以自動駕駛車作為大型機器人系統，整合感測、地圖定位、深度學習、決策，以及法規／信任議題。
理解自動駕駛車的技術架構，並區分技術、環境、法規與公眾信任挑戰。
原書把自動駕駛車視為可能影響大眾生活的重要機器人應用，並說明光達（Light Detection and Ranging, LiDAR）、雷達、輪速編碼器、地圖與神經網路等技術如何共同支援導航。
| 類別 | 原書內容 |
|---|---|
| 主要感測技術 | 光達、雷達、輪速編碼器、攝影機／其他感測器 |
| 決策方法 | 神經網路、規則式決策、混合方法 |
| 挑戰 | 技術、環境、法規、公眾信任 |
以感測 → 定位 → 判讀 → 決策 → 行動的流程整理技術，再以四類挑戰分析部署。
原書本段未提供足以重算自動駕駛績效的統計數據，因此不建立準確率或事故率比較。
自動駕駛車是社會技術系統：除了模型與感測器之外，地圖、天候、責任歸屬、執照制度與消費者信任都會影響實際部署。
依原書把自動駕駛車分成感測、地圖定位、決策、控制、治理五層，並把每項部署挑戰對應到可能受影響的層級。
問題：若感知模型表現很好，是否足以解決自動駕駛車的全部部署障礙？
參考解答：不足。原書另列環境、法規與公眾信任挑戰，並非單靠模型表現即可解決。