技术赋能无止境 百度技术沙龙全方位解析Apollo自动驾驶平台

　　“百度在保证自动驾驶汽车的安全方面做了哪些工作”、“我是新加坡的留学生，所以想了解下Apollo在海外的下一步计划是什么”、“开发者在Apollo生态中的商业化空间和机会点在哪里”……自百度AI开发者大会召开以来，Apollo无疑是当前自动驾驶行业最热门的话题，开发者们更是对Apollo充满了期待和好奇。7月22日，这些对Apollo开放细节的研究、利用Apollo开发时遇到的问题都在第73期百度技术沙龙上得到了解答。在这个Apollo首次面向开发者的技术交流会上，除了来自车企、Tier1、自动驾驶创业公司、科研机构的专业人士，甚至还吸引来了关注自动驾驶的长者和学生。主办方布置了100多人的座位，现场却来了近350多名听众，火爆程度可见一斑。

　　由于需要大量的数据、前沿技术和人力物力投入，自动驾驶之前一直是大公司的“专利”，而Apollo就是要为奋斗在研究一线的开发者们提供资源、技术和能力，从而降低自动驾驶研究的门槛。而且Apollo不仅要“授人以鱼”，还要“授人以渔”，此次技术沙龙，百度就特别从Apollo数据开放平台的使用、ROS系统在自动驾驶研发中的改进、End to End模式自动驾驶方案的实践等实际操作层面为开发者们“现场教学”。

　　百度自动驾驶事业部资深架构师、数据平台专家杨凡通过《Apollo能力开放与资源开放》为开发者介绍了Apollo平台具体开放了哪些能力与资源，以及如何利用平台进行应用开发。据杨凡介绍，7月5日发布的Apollo 1.0开放了封闭场地自动驾驶能力，目前包括控制、定位等技术模块以及3D障碍物数据、红绿灯标注数据、Road Hackers数据等。百度数据开放平台首期开放数据量十分可观，根据其官网显示，目前百度开放了3D障碍物数据共20000帧，其中含障碍物共约23.6万;红绿灯标注数据包括20000帧图片，采集时间段覆盖白天的上午、中午与下午，也包含了晴天、阴天 和雾霾等丰富的场景;而Road Hackers数据集更是覆盖了中国整个公路网，总长达百万公里。此外，伴随Apollo平台的不断深入开放，平台开放的数据量也将持续增长，成为开发者在机器学习训练过程中的宝贵资源。

　　在其后的《Apollo代码开放框架—ROS在百度自动驾驶的探索与实践》演讲中，百度自动驾驶资深架构师何玮展示了如何优化ROS系统在自动驾驶领域中的应用，据了解，百度通过通信性能优化、去中心化的网络拓扑以及数据兼容性扩展等方法巧妙对ROS进行了改进，解决了ROS在工程化应用中的缺陷，为开发者提供了更为高效的开发环境。

　　在今年6月的CES Asia中，百度与英伟达、长城合作共同打造的自动驾驶汽车在室外展区大放异彩，加减速、出入弯都十分熟练，而这辆车正是基于单摄像头的端到端深度学习自动驾驶解决方案。那么“端到端深度学习自动驾驶解决方案”有何优势呢?百度资深架构师郁浩带来了此次沙龙的最后一个主题演讲——《基于深度学习的 End to End自动驾驶方案》。End to End(端到端)，是一种较为新型的自动驾驶解决方案。与rule based(规则式)相比，端到端的解决方案具有复杂度低、广铺成本低、传感器成本低等优势，同时对于车载计算资源的利用率也高于传统的规则式解决方案。郁浩表示，端到端与规则式的融合方案是公认的未来自动驾驶主流模式，百度也在努力将二者的优势相结合。

　　百度集团总裁兼首席运营官陆奇在百度AI开发者大会上表示，“开发者的成功，才是百度的成功。”百度通过筹办技术竞赛、举行技术讲座、孵化潜力项目等方式深入赋能开发者。