清华团队发表研究成果：人类与智驾算法的核心差异不在"空间定位"，而在"语义理解"

2月21日，据清华大学智能产业研究院消息，该院AIR团队于2026年2月在国际学术期刊《npj Artificial Intelligence》发表了一项关于驾驶场景中人类与算法视觉注意力差异的研究成果。这项题为《驾驶任务中的人类与算法视觉注意力》的研究，聚焦自动驾驶这一安全关键领域，首次采用"人类眼动追踪实验+算法对比验证"的双轨实验设计，对人类驾驶员与智驾算法在视觉注意力机制上的根本分歧进行了系统性解析。

研究的核心贡献之一，是建立了一套人类驾驶注意力的三阶段量化划分框架。在实验环节，研究团队招募了不同经验水平的专家与新手司机，分别完成危险检测、可用性识别、异常检测三类驾驶任务，并结合眼动追踪数据对注意力过程进行阶段划分。在此基础上，团队将各阶段注意力分别融入AxANet、UniAD等专业自动驾驶算法以及DriveLM等视觉语言模型，进行对比验证。

实验结果揭示了一个关键发现：人类与智驾算法在视觉注意力上的核心差异并非体现在"空间定位"层面，而在于"语义理解"能力。人类驾驶员能够依靠自上而下的认知机制，对驾驶场景中的不同特征赋予语义优先级——例如迅速识别出哪些目标更具潜在风险，而当前的智驾算法难以自主习得这种语义显著性提取能力。

研究进一步证实，将人类在"检查阶段"所体现的语义注意力融入算法后，能够以较低成本有效弥补专业算法的"语义鸿沟"与大模型的"接地鸿沟"，且无需依赖大规模预训练。这一发现为自动驾驶算法的性能优化提供了一条非规模化的新路径，对于算力和存储资源受限的车载实时系统部署而言，具有重要的实践价值。

声明：市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。