其中，環境感知系統模擬人對局部車輛行駛環境的實時辨識的功能，包含遍布車身的雷達、機器視覺等傳感器，以實現對行駛環境中車輛-車輛，車輛-道路以及車輛-行人相對運動關系的準確辨識，如車道線、交通燈信號、交叉路口信息、運動-靜止障礙物、行人甚至動物等；

　　無線通信系統則是模擬人對大范圍內車輛行駛環境的認識，其主要通過如3G/4G、WiFi、GPS、車-車/車-路通信等遠程/短程的通信方式，實現諸如交通信息、天氣狀況、道路緊急事故、前方路口信息、行車盲點、車輛定位及導航等信息的辨識；

　　而智能控制系統主要模擬人分析和處理復雜環境信息，制定最優決策的過程，該過程既涉及復雜的人工智能優化算法，選擇最安全、最高效的行駛路徑，也需要對車輛各部件如發動機、電機、變速器等系統進行實時的車輛控制，以實現對車輛期望運動軌跡的快速跟蹤。

　　如何綜合應用環境感知、無線通信等手段，通過多類信息的綜合處理，獲取準確全面的行車環境信息，這是無人駕駛汽車技術發展所面臨的首要技術難題。其次，復雜的行駛環境下，如何制定最優的決策，使得無人駕駛汽車在行駛過程中能夠實現真正的安全、高效，也符合駕駛員的行為習慣，這將是無人駕駛汽車面臨的另一技術難題。

　　谷歌無人駕駛汽車

　　谷歌無人駕駛汽車項目由谷歌工程師，斯坦福大學人工智能實驗室主任塞巴斯蒂安-特龍主持。

　　谷歌無人駕駛汽車實現無人駕駛的第一步是導航，其導航系統的精度相比通常使用的車輛導航系統具有更高精度要求。由于目前交通道路信息更新速度很快，汽車所存儲的信息有可能不準確，因此，谷歌無人駕駛汽車在行駛之前，需要人工設定行駛路線，以保證汽車行駛路線的準確無誤。一旦汽車行駛路徑設定完畢，系統將依靠車上所搭載的GPS傳感器、安裝于車頂的激光測距儀、安裝于前后保險杠的四個雷達、安裝于前擋風玻璃的攝像頭等傳感器，實時控制車輛自動駕駛。

　　由于實際道路環境復雜，谷歌無人駕駛汽車的車頂上所安裝的激光測距儀是其中最重要的一個傳感器。激光測距儀通過實時的旋轉式激光探測，能夠實時識別到車輛50英尺范圍內的三維空間圖像，將該圖像和高分辨率的地圖相結合，可以獲取更加精確的行駛環境信息，相比單純依靠GPS，其定位精度可達幾個厘米，且能夠重建汽車周圍運動的各類物體模型。車載雷達則可以實時檢測較遠距離范圍內運動的物體。前視攝像頭可以對整個交通環境、周圍建筑物、紅綠燈等信息進行實時采集。無人車處理器將綜合上述多類信息，重新構建集成交通環境的、更加準確的3D環境模型。

　　谷歌無人駕駛汽車還擁有多個同時運行的控制軟件，例如車輛要進行換道操作，汽車控制器將會根據當前的車輛行駛環境，兼顧行駛路徑平滑、車輛行駛速度、安全距離等因素，制定最優的換道軌跡；當經過十字路口，汽車將自動遵守交通規則。同時，安全是谷歌無人駕駛汽車最重要的要求，車內駕駛員可以隨時接管自動駕駛系統。目前，在內華達州交通管理法規中，明確要求無人駕駛汽車內必須同時有兩個人，一位實時監測車輛以及周圍的環境，一位隨時準備應對突發狀況，絕對保證汽車的安全性。

　　2012年4月1日，谷歌決定聯合全美運動汽車競賽協會，將自己的無人駕駛汽車跟真正的賽車同場競技，證明機器人比人類駕車技術要高。當然，谷歌無人駕駛汽車技術能否真正超越人類駕車技術，還有待時間的檢驗。