雖然跟得太緊或是剎車太晚等駕駛行為很容易處理，但是預測其他駕駛員行為以及處理復雜的交叉路口情況只能依賴有經驗的駕駛員。自動駕駛汽車（AV）就像新手駕駛員，只是其擁有發展得更好的大腦以及價值數十億美元的技術，可幫助縮短學習時間。但是即使使用其所有的傳感器和軟件，自動駕駛汽車在可以完全自信且有能力駕駛之前，仍有需要克服的缺陷。

在自動駕駛車輛競爭中，有幾項不太引人注目的技術趨勢正在突起，以幫助真正的自動駕駛車輛成為現實。

教會自動駕駛車輛有關道路規則技術

人類駕駛員必須學習駕駛員手冊，了解停車標志和讓路標志的區別，同樣地，自動駕駛車輛也需要通過人工智能（AI）學習道路規則。此外，自動駕駛車輛還需要通過在路上花費數小時來獲取有關真實世界的體驗。

自動駕駛車輛通過機器學習的人工智能來解釋路標和其他道路信息，即需要駕駛一段路程并且需要人類對數據進行驗證。交通數據公司Inrix研發了首個新自動駕駛道路規則（AV Road Rules）平臺，可讓城市和道路管理部門為行駛在公共道路上的自動駕駛車輛制定、驗證和管理交通規則和交通限制。該平臺還可利用自動駕駛車輛的實時信息，報告哪些基礎設施需要改進，讓道路對所有使用者來說都更加安全。此外，Inrix的新自動駕駛道路規則平臺可讓城市和道路管理部門迅速、輕松地將限速、人行橫道、學區、公交車道和停車標志等特定交通限制數字化，使汽車制造商與高度自動化車輛運營商能確保車輛符合當地的交通規則。該平臺還創建了一個渠道，可將高度自動車輛對道路基礎設施的需求傳達至交通部門，以幫助改善道路管理和維護工作。

自動駕駛模擬技術

一旦自動駕駛車輛了解了道路規則，他們需要在道路上應用，但是自動駕駛車輛運營商時間和資源都有限。但是研發人員找到了新方法，通過模擬軟件來加速測試過程，從而加速自動駕駛車輛部署。

自10年前谷歌公司首次啟動自動駕駛項目，Waymo在實際行駛里程方面處于領先地位，目前其自動駕駛測試車輛行駛里程已超1000萬公里，使用模擬軟件的話，其每天都可達到該里程數。Cognata公司正與奧迪等公司合作，其首席執行官Danny Atsmon表示：“擁有適當的模擬策略是自動駕駛汽車為道路測試培訓傳感器和決策功能，以及確保其技術安全可靠的唯一途徑。”

模擬訓練可讓自動駕駛車輛開發人員測試行人和騎自行車的人突然在車前穿過，或是日落時太陽直射到自動駕駛車輛的前置攝像頭，暫時失去視力等“極端情況”。

遠程操作技術

即使擁有計算能力和人工智能，自動駕駛車輛在特定情況下仍需要人類駕駛員的協助。因此，遠程操作應運而生。

大多數主要自動駕駛公司要么在準備運程操作的自動駕駛出租車，要么已經進行測試。通用汽車的Cruise自動駕駛部門正在改裝雪佛蘭Bolts，使其在沒有方向盤和踏板的情況下，依賴遠程操作員的協助，實現“專家模式”。豐田公司申請了一項 “意外環境中遠程操作自動駕駛汽車”的專利，而自動駕駛初創公司Zoox則有“遠程操作系統和自動駕駛路徑改變方法”。

日產雇傭了前美國宇航局（NASA）的科學家將航天局有關遠程操作的專業知識應用于其自動駕駛車輛上。而在去年1月份的消費電子展上，Phantom Auto公司在距加利福尼亞州500英里外的人類操作員遠程控制拉斯維加斯大道上的汽車。