GeekCar 首届极客出行大会「G.A.M.E」9 月 2 号在北京后山艺术空间举行。在活动上,百度自动驾驶事业部副总监孙勇义做了主题为「Apollo 计划背后的技术实力」的分享,以下为分享内容整理。(有删减)

百度自动驾驶事业部副总监孙勇义:Apollo 平台会如何对开发者开放?-第1张图片-零帕网

在 7 月 5 号的百度开发者大会上,我们正式发布阿罗波计划。在今年的 7 月份我们已经开放了封闭场地的寻迹自动驾驶车, 在今年的 9 月 20 号,我们会对外开放 Apollo 中相当于 L1.5 固定车道的自动驾驶。

在今年的 12 月份我们会开放的简单测试道路驾驶功能,一直会持续做能力开放。一直到 2020 年 12 月,我们会把在中国的高速公路还有普通城市道路的自动驾驶能力全部开放出来。

人工智能时代的开源和传统的开源其实最大的区别就是:云端服务和数据 。我们在今年的 7 月份,也对外发布了我们的数据平台。大家可以来数据平台申请获得跟自动驾驶相关的数据,也可以跟我们一起联合测试高精度地图。

百度自动驾驶事业部副总监孙勇义:Apollo 平台会如何对开发者开放?-第2张图片-零帕网

今年 9 月份会有一个重点开放的模块是仿真平台,因为我们在实际道路中测试的成本非常高。我们有一个能够在云端日行百万公里的仿真平台来加速自动驾驶的研发、测试。

在 12 月份我们会开放数据平台 2.0,支持合作伙伴上传数据。包括我们还会开放障碍物的标识数据,还有 2D 标识数据,以及能够通过日志提取一些场景。

百度自动驾驶事业部副总监孙勇义:Apollo 平台会如何对开发者开放?-第3张图片-零帕网

如上图,在 Apollo 1.0 封闭场地循迹自动驾驶车上,我们设计了四个层面的技术,蓝色块为可以开放的部分。

最底层是「Reference Vehicle Platform」,也就是参考车辆平台,在 1.0 里面我们推荐的车辆是林肯 MKZ。

再上一层是「Reference Hardware Platform」,即参考硬件平台,包括计算节点、GPS 等。

再上面两层是百度在 Apollo 开放、开源的重点。「Open Software Platform」是底层开源形式,再上面我们是「Cloud Service Platform 1.0」是 Data Platform 以及人机交互的功能。

我们开放的代码里面包含了高效架构,一键启动更新以及完备的开发工具。很多开发者的反馈反馈我们的代码质量以及架构都是非常高的。我们还特意对系统稳定性做了优化,去除了单点依赖,任何一个模块出了问题不会导致整个系统出

为了方便开发者能够快速的安装、运行、更新,我们发布了开发版本,另外还发布了可以直接上车运行的版本,就是实现下载之后装到车上直接就能一键运行。为了方便人机交互,我们提供了非常友好的人机交互的工具,后续也在不断迭代。

为了方便开发者对车运行的进行调试,我们开放了很多在线和离线的调试工具。

在整个 Apollo 的背后,我们梳理出来有十大技术方向,包括如下:

1. 环境感知;2. 高精地图;3. 高精定位 4. 行为预测;5. 规划控制;

6. 车载硬件;7. 操作系统;8. 人机交互;9. 智能互联;10. 系统安全

前五个方向是跟汽车大脑相关的,包括我们的关系感知,就是制造周围的车辆、行人以地图定位和行为预测,最后是他自己车辆规划控制。后面五大技术方向是支撑整个自动驾驶的东西。

下面五大技术方向是支撑整个自动驾驶的东西。这些技术方向在未来我们都会在 Apollo 平台里面逐步的开放和开源出来,所有的车企、开发者也都可以使用到这一些技术。

Apollo 未来会开放哪些核心技术方向呢?第一个是高精定位技术,无人车在行使过程当中,需要非常精准的知道它当前的的位置。我们使用的手机定位、导航的定位都是属于不精准的定位,偏差到米级。比如说在十几米高楼的旁边,飘移十几米、二十几米都是有可能的。

在今年的 9 月份,我们会开放一部分感知功能,因为 9 月份开放能力是定车道的跟车功能,我们得需要探测到前方的车辆,以及周围的车辆,我们也会对外发布基于激光 3D 障碍的识别。

下面再重点介绍一下我们的仿真平台。在今年的 7 月 5 号开发者大会也是我们重点演示了一下仿真平台。我们在云端建立了仿真云平台,让我们的车在云端跑,我们通过服务器虚拟出很多车在云端运行,日行百万公里甚至千万公里,然后加速我们整个智能驾驶的研发、迭代过程。

在实际道路中,当我们发现一个异常情况,比如说如果你有两辆车同时在前面加塞,这种情况下在实际情况道路很难遇到,但是怎么测试呢?在实际道路碰到这样的场景本身就是很难。有一些异常场景在十万公里才能碰到一次,我们在实际道路碰到异常场景之后,我们可以把采集到的数据上传到云端,对它进行修复之后,我们可以在云端重新并且不断的做回归测试。

在每一个版本升级迭代之后,我们都会把历史上犯的错误重新跑一遍看看错误会不会再一次发生,这就是我们仿真器的价值。 除此之外我们仿真器跟传统汽车行业仿真器有一个最大的区别,我们带有云端的地图数据。

未来,我们希望通过 Apollo,开放我们的数据、能力来加速整个行业创新,推动整个生态。在 Apollo 生态里面最重要的就是我们的数据。我们希望能够跟合作伙伴一起来共建我们的 Apollo 数据生态。

Apollo 的官网是 Apollo.auto,大家可以登陆我们的官网来获取我们的代码,来申请我们的数据。在今年的 9 月份我们会开放更多的数据出来,期待大家能够持续的关注。