许许多多的科幻大片中，自驾车作为电视影集里才可能出现的臆想，到最近渐渐地不再被视为遥不可及的幻想，而是当下正逐渐实现的科技产品，其主要是因为各种尖端科技逐渐到位成熟，让研发自驾车技术可普及和取得，最终让自驾车可以改变人类生活型态。
其中，环境传感器、人工智能决策平台都是实现自驾车不可或缺关键因素。从自驾车的系统架构，首先感测环境信息(Sensor)，并透过信息链接最后完成人工智能决策(decision)，车辆才能真正落实安全无误的机器驾驶，因此，我们从传感器与人工智能介绍自驾车技术发展趋势。
自驾车透过传感器辨识外围环境数据，现今自驾车传感器解决方案，包括光达(LiDAR)、摄影机、毫米波雷达(MMW Radar)等，其中光达可在条件恶劣环境下，仍可透过激光束建构出立体影像，协助自驾车判断自身所在位置，以及检测周遭障碍物，光达扫描半径达100公尺，测距误差仅有5公分，被视为自驾驶不可或缺的传感器。
在光达价格居高不下情况下，目前自驾车业者同时采用多元传感器相互辅助，以不同传感器物理特性截长补短，例如，像是毫米波雷达侦测距离很远，但容易被金属物体干扰；摄影机价格便宜，辨识能力强，但恶劣天候下感测效果差；透过多元传感器信息融合(Sensor Fusion)，整合出准确环境参数，经此让决策系统做出更好、更安全的决策。举例说明，毫米波雷达能够测量高达120~250公尺的物体的速度和距离，摄影机在近距离侦测和物体辨识方面十分出色，当两者携手合作，雷达则可作为远方对象早期预警作用，摄影机影像辨识则可精准判断近距离号志、交通信号，远近分工达到智能驾驶目的。
“自驾车大脑”——AI
当车辆传感器侦测到周边环境信息，同时车间传输取得实时远方路况讯息，此时即需要透过人工智能平台将多元信息进行汇整、运算、处理，最后做出正确驾驶决策。
目前各种人工智能途径当中，以深度学习(Deep learning)为最为可行，但该方法需要即大量对象数据库，才能训练出精准分析系统。深度学习如同人类学习分类的过程，透过大量分类完成的样本标的数据库，持续将不同分类样本投入，教导系统学习，当未来发现特例也可如同人类自行推敲分析。
在整个自驾车系统架构内，感测端如同五官网罗近处可见讯息，车联网将五官延伸搜集远程不可见信息，远近讯息融合后，交由车辆的人工智能平台进行运算决策，最后由如同人类四肢的控制系统执行大脑命令，当自驾车的大脑、五官、四肢可以协调合作，即可落实机器安全驾驶。
