簡單的說是由三個層面決策的就是上層控制系統中層控制系統和底層控制系統底層控制系統就是控制汽車的剎車油門等等上層控制系統就是制定路線要用到定位和地圖當然還要最佳化路徑這就需要雲端的資料支援和和智慧預測比如說透過分析資料就可能預測到某個路口幾點會堵車中端控制系統就是汽車在行駛的過程中遇到什麼該怎麼辦這個需要用到深度學習和多種感測器配合讓汽車能認識行人車輛紅綠燈什麼的這個是最難的當然只是簡單的說太專業了我也不懂

沒有問題說明，會變成兩個內容。是指汽車的自動駕駛？還是指人腦的潛意識身體行為？如果是說大腦，跟自動駕駛一樣，先輸入目標地，然後把身體移動交給記憶程式。中間出現熟人，碰到問題，只有障礙物避讓的能力，不能識別熟人，或出現的新情況。也就是說，沒有決策能力，只有按照程式進行。

自動駕駛是人工智慧的結果，從科學的角度來說，是一個集合環境感知、規劃決策、多等級輔助駕駛等功能於一體的綜合系統，運用了計算機、現代感測、資訊融合、通訊、人工智慧以及自動控制技術。

自動駕駛的三個關鍵點：1、定位 2、感知識別 3、智慧決策

定位一般透過GPS實現，但普通的GPS不行，誤差太大，目前可選擇的技術有GPS+IMU，誤差在米級，價格不便宜；如果要再精確一點，差分定位是一個選擇，比如RTK和PPP，這個誤差就小了，精確度釐米級。

但定位的問題在於有遮擋的情況下無法滿足汽車行駛的需要，比如在樹林裡、多路徑。因此定位未來的發展方向是環境特徵缺失的情況下如何減少定位偏差。

感知識別就是簡單多了，包括車道線識別、行人識別、車輛跟蹤識別、紅綠燈識別以及交通指示牌識別，但所有的因素都綜合到一起時，對演算法的挑戰還是很大的。

最後一個就是決策，這是最難搞定的地方，不僅要去判斷別的車的意圖，還要考慮自己車的動作給別人會帶去什麼樣的感覺，很複雜。谷歌2016年2月14日的碰撞事故，就是判斷意圖錯誤。

問的是如何決策規劃，看來並非一定要專業回答，那我就說點自己的看法。

自動駕駛既然能把路上的主動權由人類交給車輛大腦，那麼這個大腦肯定就要把人安全帶到目的。其中在路上所遇到的一切情況都需要大腦自主完成。

這就需要大腦具備導航功能，感興功能，反饋裝置，執行處理程式。要求感興到的比人廣而精確，反應比人快而靈敏，處理還要比人更加合理有效。

我覺得這個大腦是由多套系統組合而成的，包括地圖系統，交通規則，以及應急預案，處理方式大全等等。這些可以參考一下游戲裡面的設定。只要這些系統足夠完善，自動駕駛就能輕鬆上路。。。

老王對自動駕駛沒啥深入的研究，也算不上專業人士，只能以我自己的經驗做一點通俗的解釋。自動駕駛技術主要基於人工智慧，而人工智慧又依賴大資料。

要想讓汽車像人的大腦一樣學會做“判斷”、學會思考，以現在人工智慧技術的發展，未來不久應該就能實現，只不過自動駕駛汽車的“思考”方式和我們人的思考方式有著本質的區別。

人的大腦善於分析、學習，而機器的大腦善於記憶儲存，這是兩者最本質的區別，自動駕駛汽車肯定是基於自己的長處進行開發設計，工程師會在機器的大腦裡儲存海量的資訊資料，把我們這個星球上所有的實物都轉換成資料儲存進機器裡，讓機器把這些資料全部記住，這對人來說很困難，但對於機器來說也就是分分鐘的事情。

完成儲存以後，自動駕駛汽車在路上遇到障礙物時會從自己的資料庫中調取相似的樣本進行比對分析，會在極短的時間內做出判斷，進而做出相應的決策，是躲避還是剎車等等。

自動駕駛汽車大腦是建立在海量的大資料的基礎上做決策的，資料越豐富，機器的判斷也就越準確，這和我們經常說的見多識廣如出一轍，機器拓展視野的方式就是記憶。