24年5月1日清华大学出版的《自动驾驶系统开发》英文版《Autonomous Driving Hanbook》在26年4月11日由清华大学出版社和Springer Press联合出版。附上该英文版书的15位专家教授推荐语中文版封面https://mp.weixin.qq.com/s/wTqNyGTQ8q8kAqdMATbJJw附上该书英文版由东京大学加藤教授也是开源自动驾驶平台Autoware创始人撰写的序言序数十年来机器人技术和深度学习领域的创新不断推动着全自动驾驶的进程。作为 Autoware 的创始人我亲眼见证了这些基础技术——结合开源协作和前沿研究——如何重新定义了安全出行的原则。如今我们正站在一个新时代的门槛上——这个时代不再仅仅由算法或传感器驱动而是由数据本身驱动——以数据为中心的 AI 模型将推动自动驾驶迈向更安全、更智能、更真正可扩展的下一阶段。从最早的机器人实验到深度学习的突破自动驾驶的发展历程反映了人类对动态智能的追求。二十年前DARPA 的“重大挑战”项目让世界意识到自动驾驶汽车的巨大潜力。最初源于学术探索的研究如今已发展成为一场重塑整个汽车和出行生态系统的技术革命。研究人员和工程师发现感知、预测和规划可以被形式化为软件传感器可以扩展人类的感官自主系统可以做出过去被认为是人类独有的决策。然而自动驾驶的故事不仅仅是算法和硬件的故事它也是一个合作的故事是各个社群共享知识、数据和软件共同推进出行领域发展的故事。以 Autoware 等项目为代表的开源运动将自动驾驶从孤立的研究项目转变为一个共享的全球生态系统。开放协作降低了研究机构、初创企业和原始设备制造商 (OEM) 共同创新的门槛。过去需要数年专有开发才能完成的工作如今通过透明的架构和可复现的开发流程几个月就能实现。自动驾驶技术的民主化至关重要——它既促进了向共同标准的趋同又鼓励了创造力和差异化。通过培育开放的生态系统全球社群现在不仅可以专注于技术进步还可以专注于实现其社会价值自动驾驶如何让交通更安全、更可持续、更包容。与此同时车辆的底层架构也经历了根本性的变革。软件定义车辆 (SDV) 的出现标志着工程设计从以硬件为中心向以软件为中心发生了决定性的转变。在 SDV 模式下软件不再仅仅控制车辆而是定义了车辆。车辆的智能、性能和功能通过空中升级、数据反馈和算法改进不断增强。这种转变在数据收集、人工智能模型优化和实际部署之间形成了一个良性循环极大地缩短了创新周期。因此SDV 构成了数据中心时代的技术支柱每辆车都成为一个不断演进的平台能够从经验中学习适应环境并为造福社会的集体智慧做出贡献。同样具有变革意义的是协同感知技术的兴起它将感知范围扩展到单个车辆之外。无论单个车辆的传感器多么先进它们仍然会受到视线范围和局部环境的限制。协同感知使车辆能够彼此共享感知数据并与周围基础设施共享数据从而构建一个分布式智能系统实现对世界的集体感知。道路、交叉路口和车队成为相互连接的感知节点。这种协同感知不仅能够通过检测单个传感器无法探测到的危险来提升安全性还能通过协调规划和决策来提高交通效率和环境绩效。从这个意义上讲自动驾驶正在从个体自主向集体自主演进每辆车都为更大的共享智能网络做出贡献并从中受益。数据中心人工智能、软件定义车辆和协同感知的融合标志着自动驾驶2.0时代的开始。在这种新范式下进步不再依赖于手工设计的算法而是更多地依赖于用于训练和验证基于学习的系统的数据的规模、质量和多样性。重点从确定性的基于规则的编程转向概率学习从基于仿真的设计转向数据驱动的泛化从孤立的车辆智能转向全球共享的知识。基于海量精选数据集训练的机器学习模型如今能够捕捉复杂的驾驶行为预测动态环境中的交互并推理真实世界情境中的不确定性。自动驾驶不再是一个需要一次性解决的静态工程问题而是一个持续演进的系统它通过数据学习通过经验适应并通过规模化改进。然而随着这一变革的加速开放性、透明度和伦理治理的重要性与日俱增。