从技术角度讲，自动驾驶分为感知定位、规划决策、执行控制三个部分。随着ADAS系统的广泛部署和以及长时间的技术开发，可以说感知技术已经不是主要瓶颈；控制则是主机厂和Tier1非常擅长的领域，自不必多说，显然自动驾驶技术实现的真正门槛就落在了决策层上。

事实是，要区分一套系统是ADAS还是自动驾驶，主要是看该系统是否有决策部分。而无论谷歌还是特斯拉，它们的核心竞争力基本体现在决策算法方面。

传统车企的研发是基于功能安全的设计方法学建立的，渗透到开发流程的每一个环节，在过去的一个世纪，将汽车的安全性提高到了极高的水准。如今，顶尖的公司已经可以确保汽车发动机能使用一百万公里。尽管如此，面对汹涌而至的机器学习热潮，主机厂突然发现自己严重缺乏技术储备，这已经成为制约传统车厂开发自动驾驶的最大短板。因此，很多OEM选择或收购或合作的方式，试图尽快补足自身的缺陷。

传统车厂出身的JohnKrafcik显然深知这一点。在他出任WaymoCEO之后，谷歌一改之前模棱两可的商业策略，明确表示要向车厂提供解决方案，这其实是将自己定位成Tier1的角色。在该解决方案中，外购的硬件无法成为谷歌的竞争壁垒，最有价值的，还是一整套经过验证的软件，尤其是其中的决策算法。可以想象的是，谷歌将会向业界提供软件授权，就像它之前在安卓系统上所做的一样。

02如何解决智能汽车的路径规划问题

路径规划是智能汽车导航和控制的基础，是从轨迹决策的角度考虑的，可分为局部路径规划和全局路径规划。

全局路径规划的任务是根据全局地图数据库信息规划出自起始点至目标点的一条无碰撞、可通过的路径。目前正在研究的有准结构化道路环境多种约束条件下的路径规划技术，自然地形环境下的路径规划技术，以及重规划技术等。由于全局路径规划所生成的路径只能是从起始点到目标点的粗略路径，并没有考虑路径的方向、宽度、曲率、道路交叉以及路障等细节信息，加之智能车辆在行驶过程中受局部环境和自身状态的不确定性的影响，会遇到各种不可测的情况。因此，在智能车辆的行驶过程中，必须以局部环境信息和自身状态信息为基础，规划出一段无碰撞的理想局部路径，这就是局部路径规划。通常路径规划的方法有:空间搜索法、层次法、动作行为法、势场域法、栅格法、模糊逻辑法和神经网络法等。