就像人类司机需要各种标识，比如车道线等，来定位自己在路上的位置一样，自动驾驶汽车也需要如此。这意味着它们也需要更多细节丰富的、精确的地图数据，这也就是为什么各大汽车公司和科技公司都竞相从诺基亚手里并购 HERE地图的原因。

　　但是除了地图数据意外，汽车也需要可靠的传感器来提供汽车周边的实时环境，激光雷达可以做到这一点，但是当下雨或者下雪的时候，它们的检测会受到的干扰，可靠度大大降低。

　　要解决这个问题，一个办法是安装极其昂贵的硬件。TheVerge 称，特斯拉在去年10月份后，更新了自家自动驾驶硬件系统，在车身四周一共安了8个摄像头来提供360°视野、检测250米的距离，还有1个雷达和12个超声传感器检测到原来两倍大的范围，一个增强版的前向毫米波雷达，能够帮助汽车在雨雪、雾尘等天气下探测到前方车辆。

　　这样做效果虽好，但是成本大为上升，很难成为面向大众的自动驾驶汽车的解决方案。

　　而Google 的 Waymo 也一直在测试在雨雪天气下的自动驾驶情况。他们甚至还在传感器的外壳上装上了雨刮器，来保证传感器的能见度。不过这样做效果不是太理想，所以 Waymo 的车在下雨的天气里十分的谨慎，一旦受影响就会自动停在路边，直到情况好转。而现在，Waymo 也开始在一些天气多变的地区，比如华盛顿州等进行更多的雨雪天气下的自动驾驶测试。

　　另外传感器的供应商，比如 Quanergy ，都在研发激光雷达的数字过滤器，让激光雷达可以减少受到雨雪的干扰，从而在极端天气里更好的工作。同样的，目前这项技术的进展还比较有限。

　　福特算是恶劣天气里自动驾驶的尝鲜者之一了。去年的时候，atv，它也曾经在自己封闭的测试场地测试过雪天自动驾驶，并公布了视频。

　　这次 Drive.ai 没有透露他们的自动驾驶汽车的硬件配置，也没有给出更多技术细节，只表示正在用深度学习和神经网络来训练自己的自动驾驶系统，它不仅识别人和检测物体，而且还能用来和其他车进行对话。Drive.ai 的联合创始人兼总裁卡罗尔·莱利（Carol Reiley）此前在接受 PingWest 品玩采访时表示说，

　　Drive.ai 聚焦在汽车的‘大脑’，主要用深度学习技术来打造自动驾驶的人工智能系统，让计算机自己训练自己、做出正确的决定，而不是试着把所有做法都提前写在计算机里。

　　路面情况是动态的、有无穷的可能性（相比之下，围棋的步数仍然是有限的，这也就是为什么人工智能可以下围棋、但是没法开车），开发人员不可能列出所有情况、提前设定好所有做法，所以，让机器像人类一样获得训练、自己学习才是更有效的。

　　或许这正是它这次挑战“雨夜自动驾驶”成功的关键。

　　相关阅读：

　　特斯拉致命车祸调查结果出炉：自动驾驶没犯错，它比驾驶员更安全

　　Bose：在对抗和驾驭波形的路上飞速狂奔

　　概念舱、全息触控、自平衡摩托、人性汽车设计……CES上的这些未来汽车竟然长这样

　　核弹教父变身“AI 教父”，下一个统治世界的或许不是Google，而是这家公司