0
| 本文作者： 張夢華 | 2017-07-10 07:31 | 專題：GAIR 2017 |
百度是國內智能駕駛研究和實踐的排頭兵，這幾乎沒有爭議。
從 2013 年的北京深度學習研究院開始，百度在智能駕駛方面的投入不斷加碼。而半年來，陸奇的進入也讓百度在可盡快商業化的 L3 和追求完整技術和體驗的 L4 之間的選擇逐漸明朗化。
剛剛結束的百度 AI 大會上，Apollo 平臺的開放成為業界震動的大新聞。Apollo 為何開放？它開放了哪些能力？能為從業者們帶來什么？
7 月 9 日，在中國計算機學會（CCF）主辦、雷鋒網與香港中文大學（深圳）承辦的 CCF-GAIR 大會智能駕駛專場，百度自動駕駛事業部副總監孫勇義現場做了《Apollo：開放的自動駕駛之路 》主題演講，對以上問題一一作了解釋。以下為演講全文，雷鋒網做了不改變原意的調整：
我們是今年 4 月份對外公布的 Apollo 計劃，然后在 7 月 5 號正式發布了 Apollo 第一版。所謂 Apollo 計劃就是把百度過去積累的自動駕駛相關的代碼和能力都開放出來，促進整個生態的繁榮。
我們對外提出了 Apollo 宣言，即“開放能力，共享資源，加速創新，持續共贏”。這四個詞怎么解讀？我簡單來解釋一下：
開放能力
開放自己的代碼和云端服務能力?，F在我們的代碼已經開放出來，大家訪問我們的網站就可以獲得。
共享資源
我們會把跟自動駕駛相關的技術，例如云端的仿真，OTA 中心和數據平臺，跟大家共享。
加速創新
Apollo 開放的目的是加速創新，促進自動駕駛行業的發展和整個生態圈的繁榮。
持續共贏
我們的最終目標是幫助生態合作伙伴，生態合作伙伴用我們的代碼成功裝一輛車，比我們自己做成功更讓我們高興。
在 Apollo 的宣傳片中，我們提到了仿真平臺、開放開源等，這些我稍后會逐一介紹。
這是 Apollo 的開放路線圖，7 月 5 號我們已經完成了開放。開放內容分為兩部分，一個是能力開放，一個是資源共享。
能力開放
我們 7 月份發布的是封閉場景自動駕駛功能，到 9 月份，會開放固定車道自動跟車駕駛功能。12月，我們會開放簡單城市道路自動駕駛功能，在后面還會持續做能力開放，一直到 2020 年，會完整開放高速和普通城市道路的自動駕駛功能。
7月份我們對外開源的模塊主要包括控制、定位、操作系統部分以及運營框架。9 月份將要開放的固定車道自動駕駛功能，會包括 planning 和障礙物的檢測。到 12 月份，基本上所有的全套模塊都會開放出來。
資源共享
7 月份我們對外發布了數據平臺 1.0，大家可以從 Apollo 官網上申請我們的數據。在這個數據平臺上，我們現在開放了 3D 障礙物標注數據和 2D 紅綠燈標注數據。9 月份的能力開放里會有一個仿真平臺，我們會基于它來開放自己的自動駕駛場景數據，到 12 月份，則會開放數據平臺 2.0，它能夠支持合作伙伴上傳數據，并做出數據處理。
這是 Apollo1.0 的循跡自動駕駛開放模塊，這個模塊分四層，最下面一層是車輛平臺。百度并不制造車，在硬件方面涉足也比較少，這個車輛平臺指的是我們會有一個自動駕駛線控車標準，像什么樣的車能夠改造成自動駕駛車，比如轉彎、控制精度等。
再上一層是硬件平臺，百度基本上是用第三方的硬件。我們會有一個硬件推薦列表，包括計算硬件、定位硬件，以及 HMI 硬件。
再上面兩層其實是百度開源和開放能力的部分。上面一層是軟件平臺，在 Apollo1.0 里面我們對外開放的是系統，實時運行框架，以及定位、控制和人機交互這幾個部分；云端平臺這次開放的是 DuerOS，它是一個語音控制系統。
Apollo1.0 主要包括四個方面：第一，高效易擴展框架；第二，立即可用硬件；第三，一鍵啟動更新；第四，完備開發工具。
高效的擴展框架
