不同於一些在規範化路段的城市道路測試，AutoX於今日（8月23日）釋出了一段城中村自動駕駛測試影片。面對一些人類駕駛員都或許會感到棘手和心累的場景，測試車輛仍做到了超過37分鐘0接管，而且依舊是沒有安全員和遠端遙控的「純無人」自動駕駛。
這次測試選擇在出行量較大的傍晚，測試車輛採用鐳射雷達+4D毫米波雷達+攝像頭+微波雷達的第五代系統Gen5，路線以城中村內支路和城市次主路為主，道路環境複雜。
根據影片內資訊顯示，影片已經過4倍加速，反推回去的全程測試時間約為37分鐘。在無車輛保護、車內無安全員監管的情況下，系統自動完成了所有的駕駛任務，未出現脫管或報警提示。 儘管在這段公開的測試影片中，沒有提供周邊環境建模的三維視覺化內容，也缺少車速、加速剎車踏板等車輛資訊，但不妨礙對這套系統進行個初步瞭解。城中村內行人、非機動車、汽車、違法佔道車輛的複雜環境，是與城市道路最大的差異之一。在這次測試中，AutoX測試車遇到了多次無序混行的路況，甚至還有一次近乎直接在人群中穿行，但都在自動駕駛系統的操作下順利透過。這種交通參與者數量龐大且無秩序的環境，最為考驗自動駕駛系統的能力。與城市道路不同，後者雖然也會面臨混行問題，但大多數還是僅要考慮周邊車輛。前者要不但要同時感知數倍以上的交通參與者，而且行為動機也不像汽車般有跡可循可尋，難以做出決策。從根本而言，自動駕駛系統對每個周邊交通參與者的行為預判，都是在做一種博弈，但這種博弈的機率卻不相同。如城市道路車輛因為有交通規則、道路條件限制，預判的成功率較高，而城中村的行人、非機動車，卻難以找到行為規律。這種情況下，系統也就被迫變得保守。 
影片中，AutoX測試車在城中村和城市道路的兩種表現，也反映了這一點。在城中村行駛時更為謹慎，識別到前方影響通行的行人時，往往都會及時剎車，保持住較大的安全距離。但在城中村前後的城市道路上，測試車就表現得更為自信，跟車、透過無紅綠燈路口都沒有多少猶豫。城中村內，各種難以預先學習的非常規道路環境，也是自動駕駛的另一難點。AutoX測試時也遇到了閘門、佔路擺放的不同障礙物、非標準道路等情況，但都順利透過。測試車進入城中村時，被臨時帳篷佔據自方車道，但沒有猶豫就跨過允許借道的黃虛線，在與行人和非機動車的博弈中，順利透過。在這個場景中，存在道路不規則、標線不清晰，出口有收窄閘門的問題，但測試車幾乎沒有任何額外的動作，徑直開了過去。在遇到路邊違停車輛時，測試車也沒有死守前進路線，而是在交規允許的範圍內，變道完成超越。只是在迴歸自己道路時，受到了對向車輛影響，選擇保守讓行後透過。測試車還遇到了一段沒有任何道路標誌，突然出現一片空地連線兩側道路的情況，測試車仍順利找到了路線。城中村內的無保護路口也是另一難點，不但存在無紅綠燈、路口錯位、佈局不合理等各類情況，車輛視線、道路參與者感知判斷難度，也會隨之增加。AutoX在測試期間較好的解決這些問題，在無紅綠燈保護的情況下，多次完成直行、左轉、右轉。一次在城中村的無保護路口左轉中，不但有行人、非機動車等多方干擾，車輛左側還有兩臺三輪車遮擋住視線，但測試車僅在兩次能識別到左側道路的間隙稍作減速，就順利完成無保護左轉。另一次無保護左轉過程中，測試車識別到後方駛來的電動車速度過快，而且前進路線重疊，所以提前減速讓行。以電動車經過時的速度來看，如果未讓行雙方可能會出現事故。 另外，城中村由於缺乏車位，有很多汽車都選擇就近在路邊違規停放，所以也造成了僅有單條車道可正常通行的情況。這種路況帶來的會車問題，也是自動駕駛系統的博弈難點，自己與對方誰來讓車？自己讓，怎麼順利找到讓車點？對方讓車後，自己怎麼在非標準路線通行？AutoX測試車在城中村遇到了多次相似場景。第一次與對向車輛交匯時，測試車認為自己應該享有路權，不但沒有退縮，還透過遠近燈光切換提示對方，最終對方讓車順利透過。在另外一次單車道交匯中，雙方車輛距離狹路出口都很遠，測試車選擇連續兩次倒車，騰出足夠空間，兩臺車互相繞行對方成功透過。 遇到突來的車輛，AutoX的處理手段比較老練，不太容易被對方影響節奏，更多是保持原本路線和速度，讓對方超過。如果躲避不開，也會緩慢減速，沒出現神經質的急剎。如果只是如併入並出、路口相遇等正常的交會，AutoX自己享有路權，則在對方未影響自己前進路線的時候，基本都看不到避讓或明顯減速。AutoX測試車能夠實現城中村的環境識別與自動駕駛，第五代系統Gen5的硬體裝置起到了關鍵作用。這套系統採用視覺與雷達的融合方案，全車共有28個8百萬畫素的車規級攝像頭，每幀畫素總和超過2.2億，但雷達方案更加出色，車頂2個顆128線鐳射雷達、周邊4個64線盲區鐳射雷達、8個能夠識別到高度資訊的4D毫米波雷達，這種配置程度只能用誇張來形容。這次在非標準的城中村完成自動駕駛，離不開雷達佈局帶來的感知能力，而這是純視覺方案現階段難以透過機器學習做到的。 而且，AutoX的這種方案並非「堆料」，隨著感測器增加同步激增的海量資料解析任務、不同感測器資料間的融合判斷，都對自動駕駛系統的軟硬體能力，提出了更高要求，難度係數實際在大幅增加。AutoX因此也自主研發了核心計算平臺XCU，該平臺採用英特爾CPU+英偉達GPU+賽靈思FPGA的架構，整體算力達到2200Tops，可支援L4/L5級別自動駕駛需求。