清华大学智能产业研究院AIR团队2026年2月发布一项自动驾驶视觉注意力研究。该研究对比了真实驾驶员的眼动数据与多种AI算法的“视线”行为，首次系统揭示了人类司机和自动驾驶系统在“看什么、怎么看”上的本质区别。 研究发现，人类驾驶时的注意力自然分为三个清晰阶段；而当前主流算法的主要问题在于：只能识别图像中的像素变化（如“一个移动的物体”），却无法像人一样直接理解关键语义信息（例如“正在横穿马路的小孩”）。 进一步实验证明：只要把人类在观察过程中体现出的语义级关注逻辑嵌入算法，就能明显提升AI对路况的理解能力。这种方法不依赖海量数据预训练，开发成本更低，也更容易快速落地应用。