都需要不同证据。

近期动作：

  • 先定义合法、可控的“异常表型”实验：睡眠剥夺、高认知负荷、视觉干扰、反应迟缓，而不是直接从毒驾开始。
  • 用 normal driving data 建立 individual / scenario baseline，评估 steering、pedal、lane deviation、yaw 等行为异常指标。
  • 招商车研/内部场地实车酒驾采集必须先完成安全、法律、伦理、数据权限和退出机制评估。

P2-4. Acoustic / Wi-Fi / UWB 等基础设施复用 sensing

优先级：P2。

理由：

  • 2023-VECARE声学座舱监测 显示 speakers + single microphone 可以做 CPD，报告真实儿童测试中 detection rate 98.8%、false alarm rate 2.1%。
  • 2025-DeepCPD-Wi-Fi儿童存在检测 显示 Wi-Fi CSI 可用于 child/adult/empty 区分，报告总体准确率 92.86%、child detection rate 91.45%、false alarm rate 6.14%，并覆盖约 25-30 个车型和 500+ 小时数据。
  • NOVELDA-UWB CPD生命体征传感器 提供 UWB CPD / vital signs 的供应商线索，但当前证据主要是供应商主张。
  • 这些路线的共同价值是复用已有或可能已有的车内基础设施，而不是立即增加一套视觉/雷达硬件。

为什么不是 P0/P1：

  • 与 MINIEYE 当前视觉 DMS/OMS 栈距离较远。
  • 底层信号开放不确定，例如 Wi-Fi CSI、音频 raw channel、UWB sensing API。
  • 法规级 CPD 需要极端遮挡、儿童年龄、宠物/物品、车型和环境的验证闭环，公开证据还不够。

近期动作：

  • 先做“可观测性摸底”：确认目标车/模组能否拿到 CSI、raw audio、UWB/radar signal；如果拿不到底层信号，算法路线先暂停。
  • 用 parked CPD 场景做小样本 A/B：empty、adult、儿童模拟物、遮挡、footwell、强外部噪声。
  • 只回答“是否有稳定信号增益”，不要提前包装为产品能力。

内部排序：

  • Acoustic：优先验证。证据最接近低成本实验，且可用现有扬声器/麦克风快速采样，但只限定 parked CPD。
  • Wi-Fi：优先核验接口。论文指标强，但 CSI 可得性和天线布局是第一闸门。
  • UWB：优先供应链访谈。先查 NOVELDA 等供应商 datasheet、车规状态、量产案例，再决定是否实验。
  • Thermal：暂不放入本方向的优先验证，只作为低成本补充 demo；现有 thermal 资料没有儿童真实验证。

P2-5. 车端 AI 与硬件约束评估

优先级：P2。

理由：

  • 多模态、多摄、VLM、Transformer、radar vital signs 等方向都可能被车端内存、功耗、带宽、延迟限制。
  • 多模态个性化座舱研究报告 的第七章提醒，预研不能只看模型效果，还要看 SoC/NPU/DSP、DRAM、QAT、INT8 和平台迁移。
  • 对 MINIEYE 的 J3/J6 平台化叙事来说，硬件边界是判断“能不能落地”的前置条件。

近期动作：

  • 盘点 J3/J6 平台真实可用算力、内存、功耗和模型部署工具链。
  • 为每个预研方向建立模型大小、输入模态、推理频率、latency、memory footprint 表。
  • 把 VLM / multi-camera / radar 先放入离线或高算力核验，不直接假设可量产上车。

详见：车端AI与硬件约束

技术雷达

Radar-1. Alcohol / drug impairment

该方向已并入 P2 “失能 / DUI 行为异常检测”。

仍需保留的风险判断：

  • ground truth、伦理、医疗/法律风险复杂。
  • 误判可能阻断合理驾驶或造成责任争议。
  • 数据采集和验证难度远高于普通 DMS。
  • BlueSkeye、InCabin Report、Sightic 等可支撑其长期重要性，但近期应以合法模拟、正常驾驶建模和受控小样本核验为主。

Radar-2. Brain-based sensing / micro-motion

作为 radar 跟踪。

理由：

  • Corractions 和 Neumo 代表 brain-based sensing / micro-motion 方向。
  • 可能用现有 vehicle signals 推断 neurological impairment，隐私和硬件成本上有吸引力。

暂不提高优先级的原因：

  • 需要强一手验证和可解释边界。
  • 容易被宣传放大。

详见：新sensing技术雷达

Radar-3. Airy3D / 单摄 2D+depth / 生物雷达

作为硬件期权。

理由：

  • Airy3D 单传感器 2D+depth 可能增强 DMS/手势。
  • 60GHz / 122GHz radar 可用于 CPD、生命体征和 OMS。

暂不提高优先级的原因：

  • 需要硬件生态、车规、成本和客户项目机会共同成熟。

详见：新sensing技术雷达

Radar-4. Event camera / thermal / UWB / acoustic sensing

作为新 sensing radar 跟踪。

理由：

  • 2025-Event-Driven眨眼跟踪系统 证明 DVS/event camera 可做低功耗、高帧率 blink tracking，但目前主要是研究/原型证据。
  • 2025-Thermal Camera儿童存在检测 证明低成本 thermal CPD 原型可做，但儿童真实数据、遮挡、高温背景和车规链路不足。
  • Wi-Fi / acoustic / UWB 对 CPD 和 occupancy 有吸引力，但需要确认车内基础设施是否开放底层信号。

暂不提高优先级的原因：

  • 多数需要新硬件或新底层接口。
  • 与现有视觉量产栈的复用度不如个性化 baseline / DMS-ADAS 联动。
  • 它们更适合信号摸底、供应链访谈和小样本实验，而不是马上立项完整 POC。

详见：新sensing技术雷达

Radar-5. Cabin VLM / driver world model / 多意图语音理解

作为算法范式 radar 跟踪。

理由：

暂不提高优先级的原因：

  • VLM/LALM/world model 算力和验证成本都高，不适合短期车端闭环。
  • 当前更像离线研发工具、benchmark、scenario mining、case review 方法，而不是量产功能。

当前建议：Radar。吸收方法论，避免包装成近期上车能力。

Radar-6. Wellness / health / eye health

作为体验和长期方向跟踪。

理由：

  • BlueSkeye 预测 eye health / visibility 会成为关注点。
  • InCabin Report 把 wellness 作为重要应用。

暂不提高优先级的原因：

  • 容易进入 medical device 和隐私伦理边界。
  • 与当前 MINIEYE 安全合规主线距离较远。

Graph View

反向链接