该方法是为了能对任何驾驶情境作出反应，利用深度学习人工智能对目标物或环境进行预测，并将其转化为一定的判断规则。例如，若车辆在高速公路行驶时，前方皮卡上掉落了一个大床垫，自动驾驶车载系统能否基于相关的经验作出应对？该系统能够基于目标物的类别及其运动轨迹对该目标进行观察及操作应对？
据Cortica透露，相较于深度学习系统，其车载人工智能对系统运算能力的需求相对较低，可提升感知精度及表现。
该公司早前与瑞萨电子合作，双方引入了一款更为强大、可扩容的开放式平台感知方案，可提供极强的精度及性能等级，缩短响应时间，提升ADAS的整体性能。
实现100%准确的预测结果是自动驾驶车辆系统的最终目标，所有人都希望其性能表现卓越，不会出错。然而，尚无系统达到该目标。（本文图片选自digitaltrends.com）