自动驾驶的下一个前沿领域不仅取决于技术突破更取决于我们共同承担的、安全可靠且公平地处理数据的责任。以数据为中心的人工智能依赖于海量数据集但也需要严格的隐私保护、公平性和可解释性框架。开放的生态系统必须与强有力的验证、确认和功能安全标准并存。早期机器人和软件创新所秉持的开源理念给我们留下了深刻的印象透明建立信任协作确保韧性。只有通过共同承担责任自动驾驶才能赢得并保持社会的信任。展望未来自动驾驶、电气化和互联互通的融合为重新定义未来几代人的出行方式提供了前所未有的机遇。由以数据为中心的智能驱动的全自动驾驶、软件定义车辆最终能够实现零排放、零事故和零拥堵的长期愿景。它们能够为以往被排除在交通之外的人群——例如老年人、残疾人和偏远地区的居民——带来出行便利并通过更安全、更高效的出行生态系统促进城市和乡村的繁荣发展。我们面临的挑战并非自动驾驶的可行性而是如何负责任地推广这项技术确保人人都能从中受益同时将风险降至最低。在日本我们常说“物造”monozukuri——一种精益求精的匠人精神——但下一代出行需要更广阔的视野以知识创造为核心的“车造”kuruma-zukuri车辆的制造不再局限于生产而是通过不断学习持续改进。每一公里的行驶里程、每一份数据集的收集、每一个模型的训练都为自动驾驶的集体进化做出了贡献。通过学术界、产业界和政府的通力合作我们可以确保这一进化体现出最高的安全、伦理和社会贡献标准。最终目标并非为了自动驾驶本身而是为了服务于人类的自动驾驶。回顾这段历程我深感自动驾驶的进步绝非任何一家公司或一个国家单打独斗就能完成的。它始终是机器人技术、计算机视觉、人工智能、系统工程和人机交互等多个学科共同谱写的一曲交响乐它们携手并进朝着共同的目标迈进。每一项贡献无论是算法、开放数据集还是安全框架都建立在前人工作的基础之上。每一辆投入使用的自动驾驶汽车都贡献着新的见解从而形成良性循环的创新推动整个生态系统向前发展。下一个篇章将由一个拥有共同信念的全球社群书写通过以数据为中心的智能、开放的协作和软件定义的创新我们可以改变世界的出行方式。前路需要耐心、谦逊和坚持但同时也会奖励想象力和团结。正如机器人技术和深度学习曾经彻底改变了感知和决策方式一样以数据为中心的人工智能、协同感知和软件定义车辆的融合必将重新定义自动驾驶的本质。我们再次站在新时代的前沿——在这个时代车辆将成为智能协作伙伴城市将成为自适应生态系统出行将成为促进集体进步的平台。在我们继续这段征程的过程中愿我们始终秉持引领我们走到今天的原则勇于开放创新严谨负责地进行工程设计以及高瞻远瞩地确保自动驾驶不仅服务于技术本身更服务于它所驱动的社会。由于自动驾驶作为一门应用学科固有的复杂性该领域长期以来缺乏一本全面、深入的技术参考书。而这本《自动驾驶手册》填补了这个空缺。该书全面探讨了自动驾驶的高级原理、关键硬件和软件组件以及各种详细主题包括感知包括最近的BEV方法和occupancy network、地图、定位、规划包括预测和端到端方法、控制、仿真、安全和车联网等模块还特别阐述最新的神经渲染方法NeRF和Gaussian Splatting和生成扩散模型。此外其还整合了大语言模型LLM、视觉-语言模型VLM和世界模型等先进人工智能技术及其在自动驾驶行业应用方面的最新突破。这些新兴技术正在推动自动驾驶各个领域的变革性创新并指明其未来发展的方向。《自动驾驶手册》是初学者的必备参考书也是经验丰富的专业人士的必备资源提供了必要的知识和背景框架。这本书由两位在该领域卓有成就的专家和科学家撰写在广度和深度之间取得了有效的平衡。其提供了一份极具实用性和最新性的自动驾驶指南紧密反映了当今业界正在开发的最先进系统的架构。该书旨在成为未来学习者的权威参考和指路明灯激励人们在这个快速发展的领域不断探索和创新。加藤慎平TIER IV 创始人兼首席执行官Autoware 创始人东京大学教授。112025