事故发生后，Uber已经暂停了在坦佩、匹兹堡、多伦多、旧金山等地的自动驾驶测试。
据外媒最新的报道，在事故发生时，受害者突然从道路旁的阴影中出现横穿马路。坦佩市警察局长西尔维娅·莫伊尔(SylviaMoir)表示，从Uber无人驾驶汽车配备的摄像头中提取的视频片段显示，这起事故的责任可能在于受害者本人，而不是Uber的无人驾驶汽车，“基于受害人是从阴影中突然出现在马路上的，很明显，在任何一种模式下，都很难避免这种碰撞。”
意外闯入道路的行人对任何自动驾驶系统来说都是必须面对和解决的问题，Uber无人驾驶汽车是如何识别行人的？类似的事故是否有可能在技术上规避？
Uber此前公布的资料显示，Uber的自动驾驶车辆配备了几类不同的成像系统，这些系统既可以用于普通的道路识别（包括监控附近的车辆、交通标志和车道标线），也可以用于特殊道路情况的应急处理。
车顶激光雷达：这是一套光检测和测距系统，利用红外激光脉冲将物体反射回传感器，它每秒钟可以多次生成汽车周围环境的3D图像，激光雷达可以在白天或夜晚非常详细地监测静止和移动的物体。
激光雷达还有一个重要作用是帮助企业建立道路的三维地图。当自动驾驶车辆在道路上行驶时，激光雷达就在收集道路信息。等道路地图建立完善以后，车辆会将实时收集到的道路信息与已经建立的地图上的信息相比对，这样就能对车辆的位置进行定位。
大雪和大雾可能会遮挡激光雷达的激光，导致其准确度随着射程的降低而降低。激光雷达的测量值并不总是足够清晰，可以区分一个物体和另一个物体。当多个自动驾驶车辆行驶同一条道路时，它们的激光雷达信号会相互干扰。
因此，大多数无人驾驶汽车也配备了各种各样的传感器。
在正常情况下，激光雷达装置应该能够在一百英尺远的距离就能辨认出有问题的人，前提是行人没有被完全遮挡住，之后立即将行人的信息传递给车辆的“大脑”形成图像。
前置雷达传感器：这个传感器可以像激光雷达一样发出信号并等待其反弹，但它使用无线电波而不是光。这使得它更能抵抗干扰，因为无线电可以穿过雪和雾，不过在恶劣天气下其分辨率也会降低并改变其射程曲线。
根据Uber此前公开的资料显示，它在车前车后均配置有雷达传感器，可实现360度视野的范围覆盖，这套装置更多地被用于识别其他汽车和较大的障碍物。
长焦和短焦摄像头：激光雷达和雷达传感器非常适合定位形状，但它们不善于阅读标志，以及弄清楚物体的颜色等等。这部分工作就是交给摄像头来完成的。自动驾驶车辆的摄像头会与先进的计算机视觉算法相匹配，能够实时地形成图像数据。
Uber车辆上的摄像头可以识别道路标志、交通信号灯等信号图案。尤其是在汽车的前端，会使用多个角度和类型的摄像头，以便全面监测汽车驾驶的环境。检测行人是最常见的计算机视觉问题之一，并且实现它的算法已经比较成熟。
晚上对于道路环境的识别会比白天的难度更大，但即便在漆黑的夜晚，一个穿着全黑的人也应当会被激光雷达和雷达传感器监测到，继而警告汽车应该减速并通过车前灯看到前方的行人。
值得一提的是，激光雷达、传感器、摄像头采集到的信息都会输入给自动驾驶汽车的中央计算机。中央计算机的作用已经超越了简单的对象识别，而是要起到“大脑”的作用，为车辆的行动作出决策，包括预测已经识别和监测到的对象的行为等。
对于上述硬件收集来的信息，自动驾驶汽车又是怎样应用和处理的呢？事实上，这是自动驾驶系统中最复杂的一个部分，就是筛选出数据并对其作出响应。
在某些情况下，工程师会写一些具体的规则来定义汽车在特定情况下应该如何应对。例如，如果一辆谷歌的Waymo汽车检测到红灯，它的程序就会命令车辆停止。
但一个显而易见的问题是，任何工程师团队都不可能穷举汽车可能遇到的道路情况，也就不可能提前写好所有的应对程序。
因此，Waymo和Uber等公司开始依赖“机器学习”系统，通过分析描述道路的海量数据，让机器学习行为。譬如Waymo现在使用的一种系统，通过分析数千张照片来识别行人，这些照片的内容包括行人在马路上或马路附近行走或奔跑。
在了解了Uber的自动驾驶汽车是如何工作之后，再回到这个事故上，在当时的道路情况下，Uber的车辆是否存在监测不到突然穿越马路的行人的可能性？这也是事后争议最大的话题。
“认识到这些问题是多么困难仍然很重要。”加州大学伯克利分校(UniversityofCalifornia,Berkeley)的教授肯·戈德堡(KenGoldberg)向《纽约时报》表示，“这是许多人不明白的事情，仅仅因为这些是人类毫不费力就能做到的事情。”
《纽约时报》还指出，一些人辩称自动驾驶汽车的传感器就是为夜晚而设计的，它们在晚上工作得应该比白天更好。但事实上，目前的自动驾驶技术处理应对一些环境的能力还不成熟，包括在强降水中行驶、过隧道和桥梁等，在处理交通拥挤时也可能遇到麻烦。