在过去的十年里，自动驾驶汽车技术取得了越来越快的进步，主要得益于深度学习和人工智能领域的进步。作者就自动驾驶中使用的深度学习技术的现状以及基于人工智能的自驱动结构、卷积和递归神经网络、深度强化学习范式进行了详细的阐述。并对这些方法在自动驾驶场景感知、路径规划、行为仲裁和运动控制算法进行综述，同时就目前自动驾驶设计中使用人工智能体系结构所遇到的挑战，如安全性、训练数据源和计算硬件进行了详细的阐述，本文将从以下脑图结构内容展开。图－1目录结构1．简介深度学习和人工智能成为计算机视觉、机器人和自然语言处理（nlp）等领域取得重大突破的主要技术。它们在当今学术界和工业界也产生了重大影响。自动驾驶汽车开始从实验室开发和测试条件转向在公共道路上驾驶。它的部署将减少了道路事故和交通拥堵，并改善了我们在拥挤城市中的流动性。“自动驾驶”的名称似乎不言而喻，但实际上有五个sae级别用于定义自动驾驶。saej3016标准（sae委员会，2014年）引入了一个从0到5的汽车自动化分级标准。较低的sae级别具有基本的驾驶员辅助功能，而较高的sae级别则向无需任何人工交互的车辆移动。5级车不需要人工输入，甚至不需要方向盘或脚踏板。尽管大多数