“想象一下：
你开着一辆L3自动驾驶车，在高速上放松地看着电影。
系统突然提醒：‘您已出现疲劳迹象，建议接管并休息。’
你惊讶地发现——自己确实有点‘飘’了。
这不是摄像头在‘监视’你，而是车通过你的心跳和呼吸，‘读懂’了你的真实状态。”
随着L3级自动驾驶逐渐走入现实，驾驶员终于可以短暂地从方向盘上解放双手。但随之而来的是一个更严峻的安全悖论：车开得越稳，人越容易犯困；而当系统需要你接管时，你可能已经“神游太虚”了。
为了盯着你是否犯困，现在的车往往在座舱里装满了摄像头。但被摄像头盯着的感觉并不好受，隐私问题更是让许多车主拿胶带贴住了镜头。
有没有一种方法，既不侵犯隐私，又能精准感知你的疲劳？我们的最新研究DrowsyDG-Phys给出了答案：通过心跳和呼吸，让车“读懂”你的状态。
图片来源：Newspress
一、L3自动驾驶的隐形挑战：摄像头不是万能的
在L3自动驾驶（有条件自动驾驶）模式下，驾驶员被允许“脱手脱脚”，但不能“脱脑”。当车辆发出接管请求（TOR）时，你必须秒回驾驶状态。
目前主流的疲劳监测依赖面部摄像头（DMS），通过识别眨眼、打哈欠来判断疲劳。但这种方法有两个硬伤：
隐私焦虑：没人喜欢24小时被“监视”。
环境局限：光线太暗、戴墨镜、或者佩戴口罩时，摄像头的准确率会大打折扣。
于是，生理信号（PhysiologicalSignals）成了新的宠儿——心电（ECG）、皮电（EDA）、呼吸（RESP）数据不会撒谎。
二、为什么以前的“生理监测”不好用？
既然生理信号这么准，为什么还没普及？
过去，这主要受限于两道难关：硬件和算法。
首先是硬件不便携、太昂贵。
传统的医疗级监测设备往往体积庞大、线缆缠绕，且价格不菲。想象一下，为了开车，你得像在医院做检查一样身上贴满电极片，这显然无法在日常驾驶中落地。
其次是传统算法太“娇气”了。
即使有了便携设备，在实验室里训练好的模型，一旦应用到现实中，往往会遭遇“水土不服”：
诱因不同：你是因熬夜缺觉（睡眠剥夺）困倦，还是因为开高速太无聊（低唤醒）困倦？生理表现其实是不一样的。
个体差异：每个人的心率基准不同，张三的模型用在李四身上可能完全失效。
设备差异：不同的传感器采集的数据特征也不同。
学术界称之为“域偏移（DomainShift）”，就像你习惯了在北京开车，突然让你在重庆开山路，导航可能就‘懵了’。模型也一样，用熬夜数据训练的困倦检测模型，遇到"开车太无聊"导致的困倦时可能也会"看不懂"。
三、DrowsyDG-Phys：打造自动驾驶的“通用翻译官”
为了解决这个问题，我们提出了一种名为DrowsyDG-Phys的通用疲劳检测框架。它不依赖单一数据源，而是利用域泛化（DomainGeneralization,DG）技术，学会了捕捉疲劳的“本质特征”。
为了验证它的能力，我们在四种截然不同的场景下进行了地狱级测试：
舱内环境诱导（温度与CO₂变化导致的疲劳，基于我们自建的DDCE数据集）；
睡眠剥夺（缺觉引起的困倦）；
脑力疲劳（做数学题累出来的困倦）；
低唤醒状态（无聊驾驶产生的困倦）。
我们发现了什么？
发现一：“心跳+呼吸+皮肤”更适用于真实车载环境
我们采集了驾驶员的三种信号：
ECG（心电图）：反映心脏活动的细微变化。
EDA（皮肤电活动）：反映交感神经系统的压力与唤醒水平。
RESP（呼吸）：疲劳时呼吸频率和深度会改变。
得益于传感器技术的发展，如今我们不再需要笨重的设备。如下图所示，通过舒适的便携式可穿戴设备（如胸带和腕带），就能在驾驶过程中实时采集这三种关键信号。
图注：实验中使用的便携式生理信号采集设备（BioHarness胸带与EmpaticaE4腕带），展示了在车内非侵入式采集数据的可行性。
研究表明，“三剑合璧”的效果最好。DrowsyDG-Phys模型在未见过的新场景中准确率达79.7%，相比传统方法的50%左右（甚至完全失效），提升了近30个百分点，接近人类专家在陌生场景下的判断水平。
发现二：抗噪能力是关键
车在路上跑，难免有颠簸和干扰。我们的模型引入了频域特征提取和对比学习（ContrastiveLearning）。
这就像给模型戴了一副“降噪耳机”，即便信号中混入了高斯白噪声（模拟车辆震动或传感器接触不良），它依然能通过分析信号的频率特征，精准识别出你是否困倦。
发现三：主观感觉vs客观事实
很多人觉得自己“还没醉”，其实已经站不稳了；疲劳也一样，很多人觉得自己“还不困”，但生理指标已经亮红灯。
我们的研究采用了广义交叉熵损失函数（GCLS，一种能自动识别‘不确定标签’的智能损失函数），专门解决这种“自我感觉良好”带来的标签噪声问题，让模型更相信客观的生理事实，而不是模糊的主观评分。
四、未来的车或将比你更了解你自己
这项研究不仅仅是一个算法，它为未来的智能座舱指明了方向。
写给车企：隐私友好的感知方案
多传感器融合：未来的方向盘心率监测、安全带呼吸监测、座椅皮肤电监测将成为标配。相比摄像头，这些接触式或非接触式生理传感器更具隐私安全性。
鲁棒性优先：车辆全生命周期会面对不同车主和环境，算法必须具备像DrowsyDG-Phys这样的强泛化能力，不需要针对每个人重新校准。
写给驾驶员：生理数据不撒谎
相信你的智能手表/手环：随着可穿戴设备接入车机系统，当你的手表提示“压力过大”或“心率变异性降低”时，请务必重视系统的休息建议。
警惕“隐性疲劳”：在L3模式下，无聊和舒适的环境（如微暖温度、高CO₂）更容易诱发生理层面的反应迟钝，即使你觉得自己还很清醒。
更多阅读：
Wang, J., Li, W., Wang, Z., Ayas, S., Donmez, B., He, D., & Wu, K. (2026). DrowsyDG-Phys: Generalizable driver drowsiness estimation in conditional automated vehicles using physiological signals. Accident Analysis & Prevention, 228, 108407.
10个月宝宝每天需要喝多少奶粉？
