自動駕駛是目前比較火的方向，我自己也是做智慧機器人運動控制的，這裡在這裡將兩者比較下，可能也沒什麼可比性。

一：感知

自動駕駛感測器包括：

1. 車身運動狀態感測器：速度感測器，角度感測器，慣性導航，全球定位系統

2. 環境感知感測器： 鐳射雷達，超聲波，攝像頭，毫米波雷達，V2X

3. 駕駛員監測感測器：攝像頭，生物電感測器

室外智慧機器人感測器包括：

1. 車身運動感測器：速度感測器，慣性導航，全球定位系統

2. 環境感知感測器： 超聲波，（攝像頭，毫米波雷達，鐳射雷達）後三個還是可選擇狀態

二：認知

自動駕駛需識別出人，車，動物，軌道線，交通燈，交通標誌等

室外機器人只需要識別邊界，牆壁還是路或者還是路牙。

可以看出認知方面，室外機器人還是相對簡單，現在使用的方法有深度學習，影象識別等。而自動駕駛需要資料融合後再去做深度學習和影象識別這些事情，顯然自動駕駛的難度高很多。

三：規劃決策和控制

自動駕駛需要路徑規劃，軌跡規劃，然後進行控制，控制分為橫向控制和縱向控制。

室外機器人需要路徑規劃，建圖，分割槽，控制。

自動駕駛雖然還沒有實現，但是高階輔助駕駛（ADAS）已經存在，像自適應巡航（ACC）和車道線保持（LKA）已經應用在某些車上。室外割草機器人利用GPS實現路徑規劃，或者用IMU已經能夠實現路徑規劃，這樣可以提高割草效率。

自動駕駛的相關技術總體來說比室外割草機是高出一個維度的。就市面上的技術來說，室外割草機遇到的技術問題都可以解決。但是自動駕駛和割草機都會遇到一個問題，那就是成本的問題。利用貴的精確的裝置，大家都可以做出來。但是由於成本的限制，導致了感測器本身的誤差會比理想情況大，這給融合和規劃帶來很大的挑戰。

自動駕駛資料融合的趨勢估計有兩方面：1.融合演算法得到大的提升，輸出的結果接近於真實情況；2.同樣的價錢，感測器的精度提高一個數量級或者更多數量級。

最後說一句，我覺得融合方面真正的人才挺少的。