6月22日，在南京经济技术开发区举行的“2020第三届全球自动驾驶论坛”上，滴滴自动驾驶公司首席运营官孟醒的一番言论告诉外界，困扰自动驾驶的高精地图与实际道路数据，或许将在这些网约车每年1000亿公里的行驶中，不知不觉地被解决。
法雷奥中国区首席技术官顾剑民博士则更加直截了当地说：“我们不可能派出很多的车去实时更新高精度地图，所以通过‘众包众筹’的形式，在用户使用过程中，它的激光雷达来帮助我们收集施工区域、新建基础设施等信息。”
在滴滴公司的后台，每天都会收到“桔视”上传的海量数据，“在这些数据里我们能看到什么呢?有鸡飞狗跳的场景，也有三轮车、老人代步车在主干道上逆行，甚至是横跨穿行两条车道，这些其实不是我们正常想到的交通场景，但是它实实在在会出现，可能只占0.1%，但是一定要解决它之后才能放心的上路。”孟醒说。
除了复杂的交通参与者以外，交通参与者的复杂行为也是需要去处理的，比如前方有一辆大货车会违章行驶，会占用两条车道等。
“我们在路上看到很多电动车，特别是送外卖的这些小哥，他一边打电话，一边驾驶着电动车，他自己都不知道下一秒钟他是往左往右还是刹车，你怎么知道?所以这是一个最大的挑战。”顾剑民说。
孟醒认为，仅仅依靠自动驾驶车辆路测还远远不够，因为路测的车辆非常有限，通过使用仿真系统和真实收集的道路大数据，就能帮助自动驾驶技术迭代演进。
据孟醒介绍，滴滴公司把这些收集到的真实场景放到仿真引擎里进行三维重建，从一个现实的案例变成一个可以反复训练的虚拟案例。稍做改变，这个虚拟案例还会变成一百个一千个类似的案例形成案例库，用案例库对电脑进行考核，看它能不能应对。
顾剑民说到自己曾经到一家研发自动驾驶技术的公司去调研，在乘坐该公司的自动驾驶汽车时，因为路边站着一个人，车辆立即踩了一个急刹。“交通行为预测是走向自动驾驶的第一步，如果不能预测或者判断其他交通参与者的意图，那么在路上几乎只能用最保守的方法、以最低的速度行驶，这样我们使用者的感受就非常不满意，自动驾驶功能就会变成鸡肋。”顾剑民说。
据顾剑民介绍，目前业界已经有非常成熟的定位技术，通过车上的激光雷达实时对比高精度地图，以及移动运营商的地面基站，来帮助车辆实现厘米级定位，但真正实现安全而舒适的自动驾驶，还需要海量的数据和人工智能的算法，对汽车“大脑”进行训练升级。
