《自动驾驶规划入门》专栏结语

一、 源起

2021年10月12日，化学工业出版社的金编辑根据博客中留下的微信号联系上我，问我有没有出书的想法。从小到大，书与文字在我心里是有着神圣地位的。我在“想试试”与“害怕做不好”这两种矛盾的心情中，还是先应了下来。签了合同后，一段时间我的确有认真在写。在将近完成第二章时，再向前迈进的步伐变得极沉重。我希望书中能有自己以上帝视角对该领域的深度思考和启发，而不是一种通过网络搜索素材就能拼凑的教程或笔记。写书是一种又累又不讨好的活，没有一点名气的作者更是如此，我完全没有坚持下去的理由了。

这次尝试的经历也让我清晰的认识到自己对自动驾驶/机器人智能行为产生领域见解还不深刻、不独道、不大胆，大多数想法还是局限在人云亦云。而我在面对类人学习/终生学习领域时却不是如此，我敢于有自己的理解并且坚持、敢于蚍蜉撼大树，敢于考量领航巨擘的言论的理论与现实意义。

我想在自动驾驶/机器人智能行为产生领域也能找到这种自由的感觉。于是才有了这个专栏，这个专栏的目的就是通过教与写来逼迫自己去学习与思考，来完善知识体系、加深思想深度、提高问题视野。现在，我已经写完这个专栏，它的最直接的效果就是我对该领域更加自信了。自信是很宝贵的东西，它能让我在人云亦云中坚持自己的观点，让我更加大胆的探索未知。

总之就是，《自动驾驶规划入门》专栏源于对该领域中未知的恐惧，源于对该领域知识的渴望，源于亟待提升对该领域的自信心。

二、专栏内容回顾

我以理论基础最为扎实的图搜索算法为先锋，特别是以其中的Dijkstra算法作为专栏的第一个正式篇章。在基于图搜索的规划算法中，我们着重对算法的最优性进行了讨论，贯穿前后十一篇相关的博客。一般理论很复杂，验证的示例就需要简单一些，否则观众会抓不住重点，简单的示例也有益于对复杂理论的理解。

相对图搜索，基于采样或优化的规划算法思想简单一些。对于像这样原理简单一些的章节，更适合用更详细的案例去阐述该算法的应用背景、步骤、问题以及可能存在优化的点。

最后一个系列描述了三种类型的可用于路径规划或轨迹规划的运动基元。实际上是借着具体路径/轨迹形式来讲述一个具体的路径/轨迹规划问题、步骤与方法。当然，用于表示我们规划解的运动基元也很重要，它们的不同特性需要把握，从而能做到用对、用巧。

本专栏名为入门，实则里面包含了自动驾驶比较前沿的内容——时空联合规划，相关的章节为：

• 基于图搜索的规划算法之 A* 家族（十）：时空 A* 算法
• 基于采样的规划算法之RRT家族（五）：时空 RRT
• 运动基元（三）：多项式曲线

三、未来

结束是为了更好的开始。写书很累人，那是一个狠人用勺子往自己大脑里挖掘知识的过程；写专栏也很累人，那是一个婴孩用不灵活的身体与外部世界交互学习并且尝试向他人描述他所学到的知识的过程。书写完后，应该是一种被掏空的感觉；我写完这个专栏感觉到很充实。

就算写完这篇专栏，离我认为的能写书的层次还很远。后面还需要借助新的论文不断更新知识，同时也要借助实际问题不断思考。

感谢订阅了专栏的小伙伴们，是你们的陪伴让我坚持到这里，谢谢！我经常阅读自己的博客发现错误并更正，但是，博客中肯定还是会存在一些错误，还请指出。

专栏收尾在2023年2月底，这个月底也正好是博士毕业后第一份工作的结束。还是那一句，结束是为了更好的开始。

最后送给大家一首我博士毕业时在朋友圈里发的诗：

再不告别已不行，
欲不告别又不能。
人生道路多坎坷，
长风送我万里行。
——巴尔蒙特《翅膀》

---

END