伊隆·马斯克（Elon Musk）相信，到2020年底，他的特斯拉将拥有全自动驾驶的机器人车辆。他最近发表了以下言论：“没有根本的问题了。有很多小问题。主要问题是解决所有这些小问题，并将整个系统整合在一起。“
也许允许汽车在无需人工干预的情况下行驶的技术（业界称其为“ 5级自治”）正在迅速发展。但是，生产能够安全合法地进行操作的汽车是另一回事。
确实存在将全自动驾驶汽车安全上路的基本问题，在看到机器人在道路上行驶之前，我们仍然必须解决这些问题。这是五个更具挑战性的障碍。
1.传感器
机器人移动机器人使用各种各样的传感器来感知周围的现实，并识别诸如行人，其他汽车和道路标志之类的物体。摄像头可帮助机器人车辆看到物体。激光雷达使用激光来测量从物体到汽车的距离。雷达识别物体并跟踪其速度和方向。
所有这些传感器都将数据传输到车辆的控制系统或计算机，以帮助其确定在哪里转向以及何时制动。全自动驾驶的机器人汽车需要一组传感器，这些传感器可以在任何条件下和任何情况下，在无需人工干预的情况下，准确地检测物体，测量物体之间的距离，速度等。
恶劣的天气，繁忙的交通以及涂有油漆的路标都会对传感器的精度产生负面影响。特斯拉汽车中使用的雷达不受天气的影响，但是要确保全自动驾驶汽车中使用的传感器能够安全地识别所有物体仍然存在挑战。
为了出现真正的自动驾驶机器人车辆，这些传感器需要在从阿拉斯加到桑给巴尔的任何天气条件下，以及在开罗或河内等繁忙的城市中工作。当前特斯拉汽车的事故（仅适用于第二级自动驾驶），包括与停放的汽车相撞 2020年7月的数据显示，一家公司需要弥合巨大的鸿沟才能实现如此全球性的全天候机会。
2.机器学习
大多数自主机器将使用人工智能（AI）和机器学习（ML）处理来自传感器的数据，并帮助做出有关进一步动作的决策。这些算法将有助于确定传感器检测到的物体，并根据训练对它们进行分类-这是行人，这是交通信号灯，等等。然后，汽车将使用此信息来决定是否采取任何措施，例如制动或后退，以避免与检测到的物体相撞。
未来，汽车将比人类驾驶员更有效地应对这种识别和分类。但是到目前为止，还没有公认的基础可以保证用于机器人车辆的ML算法是安全的。业界和监管机构之间在如何组织，测试和批准IO方面几乎没有共识。
3.开放路
一旦上路，机器人车辆将继续训练。他们将在新的道路上行驶，识别在培训中未遇见的物体并更新软件。
如何确保系统的可靠性保持在同一水平？我们需要能够证明任何新的学习都是安全的，并且系统不会忘记以前的安全行为。业界尚未就此问题达成协议。
4.规章制度
在任何行业中，都没有令人满意的自动系统标准和准则。现有车辆的当前 安全标准要求驾驶员在紧急情况下接管。
就机器人车辆而言，关于某些功能（例如自动车道保持）的操作规则已经开始出现。对于自动系统，还有一个国际标准，其中包括机器人车辆，该标准设定了某些要求，但不能解决传感器，MO和操作培训中列出的问题-尽管将来可能会发展到这种状态。
如果没有公认的规则和标准，则无人驾驶汽车，无论其安全性如何，都将无法进入公共道路。
5.公众接受
像其他 自动驾驶汽车一样，特斯拉目前的自动驾驶汽车已经卷入了各种重大事故。公众的接受度不仅是想要购买机器人汽车的人的问题，而且对于那些愿意与他们分享道路的人来说也是一个问题。
公众应参与有关引入机器人车辆的决策。没有这个，我们就有被技术拒绝的风险。
必须解决这些问题中的前三个问题，以克服后两个问题。自然，在引进了全自动驾驶汽车的公司中，争夺第一名。但是，如果没有共同努力确保安全，便会提供这种安全的证据，而是与监管机构和公众合作以确保
获得批准-在没有所有这些的情况下，机器人汽车将仅在多边形周围行驶很多年。
尽管这可能会让像Musk这样的企业家感到沮丧，但解决机器人车辆的道路是在安全，保证，法规和批准等方面就这些复杂问题进行长期合作。