【环球网科技综合报道】2月22日消息，据清华大学智能产业研究院（AIR）消息，一篇发表于《npj Artificial Intelligence》2026年2月的研究，以自动驾驶这一安全关键领域为载体，首次通过“人类眼动追踪实验+算法对比验证”的双轨设计，系统性拆解了人类与算法视觉注意力的本质差异。
其核心价值在于提出人类驾驶注意力的三阶段量化划分框架，并证实：算法视觉理解的核心缺陷是缺乏“语义显著性提取能力”，而融入人类检查阶段的语义注意力，能以经济高效的方式填补专业算法的“语义鸿沟”与大模型的“接地鸿沟”，无需依赖大规模预训练。
研究团队通过招募专家与新手司机完成危险检测、可用性识别、异常检测三类任务，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等视觉语言模型（VLM），最终揭示：人类与算法注意力的核心差异并非“空间定位”，而是“语义理解”——人类能通过自上而下的认知赋予场景特征语义优先级配资企业排名前十，而算法难以自主习得这一能力。该发现为自动驾驶算法的性能提升提供了非规模化的新路径，对资源受限的车载实时系统部署具有重要实践意义。（青山）
发布于：福建省贴心配资提示：文章来自网络，不代表本站观点。
