無人駕駛汽車的算法工作原理是一個復雜但精彩的過程。

首先說傳感，一輛無人車通常裝備多種主傳感器，像 GPS/IMU 傳感系統，能通過高頻率更新數據幫助定位，GPS 定位準但更新頻率低，IMU 實時性強但長時間準確性差，兩者結合能提供既準又實時的位置更新。還有 LIDAR 激光雷達，用于繪制地圖、定位和避障，準確率很高。

再說感知，它能定位無人車位置和感知所處環境。自動駕駛算法路線主要有兩條，一種是端到端的純視覺神經網絡，成本低，依賴大數據訓練能不斷升級，給后續模型輸入統一；另一種是視覺神經網絡和雷達探測器數據結合，再基于規則優化的路徑規劃算法，這種對于距離檢測精確，攝像頭數量也能減少。

另外，SLAM 算法也是核心，全稱是 Simultaneous Localization and Mapping，能在未知環境中通過機器人運動和測量學習環境地圖并確定位置，如今應用廣泛。

在深度學習算法方面，一般分成數據采集處理、訓練、優化、建立分類模型等步驟。主要用于感知、決策、執行三大模塊，比如路徑規劃全程，先在感知/定位模塊輸入數據，再在路徑規劃模塊完成規劃，最后在行為仲裁模塊控制發出指令。

車輛自主駕駛系統分信息感知、行為決策及操縱控制三子系統。路徑規劃是基礎，分全局和局部。全局規劃根據全局地圖信息規劃粗略路徑，局部規劃要根據局部環境和自身狀態規劃無碰撞理想路徑，規劃方法有空間搜索法、層次法等。汽車自動駕駛任務分三層，上層路徑規劃靠 GPS 定位和電子地圖等先驗信息得到最優路徑，中層行駛行為規劃依據主車環境信息。