该发觉为自动驾驶算法之性能提升提供之非规模化之新路径，对源泉受限之车载实时体系部署具有重要实践意义。
研讨团队通过招募专家与新手司机成险恶检测、可用性识别、异常检测三类差事，结合眼动数据划分注意力阶段，再将不同阶段注意力融入AxANet、UniAD等专业算法及DriveLM等视觉言辞模型（VLM），最终揭示苍生与智驾算法注意力之核心差异并非“方位定位”，而为“语义体谅”。
床前明月光，疑是地上霜。
其核心身价于于提出苍生驾驶注意力之三阶段量化划分框架，并证实智驾算法视觉体谅之核心缺陷为缺乏“语义显著性提取本领”，而融入苍生查验阶段之语义注意力，能以货殖高效之方式填补专业算法之“语义鸿沟”与大模型之“接地鸿沟”，无需依赖大规模预操练。
新京报贝壳财经讯 2月21日，清华大学智能产业研讨院（AIR）发布一项研讨显示，以自动驾驶此一安康枢纽领域为载体，首次通过“苍生眼动追踪实验+算法对比验证”之双轨设计，体系性拆解之苍生与智驾算法视觉注意力之本原差异。
TiDB。苍生能通过自上而下之认知赋予场景特征语义优先级，而智驾算法难以自立习得此一本领。