但是除了地图数据，汽车也需要可靠的感测器来提供汽车周边的即时环境，光学雷达可以做到这一点，但是当下雨或下雪的时候，它们的感测会受到干扰，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。The Verge称，特斯拉在去年 10 月后，更新了自家自动驾驶硬件系统，在车身四周一共安了 8 个镜头来提供 360° 视野、感测 250 米的距离，还有 1 个雷达和 12 个超声感测器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，atv，但是成本大为上升，很难成为面向大众的自动驾驶汽车解决方案。

　　Google 的 Waymo 也一直在测试在雨雪天气下的自动驾驶情况。他们甚至还在感测器外壳上装了雨刷器，来保证感测器的能见度。不过这样做效果不是太理想，所以 Waymo 的车在下雨天里十分谨慎，一旦受影响就会停在路边，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雨雪天气下的自动驾驶测试。

　　另外感测器的供应商如 Quanergy ，都在研发激光雷达的数位过滤器，让激光雷达可以减少雨雪干扰，能在极端天气里工作。同样的，目前这项技术的进展还比较有限。

　　福特算是恶劣天气自动驾驶的尝鲜者之一，去年也曾经在自家测试场地测试过雪天自动驾驶，并公布了影片。

　　这次 Drive.ai 没有透露他们的自动驾驶汽车的硬体规格，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。它不仅可辨识人和检测物体，而且还能和其他车辆对话。 Drive.ai 的联合创始人兼总裁卡罗尔·莱利（Carol Reiley）之前接受 PingWest 品玩采访时表示：

　　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，让电脑自己训练自己、做出正确的决定，而不是试着把所有做法都提前写在电脑里。

　　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 Drive.ai 这次挑战“雨夜自动驾驶”成功的关键。