预测
预测即利用传感器数据进行周围环境的监测，并通过与高清地图的结合实现车辆的定位、物体的分类、车辆状态如车速、方向等计算和三维世界模型的构建等任务。其次还可进行不确定物体运动的预测和判断，例如一个物体因雨或雾很难看清，亦或是被其他物体挡住，此时系统会相应的调整决策。为了达到完美的预测功能，Cruise AV可谓不惜重金采用了大量的传感器，整个系统安装了5个激光雷达、16个摄像头和21个毫米波雷达，楼主在此不禁双击66，同时也感慨玩不起，还是洗洗睡。
5个激光雷达主要采用Velodyne的VLP16 16线激光雷达，每个单价在8000美金，高精度的激光雷达主要进行移动和固定物体的检测和三维世界模型的构建。
21个毫米波雷达是激光雷达的一种补充，因毫米波雷达主要采用电磁波进行测量，可对低反光率的固定物体进行有效探测。这21个毫米波雷达主要由长距、短距和5个更高精度（通用称之为Articulating）的三类毫米波雷达构成。
16个摄像头的作用主要进行行人、交通灯、自由空间等方面的识别，并可进行车道偏移报警等功能，这三类传感器构成的复杂冗余系统，可保障车辆安全行驶和停车。
基于复杂的传感器系统，为了达到更好的预测功能，Cruise AV采用了大量AI技术，通过传感器采集的数据进行点云数据的处理和特征学习，以便实现物体检测、2D物体识别、3D场景建模及对象边界和自由空间的分割。
规划
规划即基于车辆所处环境信息确定所需的车辆行为，在考虑交通规则、道路标识、天气等各种外部因素的基础上，规划一条从出发点到目的地最优和最安全的行驶路径。Cruise AV每秒可识别多条路径并不断选择最佳路径以满足不断变化的道路状况和事件。
当发生意外情况时，Cruise AV的规划器还会有多个备份，例如当Cruise AV在一十字交叉路口准备变道右转时，若另一辆车突然切入到所规划的路径中，规划器将会有替代的方案去重新决策。
Cruise AV规划器决策的不断学习，采用强化学习的机器学习方法，强化学习解决的问题是，针对一个具体问题得到一个最优的policy，使得在该策略下获得的reward最大。强化学习已经在多个领域得到了有效利用。
