近日，國家知識產權局公開信息顯示，賽力斯汽車有限公司提交的一項名為“一種暈車識別方法、裝置、存儲介質及設備”的專利技術正式進入公示階段。該技術聚焦于車載場景下駕乘人員暈車狀態的智能識別，通過創新性的模型壓縮方案突破了傳統方案的局限性。

據專利文件披露，研發團隊構建了基于多源信號的教師模型作為基礎框架，通過采集包括加速度、角速度等在內的多維數據樣本進行深度訓練。在此基礎上，創新性地引入知識蒸餾技術，將復雜的多源信號模型壓縮為僅需IMU（慣性測量單元）信號輸入的輕量化學生模型。這種雙模型架構既保證了預測精度，又顯著降低了計算資源需求。

技術實現路徑顯示，系統首先通過教師模型生成包含暈車概率分布的軟標簽，再利用這些軟標簽結合IMU信號樣本訓練學生模型。經過多輪優化迭代后，最終部署于車載芯片的識別模型可直接處理實時采集的車輛運動數據，輸出駕乘人員的暈車狀態評估結果。整個過程無需額外傳感器設備，僅依賴車輛已有的IMU模塊即可完成。

該技術的核心優勢在于解決了車載環境下的兩大痛點：一方面通過模型壓縮技術突破了多源信號采集的硬件限制，另一方面輕量化模型設計有效緩解了車端芯片算力不足的問題。實驗數據顯示，優化后的識別模型在保持90%以上預測準確率的同時，計算資源消耗降低65%，為車載健康監測系統的商業化應用提供了可行方案。