书 · 自动驾驶简史

自动驾驶是 AI 最早的商业化"圣杯"之一——它的故事充满了过度承诺、技术瓶颈、致命事故和永远推迟的时间表。

待完善

本章节尚待撰写，欢迎参与贡献。

大纲

一、先驱时代（1980s-2000s）

CMU Navlab（1986）：最早的自动驾驶研究之一
Ernst Dickmanns 的 VaMoRs（1986，德国）：在真实高速公路上行驶
"No Hands Across America"（1995）：CMU 横穿美国 98.2% 自动驾驶

二、DARPA 挑战赛（2004-2007）

DARPA Grand Challenge 2004：无一完赛，全军覆没
2005：斯坦福 Stanley 夺冠，塞巴斯蒂安·特龙（Sebastian Thrun）一战成名
2007 Urban Challenge：CMU Boss 获胜，城市道路自动驾驶
DARPA 挑战赛的深远影响：催生了整个自动驾驶产业

三、Google 自动驾驶与 Waymo（2009-）

Google Self-Driving Car 项目（2009）：特龙领导
早期乐观："2020 年自动驾驶将普及"
Waymo 独立（2016）：从 Google X 到独立公司
Waymo One：全球首个商业无人出租车服务
技术路线：激光雷达（LiDAR）+ 高精地图 + 规则引擎

四、Tesla 的激进路线

Autopilot（2014）与 Full Self-Driving（FSD）
马斯克的"纯视觉"路线：拒绝激光雷达，只用摄像头
卡帕西（Andrej Karpathy）的贡献：端到端神经网络方案
争议：多起致命事故、"Full Self-Driving"名称的误导性
FSD V12：端到端大模型驾驶

五、中国自动驾驶

百度 Apollo：最早的开源自动驾驶平台
萝卜快跑：百度的无人出租车服务
小鹏、蔚来、理想：新势力的智能驾驶竞赛
华为 ADS：不造车但赋能车企
小马智行（Pony.ai）、文远知行（WeRide）：L4 级自动驾驶
中国路线的特点：车路协同（V2X）、政策先行先试

六、技术路线之争

激光雷达 vs 纯视觉：Waymo 路线 vs Tesla 路线
高精地图 vs 无图方案
规则引擎 vs 端到端学习
L2+ 渐进式 vs L4 一步到位

七、自动驾驶的困境与反思

"最后 1% 的问题"：长尾场景（corner cases）的无穷性
致命事故：Uber 自动驾驶撞死行人（2018）、Tesla Autopilot 事故
过度承诺：几乎所有公司都推迟了自动驾驶落地时间表
监管困局：事故责任归谁？
自动驾驶是 AI 商业化的经典教训：技术可行 ≠ 商业可行 ≠ 社会可接受

八、当下与未来

Waymo 在旧金山、洛杉矶的规模化运营
自动卡车：图森未来、Aurora、嬴彻科技
Robotaxi 的经济账：什么时候比人类司机便宜？
端到端大模型是否是自动驾驶的最终答案？

参考资料

待补充