6月22日，在南京經濟技術開發區舉行的“2020第三屆全球自動駕駛論壇”上，滴滴自動駕駛公司首席運營官孟醒的一番言論告訴外界，困擾自動駕駛的高精地圖與實際道路數據，或許將在這些網約車每年1000億公里的行駛中，不知不覺地被解決。
法雷奧中國區首席技術官顧劍民博士則更加直截了當地說：“我們不可能派出很多的車去實時更新高精度地圖，所以通過‘眾包眾籌’的形式，在用戶使用過程中，它的激光雷達來幫助我們收集施工區域、新建基礎設施等信息。”
在滴滴公司的后臺，每天都會收到“桔視”上傳的海量數據，“在這些數據里我們能看到什么呢?有雞飛狗跳的場景，也有三輪車、老人代步車在主干道上逆行，甚至是橫跨穿行兩條車道，這些其實不是我們正常想到的交通場景，但是它實實在在會出現，可能只占0.1%，但是一定要解決它之后才能放心的上路。”孟醒說。
除了復雜的交通參與者以外，交通參與者的復雜行為也是需要去處理的，比如前方有一輛大貨車會違章行駛，會占用兩條車道等。
“我們在路上看到很多電動車，特別是送外賣的這些小哥，他一邊打電話，一邊駕駛著電動車，他自己都不知道下一秒鐘他是往左往右還是剎車，你怎么知道?所以這是一個最大的挑戰。”顧劍民說。
孟醒認為，僅僅依靠自動駕駛車輛路測還遠遠不夠，因為路測的車輛非常有限，通過使用仿真系統和真實收集的道路大數據，就能幫助自動駕駛技術迭代演進。
據孟醒介紹，滴滴公司把這些收集到的真實場景放到仿真引擎里進行三維重建，從一個現實的案例變成一個可以反復訓練的虛擬案例。稍做改變，這個虛擬案例還會變成一百個一千個類似的案例形成案例庫，用案例庫對電腦進行考核，看它能不能應對。
顧劍民說到自己曾經到一家研發自動駕駛技術的公司去調研，在乘坐該公司的自動駕駛汽車時，因為路邊站著一個人，車輛立即踩了一個急剎。“交通行為預測是走向自動駕駛的第一步，如果不能預測或者判斷其他交通參與者的意圖，那么在路上幾乎只能用最保守的方法、以最低的速度行駛，這樣我們使用者的感受就非常不滿意，自動駕駛功能就會變成雞肋。”顧劍民說。
據顧劍民介紹，目前業界已經有非常成熟的定位技術，通過車上的激光雷達實時對比高精度地圖，以及移動運營商的地面基站，來幫助車輛實現厘米級定位，但真正實現安全而舒適的自動駕駛，還需要海量的數據和人工智能的算法，對汽車“大腦”進行訓練升級。
