研究核心发现 - 研究首次通过“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在自动驾驶领域的视觉注意力本质差异 [1] - 研究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” [1] - 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 [1] 研究方法与过程 - 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，并结合眼动数据划分注意力阶段 [1] - 研究将不同阶段的人类注意力融入AxANet、UniAD等专业算法及DriveLM等视觉语言模型（VLM）进行对比验证 [1] 差异分析与行业意义 - 研究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” [1] - 人类能通过自上而下的认知赋予场景特征语义优先级，而算法难以自主习得这一能力 [1] - 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 [1]