北京
新京報貝殼財經(jīng)訊 2月21日，清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）發(fā)布一項研究顯示，以自動駕駛這一安全關(guān)鍵領(lǐng)域為載體，首次通過“人類眼動追蹤實驗+算法對比驗證”的雙軌設(shè)計，系統(tǒng)性拆解了人類與智駕算法視覺注意力的本質(zhì)差異。其核心價值在于提出人類駕駛注意力的三階段量化劃分框架，并證實智駕算法視覺理解的核心缺陷是缺乏“語義顯著性提取能力”，而融入人類檢查階段的語義注意力，能以經(jīng)濟(jì)高效的方式填補(bǔ)專業(yè)算法的“語義鴻溝”與大模型的“接地鴻溝”，無需依賴大規(guī)模預(yù)訓(xùn)練。
研究團(tuán)隊通過招募專家與新手司機(jī)完成危險檢測、可用性識別、異常檢測三類任務(wù)，結(jié)合眼動數(shù)據(jù)劃分注意力階段，再將不同階段注意力融入AxANet、UniAD等專業(yè)算法及DriveLM等視覺語言模型（VLM），最終揭示人類與智駕算法注意力的核心差異并非“空間定位”，而是“語義理解”。人類能通過自上而下的認(rèn)知賦予場景特征語義優(yōu)先級，而智駕算法難以自主習(xí)得這一能力。該發(fā)現(xiàn)為自動駕駛算法的性能提升提供了非規(guī)?；男侣窂?，對資源受限的車載實時系統(tǒng)部署具有重要實踐意義。
編輯 姜樊
校對 張彥君
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
