又称无人驾驶汽车、电脑驾驶汽车、轮式移动机器人，是一种通过电脑系统实现无人驾驶的汽车。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有人的主动操作下做到车路协同，自动安全地操作机动车辆。

它是搭载了先进的车载传感器、控制器、和数据处理器、执行机构等装置，借助车联网、5G和V2X等现代移动通信手段和网络技术实现交通参与物与道路、基站、行人之间信息交换与共享;最终实现在复杂的环境下安全高效快捷人或者物体的车辆运转。通俗来说就是，汽车完全由高级驾驶技术系统驾驶，不需要人工操控汽车运转。

目前来说，我们具有感知功能的车辆普遍安装了各种传感器，包括激光雷达，毫米波雷达，超声波雷达，摄像头，高精地图，定位系统等等设备，这些设备在工作的过程中，收集了大量的数据，比如激光雷达收集到了大量的点云数据，超声波雷达收集到了距离和速度的数据，摄像头收集到了大量的形状数据，定位系统收集到了坐标系的数据，这些数据都通过清洗和整理后，被传输到决策模块。

实现自动驾驶或无人驾驶，一要解决整车装备的多传感器：毫米波、激光雷达以及摄像头等高效融合工作的技术实破，通过电脑将传感器获得的数据结合高精度地图以及全球定位等来做分析处理;二要解决数据和地图的问题。地图要支持无人驾驶，不是二维的抽象数据，需要高清晰、高分辨率、高精度的数据，包括道路的弯度、坡度、高度，因此存储量、传输量会大幅增加。如一级、二级、三级甚至是乡村道路，交通设施、地理环境、气候条件等路况，数据量非常惊人。这些设备通过自动学习，数据接入汽车大脑后，通过AI技术智能自动驾驶算法，识别周围环境实现智能自动控制，从而实现自动驾驶。

在感知把这些数据提交到了决策模块之后，决策模块就要开始工作了，把所有的这些数据和车辆的运动结合起来，比如毫米波雷达告诉你前车的速度突然降低了，那么决策模块就会做出“立即降低车速”的决策，又比如视觉模块报告前方有交通锥，那么决策模块就做出“变道，绕开”的决策，这些都是需要决策模块进行判断的。其实在这个阶段，不仅仅有这么大方向的决策，还有很多小细节上，比如减速的距离，减速的下降速率，变道的时机，甚至对感知到的车辆将来行驶轨迹的预测，这些都和驾驶人员的体验密切相关，往往要做一个好的决策，需要融合多方面的数据。

智能车辆有了行驶任务，智能车辆的路径规划就是在进行环境信息感知并确定车辆在环境中位置的基础上，按照一定的搜索算法，找出一条可通行的路径，进而实现智能车辆的自主导航。

路径规划的方法根据智能车辆工作环境信息的完整程度，可分为两大类：基于完整环境信息的全局路径规划方法;例如，从上海到北京有很多条路，规划处一条作为行驶路线即为全局规划。如栅格法、可视图法、拓扑法、自由空间法、神经网络法等静态路径规划算法。基于传感器实时获取环境信息的局部路径规划方法;例如，在全局规划好的上海到北京的那条路线上会有其他车辆或者障碍物，想要避过这些障碍物或者车辆，需要转向调整车道，这就是局部路径规划。局部路径规划的方法包括：人工势场法、矢量域直方图法、虚拟力场法、遗传算法等动态路径规划算法等。

自动驾驶技术不只是传统汽车的一项升级，更是一项大工程，包含改造，交通设施的改进，社会基础设施的建立，技术的成熟应用，法律法规的推动，甚至还包括驾驶人的责任认定变迁及行为习惯的改变等，会有一个逐渐被接受的过程。作为整个交通产业的升级，未来将改变人们的出行方式。