半自動化：以人類為駕駛責任核心，自動化技術為人類提供盡可能多的輔助，且在必要的情況下，駕駛員可以接管。
完全自動化：車輛本身成為駕駛責任核心，系統負責絕大部分的駕駛規劃和控制。乘客可以放飛自我。
完全自動化駕駛車：感知、定位、決策都面臨巨大挑戰
首先來說目前行業前沿最為關注的完全自動化，按評級來說應該是L4、L5級別。在這條路上走的比較遠的一般都是科技公司，比如谷歌和優步。
此路線的核心是完全解除人類的駕駛責任，因此其會在上文五個問題中的1、2、3、5 這四個方面都面臨極大的挑戰。
在定位方面，完全自動化駕駛需要使用完整的高精度地圖來實現厘米級定位，這不但需要地圖供應商能夠解決高精度地圖的地域覆蓋以及實時更新，還需要車輛有能力存儲足夠大數據量的本地地圖，并可以實現告訴的在線更新。
且為了實現這樣的定位精度，車上也必須搭載高精確度的激光雷達，這就意味著整個傳感器系統（包括攝像頭，毫米波雷達、激光雷達以及超聲波雷達等）融合時所產生的數據量是非常龐大的。而處理這些數據則需要有強大算法能力的芯片支持，這會對芯片本身的架構設計、功耗和溫控等都提出重大的挑戰。
不管是高精度激光雷達還是高算力芯片，目前都無法實現車規級的大批量生產，因此現在大部分完全自動化駕駛的原型車都是經過小批量改裝完成的。只能夠滿足某些規定場景中試行的出行服務運營，無法大批量投入市場。
更關鍵的是，即便是這些原型車滿足了硬件需求，其還要在軟件層面解決更復雜的問題3和5。因為一旦全自動化駕駛車輛進入到實際交通系統中，那它就必須要面臨一個問題——如何與人類控制的交通元素共存？
這些元素包括車輛、自行車、行人、各種有地域特色的異形交通工具等等。他們在交通系統中完全是依靠著人腦強大的實時決策能力進行博弈、溝通與判斷的。全自動化駕駛車輛想要融入這個體系就需要有像人一樣的駕駛決策，否則就只能像人工智障一樣在道路上任人宰割，破壞正常的交通秩序。
如何解決？都說用人工智能，但是開車不是下圍棋——在路上駕駛者要分析的對手遠不止一個，周圍的交通元素都將成為博弈對象。由于實際道路上的罕見交通場景太多，單純通過收集實際駕駛數據來訓練和驗證算法幾乎是一件不可完成的任務。
唯一比較好應付的就是第4點車內交互，因為對完全自動化駕駛來說，車內交互主要就提供給乘客一些車內控制和娛樂功能就可以了。并不會和整個行駛系統有直接的聯系。
半自動化駕駛：如何解決機器與人的交互問題？
轉過來再看半自動化駕駛，也就是業內普遍定義的L2-L3級別駕駛輔助。這是眾多汽車OEM普遍都在走的路線。原因也顯而易見：車廠的產品面向大眾消費市場，需要覆蓋多個國家和眾多交通場景，不可能設置一個只適用于某個小塊限定區域內的自動化駕駛功能。此外半自動化駕駛系統在整體成本上也會更加可控，車規級量產也更加容易。
從功能性上來講，半自動化駕駛畢竟只是駕駛輔助，整套系統還是要依靠人類駕駛員來提供最終冗余。不過現在一些車廠已經在逐漸解鎖駕駛輔助功能的限制，比如凱迪拉克的Super Cruise功能開啟后可以讓駕駛員在高速路上放開雙手，由系統接管駕駛任務。
由于人類駕駛員仍然占據主導地位，因此在我們之前提到的五個問題中，半自動路線相較于全自動路線在1、2、3、5這四點上都將容易的多。在定位和傳感器方面，可以使用以攝像頭為核心的傳感器融合方案，并可通過攝像頭和毫米波雷達捕捉到的“路書”信息來輔助定位，降低系統對高精度地圖的依賴性。
這意味著整套系統并不是一定要搭載高精度的激光雷達，而是可以通過搭載低精度車規級激光雷達來為其余傳感器提供冗余的方式來保證整套系統的安全性。例如奧迪的新A8的L3功能就搭載了法雷奧的4線激光雷達（完全自動化駕駛一般則需要128線）。核心傳感器從激光雷達轉向攝像頭也將減小數據量，這也會減輕計算芯片的壓力。
在規劃方面，難度也會有所下降，因為一旦系統遇到自己無法應對的情況，就可以直接要求人類駕駛員來接管控制權，而自己退居二線，默默扮演護航者的角色。并且在于其他交通元素溝通時，也可以依靠人類駕駛員來主導，不需要機器自主承擔太多。
真正的難點出在第4點車內人機交互上。因為他要解決一個關鍵問題：駕駛員監控。雖然目前部分L2-L3系統已經能夠在特定場景中完全控制車輛，但系統還是需要駕駛員將注意力保持在道路前方，以便于在遇到特殊情況時接管駕駛權。這就給人機交互帶來了很大的難點：如何保持駕駛員的注意力？以及在必要時能夠讓駕駛員及時接管？
現在車廠使用的方法包括座椅震動，儀表盤提示，方向盤警示燈等等。但是這些提醒方式還是有一定風險，因此還會在車內加上傳感器來檢測駕駛員的注意力。總之，要想保證安全就要盡力無死角的監測駕駛員的狀態。
可以看到半自動和全自動兩條路線都有著各自的難點，前者可以覆蓋絕大部分駕駛場景，但只能實現部分自動化駕駛功能，后者可實現全部自動化駕駛功能，但只能覆蓋小范圍的地域。兩條路線孰優孰劣，其實很難宏觀的下定義，而是需要將前面的5個問題拆開具體來分析。不過可以肯定的是，最終兩條路線會殊途同歸，達成L5完全自動化駕駛的共同目標。
