自动驾驶，是近年来所有汽车制造商所追求的发展方向，然而进程远未达到之前的预期，就连全球技术实力非常雄厚的美国硅谷公司也没能实现，只在美国几个有限的城市部署了自动驾驶汽车。实现自动驾驶为何如此艰难？问题出在哪里？
底层技术和真实应用场景导致自动驾驶姗姗来迟。就技术，自动驾驶已解决了底层架构和大部分技术，剩下的长尾问题达5%，却构成制约自动驾驶汽车发展的关键所在。包括各种零碎的场景、极端的情况和无法预测的人类行为。业内专家约翰·多兰如是认为。因此,很多公司进行大量测试，寻找解决这些难题。
日前，Aeye以气球挑战为例，来解释自动驾驶在未来发展道路上，还要解决的长尾问题。鉴于气球是个软体物体，可直接无障碍的通过。在路中央漂浮,通过L4级无人驾驶汽车，采取规避动作或踩刹车，避免发生事故。
如何让无人驾驶汽车判断出物体的性质来判断是否可以通过?
对于相机，一切都是像素,无法辨别障碍物的软硬。软的物体可以呈现出任意形状、形式，甚至是拟人化。太阳眩光、阴影、夜间行驶等会对相机性能造成影响，所以相机检测性能只能把物体外观排列出来。
对物体材料，雷达非常敏感。雷达不能识别无法反射无线电波，因此气球不被识别。对于静止物体，或相对运动不足够，雷达也无法识别，所以阻碍车辆行驶。即使把相机和雷达组合在一起，也无法在任意条件下，做出正确的判断。
而激光雷达点云，在提供足够的数据分类以及恰当的路径规划算法的情况下，可检测柔软、变形物体，如气球。根据所收集的数据，确定其分类、形状、速度，把数据发送到控制器，且标记出动态下感兴趣的区域（ROT），在此类条件下的长尾问题得以解决。但仍旧面临很多车辆长尾问题。
如打伞的人，人在车后搬箱子、树倒在路中央等。就像正态分布曲线那样。即使图像两端的情况很少发生，测试也要涵盖所有人类行为情况。既要通过实际路测来发现，也要通过无数的仿真测试，去创造、搭建足够的数据来保证行驶的安全。
总之,随着技术不断迭代更新，未来，自动驾驶系统将变得越来越可靠。