无人驾驶汽车的还存在哪些缺陷没有解决？
自动驾驶未来可期，但是目前仍然面临很多挑战，比如来自设计、立法、监管和技术等方面的挑战。据调查，在美国，每行驶1亿英里，就有一起与车辆相关的死亡案例。安全是一个永恒话题，不论是在驾驶还是自动驾驶领域。虽然说现在已经有一些基础感测器技术应用于汽车，如摄像头、雷达技术开始在自动紧急制动等应用领域广泛部署，但是想要实现更高级别自动化，感测器技术还需要有进一步发展。激光雷达等类似的感知系统，需要从只具备警告功能逐渐发展为具有驱动能力，换言之，就是在警告乘客周围行驶环境有危险的同时，还能够驱动车辆并且更改汽车操作。
除了技术上需要继续研发，进一步完善，自动驾驶汽车还必须继续在恶劣的天气和道路上进行测试，要确保在平坦和坑坑洼洼的道路上都能完成安全自动驾驶。此外，当今汽车在操作上已经实现一定程度上的半自动化，但是这些系统的性能还存在广泛差异性，对于消费者而言，这些差异性就可能引发信任问题。想想作为消费者，要不停地适应不同品牌的自动驾驶操作方式和驱动模式，也是颇费时间和精力的，对于自动驾驶的安全程度，他们的顾虑可能会越来越多！那么，如果可以统一来自不同制造商车辆的安全系统，自动驾驶技术也将会更加一致，更好地交付到市场。
还有一点，那就是自动驾驶车辆的设计。如果将感测器置于车辆的明显位置，向乘客展示该系统可以自主地且清楚地「看到」、「感知到」车辆周围的状况，这也有助于增加人们对自动驾驶技术的信任度。
非常非常多的问题，每个系统流程都有一些目前无解的问题，下边只是部分例子，挂一漏万。抛开传统汽车上的共性问题，还有诸如：
法律道德问题：
- 经典的电车难题，简化一下就是：在人行道前制动系统坏了（任何系统都不可能100%不坏），控制系统可以选择不转弯撞行人，也可以选择转弯撞大树（相当于让车内人员受伤）等。
- 事故责任问题，到底是购车人、销售商还是制造商承担交通事故责任。
智能汽车自身的问题，主要三大块：感知、决策规划、控制：
- 感知问题。常用的感测包括摄像头、激光雷达、毫米波雷达、超声波雷达等，其中比较复杂但是非常有用的是摄像头和激光雷达的图像处理和点云处理。目前还没有一种完善的演算法能很好的提取所有的图像点云中的障碍物信息。
- 决策规划问题。怎么获得最优的决策？常用的两种：基于规则和人工智慧。基于规则例如百度阿波罗的3000多个场景，10000多个if else，很清晰但是难于应对未考虑的场景；人工智慧的目前一般是深度学习、强化学习等，能自学习进化，但是是个纯黑箱，发起疯来相当可怕，即使训练一亿次都不能保证第一亿零一次是符合预期的。怎么获得最优的轨迹？本质上就是个有约束的非线性的优化问题，这个数学上都无法保证找到最优解，一堆约束（速度约束、加速度约束、执行器变化速率约束、障碍物约束等）。
- 控制问题。一个摩擦系数的准确估计，已经难到家了。没有准确的摩擦系数估计，控制中的轮胎力饱和怎么办，规划的轨迹中加速度超出范围怎么办。
- etc.
主要是信号转换速度。反应速度问题。
首先，无人驾驶汽车还是个理想的东西，无人驾驶技术并没有出现，只能说现在还处于研究阶段。
其次，无人驾驶的技术路线并没有很清晰，现在只是在摸索，到底可行不可行还是个问题。无人驾驶的概念很广范，字面讲，没人开就是无人驾驶，那么地铁、火车都可以很容易实现无人驾驶，但是这种无人驾驶是有限制的，比如轨迹限制、道路专属，这不是我们想玩的无人驾驶。我们想要在马路上自己跑的智能无人驾驶，这就很难了。
我觉得吧，最难的还是如何决策。有人驾驶时，驾驶员根据周围环境判断改怎么操作，这里最重要的是驾驶员判断。自动驾驶时，没有驾驶员来判断了，那就得由感测器采集周围环境，由设计的智能系统判断下一步改干嘛。首先，识别出周围环境，如车道线、行人等复杂场景很难，尤其是很少见的东西。其次，要建造一个像人的大脑这么聪明、随机应变的系统更是难上加难。
路况，道路交通法等等。
就说很简单的很简单的一点
鲁棒性强的低延时系统，就够解决一阵儿了
怎么说呢，并不是说还有哪些缺陷没有解决。问题不是这个。即使无人驾驶出问题的几率很低，远低于人工驾驶，只有是系统缺陷导致的人员不安全，都是不可以接受的
精细地图
上百度
信号传输问题
推荐阅读：
