随着微处理器与传感器价格的不断下滑，自动系统与半自动系统都可以包含更多的智能，根据对自身内部状况以及当时外部环境的更好了解，作出更优化的决策。为一个设计增加传感器，并将所有这些传感器的数据作智能关联处理，这些都会带来更多的设计时间成本与复杂性，但各个设计团队仍在日益接受这种成本，因为权衡的结果可以是一个差异化的系统，它能更有效地提供更多功能，而价格则与前代设计不相上下。

　　嵌入设计中使用传感器并不新鲜。不同的是设计中正在集成越来越多的传感器和处理器，从高端的自动化系统，到批量生产的消费产品。随着传感器与处理器的不断降价，替代机械控制结构的门槛也在持续变化。如何对处理作分割，实现相同系统中多个传感器的关联，这一任务远超出了机械替代的范畴，以至于供应商经常会把自己的方案看作专有的信息，因为传感器与处理算法正确组合的选择可以实现更低的物料成本、更高的能效，以及更佳的系统性能。

　　DARPA（美国国防高级研究项目署）城市挑战赛以及无人车辆挑战赛都强有力地证明，装有大量传感器的全自动车辆可以在各自的环境内实现探测、解析、预测、交互和移动（参考文献 1）。挑战赛表明，自动车辆仅仅依靠各种板载传感器与定位系统，就可以完全靠自身作驾驶及导航，无需遥控或人类驾驶者（参考文献 2）。不过，在这些挑战赛中，其管理员要给自动车辆装入一个目标的 GPS（全球定位系统）位置清单，指示他们要去的地点。它们自己不会决定去哪里，或到达那些点的次序；他们只知道要从当前位置到达清单中的各个点。

　　DARPA 城市挑战赛于 2007 年 11 月 3 日举办，它要求自动车辆在城市交通路况下，与其它有人驾驶和无人驾驶车辆一起行驶，以证明它们可以 安全 地完成复杂机动，如并道、超车、停车，以及穿过路口。六个小组成功地完成了 DRAPA 城市挑战预赛。获奖车辆来自 Tartan 赛车队，它除了惯性 GPS/IMU（惯性测量单元）传感器以外，还使用了七只激光雷达（光探测与测距）、雷达（射频探测与测距）和视觉传感器（参考文献 3）。传感器的选择支持用于算法规划的数据融合，以及通过传感器的交叠实现数据冗余与关联。

　　机器人是一类有大量传感器、正在发展中的自动系统。例如，Boston DynamICs 公司有多种机器人，如遥控的 BigDog，它可以依据自己的传感器和板载控制系统，穿越艰难地形（包括冰面），并在遇到困难时回撤。BigDog 的运动传感器包括：联结位置、联结力、接地触点、接地负载、一个激光陀螺仪，以及一个立体视觉系统。其它传感器主要针对系统内部的健康状况，监控液压、油温、引擎温度、每秒转速以及电池充电等。供应商 iRobot 亦提供多种型号的机器人，包括消费级的吸尘机器人，如 Roomba。Roomba 使用了多个 IR（红外）传感器，直接（或通过机械翼）检测所处环境（参考文献 4）。

　　半自动系统是密集传感器设计的一个发展领域。高端是电传飞控飞机与汽车，而在低端，消费家电正在出现显著增长，如洗衣机。半自动系统会从人类操作者获得高级指示，但要负责管理所需监控系统的低层操作细节。在足够宽泛的解释下，多数嵌入系统都可归到这个类别，这些系统的设计者也许能从其它传感器设计或数据丰富的设计中获取知识（见附文《超级计算》）。

　　复杂的遥控系统（如 BigDog）必须对其环境与状况作出即时的自动响应，部分原因是一个遥控接口不足以提供充足的数据带宽和反馈接口，操作者无法用多个调整命令使系统正常运行。当设计团队选择实现一种半自动子系统时，应使其比多数操作者手动完成相同任务要更快、更好。

　　飞机使用的半自动电传飞控系统用电气接口代替了飞行员与飞机之间的物理控制。控制系统接收飞行员的命令，然后根据传感器的读数，决定致动器的最佳行动，在每个控制点做出最理想的动作。这种情况下，最聪明的控制系统要使飞行员的注意力集中在飞机的高级控制上，而由飞控系统去管理每个子系统的底层控制；这种方案使飞行员能腾出有价值的认知周期，关注周围那些飞控系统无法补偿的问题。

　　汽车也正在日益采用这种高、低层划分的控制，它处于驾驶员与车载控制子系统之间，使它们更 安全 和更高效（参考文献 5）。汽车内自动子系统的例子包括刹车防抱死系统、电子稳定控制、牵引控制、偏航控制，以及碰撞缓解系统，如智能约束系统和气囊。在不同环境下，驾驶员可能并不能感受到这些控制系统。

　　汽车引擎管理系统展示了一种有密集传感器的半自动嵌入子系统（图 1）。除了监控驾驶员的踏板接口，系统还会跟踪很多其它内部数据点，如温度、压力，以及系统内空气、燃料与废气的化学组成，并与其它传感器进一步联合测量点火、敲缸，以及曲轴位置，从而优化引擎的输出功率、燃油效率、排放性能，以及驾驶体验，甚至适应替代燃料。