许多支持者认为，充分展示自动驾驶汽车在特定区域内实现安全自动驾驶的能力，是实现“完全解放驾驶员的伟大目标”的最好方法。西门子工业软件（Siemens Digital Industries Software）公司汽车和运输行业副总裁 Nand Kochhar 表示：“目前，我们的主要业务来自 L2 级到 L3级自动驾驶汽车，但我们已经必须开始着手为 L4 级和 L5 级自动驾驶汽车做好准备了。如今，自动驾驶汽车面临的最大问题是‘多安全才叫安全’？我们并没有如何进行测试或评估的标准。在此背景下，人们决定开始引入运行域，也就是他们经常说的“循序渐进”。

循序渐进

车载传感器还有助于应对天气对驾驶系统的关键影响。目前，设计团队正在寻找方法，确保自动驾驶系统的性能不会受到天气的影响。现阶段，开发人员正在训练自动驾驶系统具备人类驾驶员在雾、雨和雪等气候下驾驶汽车的能力，主要尝试的方法包括：调整传感器的安装位置（使其处于可以受到保护的位置）、及时清洗摄像头镜头，以及通过软件减少灰尘和湿气对系统的影响。

然而，无论传感器和系统的性能有多高，哪怕是在有限运行域中也会出现自动驾驶系统无法理解的情况。当系统无法确定该采取何种措施时，车辆通常的做法是尽可能安全地停下来。此外，还有一些公司正在研发新的技术，允许“远程操作员”在此类状况下进行提前干预。
 

Elektrobit 业务管理执行副总裁 Martin Schleicher 指出，这些技术包括针对安全性、可靠性、信息娱乐系统而重新设计的架构。他表示，“车辆要保持实时更新就离不来空中升级，无论是最新的信息娱乐系统功能、运行系统安全布丁、ECU升级，还是配置修改，这都需要通过空中升级完成。”

Xilinx 汽车业务部高级总监 Willard Tu 表示：“卷积神经网络（CNNs）/深度神经网络将是一个重大推动因素。”一个例子是最早的CNN 网络为 32 位，后来变成 8 位整数，现在正在继续向 4 位量化发展。Xilinx 设备可以支持不同长度的 CNN 网络，而其他公司必须为每种长度设计一个新设备。对开发人员而言，可以在同一硬件设备上升级AI 功能对开发来说也是非常有价值的。”