隨著AI技術的發展，汽車避障主動安全技術越來越受到技術工程師的關注。汽車避障主動安全技術是自動駕駛汽車較為核心的部分。自動駕駛汽車如何能夠準確的識別偵測障礙目標并安全準確無誤的避開障礙物，這是其必備的技能之一。

　　汽車主動避障技術是利用各種先進的傳感器技術來感知道路交通環境信息，并將傳感器獲取的車速、位置、障礙物等實時信息反饋給系統進行信息處理，同時根據路況與車流的綜合信息判斷和分析可能存在的潛在安全隱患，并在緊急情況下進行自動預警提示，系統結合周圍環境情況，為汽車進行避障路徑規劃設計，根據路徑進行制動或轉向（左換道、右換道、自適應巡航、制動等）等措施協助，控制汽車主動避開障礙物，以保障車輛順暢、安全的地行進。

　　自動駕駛汽車會利用高精地圖提前為自己規劃出最優的路線。但是在汽車行進過程中，由于不可預測的因素和高度動態的道路環境，障礙物（行人、車輛、其他障礙物等等）有可能出現在原先規劃出的線路中，因此自動駕駛汽車必須有對這些不可預測的障礙物進行快速準確實時的偵測識別，并進行局部避障路徑規劃和調整，從而使汽車能夠順利到達目的地。

　　目前，自動駕駛汽車避障方法有：

　　傳統避障算法

　　人工勢場法，利用目標點進行引力作用，引導車輛向目標點行進，如遇到障礙物則產生斥力，避免車輛與障礙物發生碰撞，從而形成無碰撞的引力引導下的最優路徑。該路徑具有行進平滑安全，算法簡單明了，且實時性良好的特點，但需解決障礙物斥力作用大小的控制問題，且實際運行過程中是在相對運動的環境下進行的，對于力的把控相對較難。

　　虛擬力場法，是柵格法和人工勢場法相結合的一種實時避障算法，使用柵格來表示環境，同時利用引力和斥力進行控制避障。

　　智能優化算法

　　智能優化算法是在生物智能和物理現象的基礎上進行的搜索算法，它涵蓋了障礙物生物和物理特征的識別算法，是通過傳感器獲取的信息與原先設計的規則和數據庫進行比對判斷，然后模擬人類駕駛思維利用車輛運動學原理對行進路線進行調整規劃。

　　多種算法融合

　　在自動駕駛汽車實際避障規劃設計過程中，往往會融合多種算法，通過互補來提高算法的效率和準確性，從而能夠更加智能的規劃設計和控制車輛，讓車輛能夠高效準確的融入駕駛環境中，實時調整和改變，提高其對現實復雜路面多障礙物的應對能力，從而實現避障。