• 环境感知

研究多传感器协同感知及融合技术，实现对周围环境的关键信息收集和知识提取，其中包括可行驶区域、车道线、交通标志、交通灯、车辆、行人及所有障碍物的检测识别，车辆、行人等障碍物的位姿、运动状态等的预测；通过合理的多传感器布局配置方案，来确保车周围360度覆盖和关键区域的增强覆盖；通过安全冗余设计的软件系统方案来保障车辆周围环境信息的准确感知，进而确保自动驾驶汽车的安全稳定运行。

• 高精定位

研究基于不同模态传感器的高精定位技术，如激光定位、视觉定位、组合导航定位，打造支持全天候、全场景的厘米级定位能力。建立面向自动驾驶应用的高精度建图体系，研发规模化、高效率的地图更新技术。探索基于数据驱动的定位全链路技术方案，通过海量的测试和运营数据提升算法的泛化能力。

• 决策规划

接受定位、感知、预测的结果，基于海量实测与仿真的驾驶行为数据，学习最优的行为模型和参数，在高维空间中进行搜索和优化，理解周围行人车辆的意图，在交互的过程中完成符合社会参与者预期的安全、高效、稳定的运行轨迹，并最终通过运动底盘进行执行。

• 智能控制

以车辆控制为主体，包含横纵向控制、安全机制两方面。横向控制主要研究自动驾驶的路径跟踪能力，依据运动规划输出的路径、曲率等信息及有效的控制参数模型估计进行跟踪控制，以减少跟踪误差，同时保证行驶的稳定性。纵向控制主要是控制车辆速度跟踪能力，实现对期望车速的精确跟随，按照预定的速度巡航。建立全面的上下游安全机制，具备异常处理的能力，保证控制精度和场景安全需求的最优化。

• 仿真平台

通过对真实的环境进行建模，真实的车辆进行建模，真实的交互行为进行建模，提供逼真的数字仿真世界。解决真实世界中的测试里程不足、测试场景丰富度欠缺、测试成本高等难题；也为算法迭代提供海量的训练数据和安全的评测环境，助力无人驾驶算法快速迭代优化，保证无人驾驶系统快速验证发布。

• 数据平台

建设无人驾驶数据平台，提供数据筛选、传输、存储、挖掘、分析、标注等功能。为研发、测试、产品、运营人员提供快速方便的数据检索服务；针对数据进行高阶语义建模，挖掘对无人驾驶算法演进最有价值的复杂交互场景数据，助力算法快速迭代优化；通过数据分析，快速定位无人驾驶的重点问题，并提供深度分析，为分析问题、解决问题、制定方案决策提供数据支持。