因為設計駕駛邏輯其實並不困難，這不過是一個邏輯匯總以及機械學習的過程，以江南集團的程式設計師的水平，只要一年的時間就能夠拿出完善的程式出來。
整個自動駕駛技術最困難的地方其實在於資料收集，在於對整個道路路況的詳細掌握。
電動車的自動駕駛技術的邏輯，首先就在於收集全面的路況資訊，然後根據路況資訊判斷，接下來怎樣行駛才不會撞到任何的物體，又或者是不會違反交通規則，準確的識別各種各樣的交通標誌等等，這其實才是整個自動駕駛技術真正困難的地方。
透過未來出現的種種和自動駕駛技術有關的車禍，其實基本上都是路況資訊收集不全面造成的。
比如有一起發生在米國的自動駕駛的特斯拉直接撞到護欄的車禍，根據後期調查結果顯示，原因是之前下過雨，導致水珠落在了護欄上面，造成了光線的反射，而這光線的反射則讓特斯拉車身上安裝的攝像頭判斷出現了失誤，認為那個位置只是一個單純的起了霧而已，結果就直衝衝的衝了過去，造成了嚴重的車禍。
後來還有一個特斯拉撞擊小女孩的車禍，也是一樣的情況，這個小女孩穿了一身紅黃相間的衣服，而這個紅黃相間的衣服又是上下分隔的，分隔的位置剛好在肩膀的位置，導致特斯拉判斷這個小女孩是一個馬路邊上的安全錐。
而因為此時恰好對面有汽車迎面逆行行駛過來，特斯拉的自動駕駛技術經過判斷，認為應該盡全力的向左轉方向，哪怕這樣會撞擊到安全錐……必須和兩車相撞比起來，撞到一個小小的安全錐其實並不是什麼太大的問題。
然後就出了車禍了。
透過上面的幾起車禍桉例就可以充分的證明，自動駕駛技術想要做到超越人工駕駛的水平，其核心就在於收集大量的道路狀況與資訊，從而給計算機做出最合理的判斷。
在最初的時候，道路資訊的收集是用高畫質攝像頭來進行的，這個攝像頭會不間斷的拍攝道路的畫面，然後由智慧AI來分析畫面中的各個物體代表了什麼，最後得出相應的路面資訊。
但高畫質攝像頭拍攝到的畢竟是平面畫面，而且再高畫質的攝像頭也不可能真的有多麼的高畫質。
倒不是說特斯拉這樣的電動車裝不起更加高畫質的攝像頭，而是攝像頭拍攝的畫面越高畫質，那麼無論是圖片還是錄影的畫素就會越高，同時檔案本身的大小也會越大，如此龐大的資料，就需要計算能力更加兇勐的計算機才能夠計算，而以安裝在電動汽車上的計算晶片的能力來看，他們是遠遠計算不了如此龐大的資料的。
所以在黃老闆的指示下，江南集團的電動車自動駕駛技術團隊，直接就捨棄了使用攝像頭的想法，而是開始了業內最先進的紅外雷達攝像頭的設計思路。
紅外雷達攝像頭顧名思義，就是兼具了紅外線，雷達，還有攝像頭三者特點的裝置。
整個工作的過程是這樣的，攝像頭首先釋放大量的紅外線，這些紅外線既可以幫助攝像頭成像，同時又能夠像雷達一樣不斷的與周圍的物體碰撞，然後形成一個個的回波，回到攝像頭的接收器之中。
接收器透過接收回波，就能夠得到汽車周圍大量的物體位置的資料。
因為道路上基本上不可能存在隱形塗裝這樣的軍用黑科技，所以只要使用了雷達技術，那所有的固態物基本上就無所遁形，其位置都能夠第一時間的傳達到計算晶片之中，然後計算晶片來規劃行駛路線。
而另一方面，紅外線就可以拍攝出質量相當不錯的影像，當計算晶片根據拍攝出來的照片和錄影，判斷雷達進入到的障礙物體究竟是什麼東西，之後就是最合理的形式判斷。
同時，紅外線在照射在不同顏色的物體表面的時候，回饋回來的紅外線多少也會有著不同的變化，透過這些變化就可以直接判斷出各個物體的實際顏色，讓汽車對於紅綠燈的識別能力到達頂峰。
總的來說，只要紅外線雷達攝像頭研發成功並且安裝到電動汽車上，那電動汽車就能夠擁有一雙比肉眼還要銳利的多的眼睛，拋開一些極端桉例，基本上就不會出現路況誤判的情況了。
所以整個電動汽車的專案組此時正在全力攻關這個紅外線雷達攝像頭技術，沒想到這個技術反倒被終端的專案組給拿過來了。
“是，自動駕駛那邊需要的資料非常精準，所以他們還在不斷的打磨他們的紅外線雷達攝像頭。但我們的需求非常簡單，只需要能夠識別手指的動作就可以了，所以哪怕是他們研究出來的最初級的版本，對於我們專案來說也是足夠使用的！”趙春雷直接說道。