我們有非常方便的代碼來使用，復用，擴展，然后使用共享內存，保證消息實時傳輸。然后實現了去除單點。因為我們沒有中心系統，去掉任何一個節點都不會對整個系統造成災難性影響。并且，平臺提供了完善的使用說明文檔，可以幫助開發者快速上手。
立即可用硬件
這是 Apollo1.0 參考的車輛和硬件。宣傳片里的兩輛車是林肯 MKZ，我們在 Apollo1.0 里用的就是這輛混動車。計算節點用的是工控機，定位用的是 NovAtel 的組合慣導，同時，我們也對外發布了百度自己研發的 BCU，它能實現精度非常高的車輛定位。
一鍵啟動更新
為了方便開發者快速開發和在車上使用，我們還提供了一個完整的鏡像，能夠在車上快速安裝。同時，我們還提供了友好的人機交互界面，可以實現一鍵啟動運行。在運行過程中，可以切換到自動駕駛模式，查看車輛行駛軌跡和行駛狀態。
最后我們還提供了完備的開發工具以及離線開發工具，有興趣的可以上網下載，自己試一下。
通過 Apollo，大概多長時間能組裝好一輛車呢？我們測試過，一個開發者只需要三天時間就能完成一輛 Apollo1.0 車輛的組裝。之前 Apollo 的生態合作伙伴從美國派了一位工程師過來，在我們團隊的幫助下，三天就完成了整個車輛的組裝。
今年 12 月份，我們會發布 Apollo2.0 簡單城市路況自動駕駛功能。圖中（見下圖）紫色部分就是我們在 12 月份要對外開放的模塊。
也基本上到 12 月份，我們的絕大多數模塊都會開放。硬件平臺會增加攝像頭、毫米波雷達。并且，我們還會對外發布一個汽車安全駕駛相關的黑匣子，就跟飛機的黑匣子一樣，記錄當前是人駕駛還是車駕駛，當前車遇到什么情況，車有什么問題等等。
在軟件平臺，我們會發布感知模塊（包括 3D 障礙物感知和 2D 紅綠燈感知），車輛規劃，以及 end-to-end 的學習框架，并在云端開放仿真服務和安全服務。
仿真能力
現在業界比較流行的說法是，自動駕駛車輛大概要積累 100 億公里的測試數據，才能達到一個穩定可靠的狀態。如果是 100 輛車在路上 7×24 小時不停地跑，大概需要幾百年才能積累這么多的駕駛里程，因此光靠車在路上跑是很難實現自動駕駛要求的，需要有一個云端平臺來支持。
另外，自動駕駛的能力會不斷提升，按照互聯網開發的思維，我們的版本迭代會非常快。未來我們每個新版本都會做云端更新，而每個新版本都需要有一個快速驗證的能力，我們需要這樣一個仿真平臺，幫我們積累大量里程，并快速做版本的回歸驗證。在仿真平臺上，我們積累了海量的自動駕駛場景數據，這有可能是最大的中國道路場景數據。
Apollo 平臺開放之后，我們希望合作伙伴可以將實際道路中碰到的各種場景數據都上傳到仿真平臺上，和我們共建仿真測試集。這個仿真測試集越大，我們的自動駕駛車輛能夠驗證的自動駕駛場景就越多，通過的場景越多，車就越聰明。這是未來自動駕駛領域的最核心能力。
高精度定位
12 月份，我們還會發布一個高精度定位技術?，F在 Apollo1.0 用的是 RTK+慣導組合定位，這種定位存在一些問題，就是它依賴 GPS 信號，在有高樓大廈遮擋的情況下，比如說在一個 6 層樓旁邊的 5 米范圍內，車的信號就會很差。因為它遮擋了天上一半的衛星信號，定位會產生一兩米的偏差。在隧道或林蔭路場景，也會對 GPS 信號造成遮擋。RTK 定位依賴 3G、4G 網絡，在網絡不穩定的情況下，定位也會發生較大的偏移。
自動駕駛車上有激光雷達，有攝像頭，完全可以根據這些傳感器來做輔助定位。
感知模塊
我們會對外發布基于深度的 3D 感知和紅綠燈識別。紅綠燈識別主要依賴攝像頭，通過攝像頭深度學習，進行感知判斷。
在之后的 Apollo，我們會通過開源+開放，加速整個行業的創新，推動技術發展。未來，在核心技術基礎之上，我們會逐步開放自己的能力，共享整個數據，也希望合作伙伴能夠給 Apollo 貢獻數據，為整個行業創造用戶價值和商業價值。
Via 雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
