本文介绍了一种基于CLIP的驾驶员活动识别方法，能够识别驾驶员的分心行为，并具备零样本迁移和微调能力。研究探讨了利用人类驾驶数据改进自动驾驶系统的方法，提出了多种深度学习框架用于疲劳检测和行为识别，展现出优越的性能和可解释性。此外，DriveVLM系统利用视觉-语言模型进行场景理解，增强了自动驾驶的推理能力。