上一篇我們介紹了自動駕駛汽車所需的感知技術以及近期在此領域有所進展的新創公司，這篇我們接著介紹其他重要的技術。
車聯網感測器（V2X）
車聯網技術可以偵測到路面障礙、交通阻塞以及車輛視野以外的盲點，彌補光達、雷達和攝像頭等直視感測器的限制。以色列新創公司Autotalks 現與Hyundai車廠合作量產他們的V2X感測器技術。
駕駛資料與模擬
對於開發自動駕駛技術而言，從道路測試與模擬獲得的駕駛資料十分重要，因為這能訓練引導車輛前進的演算法。
自動駕駛汽車需要行駛至少數億英里來驗證它們的安全性，開發商的測試車隊得要花上好幾年才能累積到這個數目，因此他們也會透過模擬來累積里程。新創公司與AV開發商利用人工智慧產生或擴大簡單的資料集，用以訓練自動駕駛汽車，這項技術在訓練車輛處理危險而罕見的情況（例如陽光影響視線）時特別有用。
以色列新創公司Cognata已開發出可以提供客戶各種自動駕駛測試情境的3D模擬平台。
Cognata的3D模擬平台（Source: Cognata）
NVIDIA是領先投入模擬技術的大公司之一，他們在5月推出了DRIVE Constellation雲端模擬平台，平台在該公司的GPU上運行，產生感測器資料流提供AV系統處理。NVIDIA能在數十億英里的客戶建置情境中訓練他們的演算法。
MightyAI的中繼資料標示與分類技術（Source: MightyAI）
蒐集駕駛資料的另一大挑戰是影像註解，也就是標記資料以便AV辨識與分類物體。專注訓練資料的新創公司Mighty AI與建置電腦視覺模型的企業合作，協助標記他們用來訓練系統的資料。MightyAI用以理解所蒐集資料的一項技術是語意分割（semantic segmentation），這是將影片影像分解成像素，以便進行更細緻的處理。
中國科技巨擘百度也開發出自己的語意分割軟體ApolloScape，用於自家自動駕駛技術的開源資料集。百度技術的影像註釋多達26項分類，能夠協助自駕車辨識道路上可行駛的區域以及前方的障礙。
預建高精地圖
自動駕駛汽車也需要知道自己的確切位置，才能進行決策與規劃路徑。許多汽車使用的GPS誤差多達1~2米，錯誤率太高（自行車道平均約1.2米），因此AV開發商採用預建地圖等技術，將誤差降至1米以下。
車輛自我導航使用的HD地圖比個人導航軟體的電子地圖更加精確，其中包含車道寬窄、十字路口等道路資訊，並有車輛外部感測器蒐集到的資料輔助。
目前有不少新創公司專門設計軟硬體蒐集道路資料，再將此轉為數位地圖，例如DeepMap已開發出地圖建置軟體，計畫授權給車廠與開發AV的科技公司。Civil Maps也在針對全自動駕駛汽車開發3D地圖繪製技術，他們使用AI將原始的感測器資料轉為有意義的地圖資訊。
Source: DeepMap
有些公司建置HD地圖的目的是為將這些資料授權出去，例如HERE Maps與TomTom兩家大公司。HERE Maps已在2015年被德國汽車集團（Audi、BMW及Daimler）收購，而TomTom則與百度合作，將自家的美國與西歐地圖與百度的中國地圖整合。
Google也是地圖領域的先驅大廠，旗下的自動駕駛事業 Waymo 使用自家車隊蒐集的道路資料建置自己的HD地圖。百度也有自駕車軟體平台Apollo與專屬HD地圖，他們計畫將地圖賣給車廠賺取營收，並且預期旗下的地圖事業最後將會發展大過搜尋事業。
全系統FULL SYSTEMS
有些公司致力整套自動駕駛系統而非特定元件的研發，這類新創公司與車廠合作部署他們的技術，有些甚至從零開始打造自己的車輛。
自動駕駛系統
打造整套自動駕駛系統的公司大多軟硬通吃，他們的系統內含電腦視覺與感測器融合軟體以及自動駕駛需要的硬體，堪稱自動駕駛汽車的大腦。例如Drive.ai，使用自己的自動系統改造車輛，其自駕車服務已開始在德州境內擴展，2017年並與Lyft 合作，讓搭載其系統的自駕車進入Lyft的開源軟體平台。
Source: Drive.ai
中國也有多家公司致力研發自動駕駛系統，例如北京的Momenta 在獲得電動車廠蔚來與科技大廠騰訊的C輪融資之後，正式晉升獨角獸行列，他們也與蘇州政府合作部署大規模測試車隊以及建構當地的智慧運輸系統。小馬智行也已晉升獨角獸，他們與廣汽集團合作部署自家的整套自動駕駛系統，自動駕駛車隊也於9月在廣州成軍。
整車
Zoox和Nuro是從零開始打造車輛。Zoox的原型車迥異於傳統汽車— 沒有方向盤和儀表板，車內只有面對面的兩排長椅，目前依法無法行駛於公共道路，因此暫時使用Toyota Highlanders測試技術，不過已吸引大批投資者目光，募資順利，計畫於2020年以自家的自動駕駛汽車推出載客服務。
Source: Zoox
Nuro的自動駕駛汽車是設計用來載貨而非載客，旨在為零售商提供最後一哩配送服務。
Source: Nuro