百度和金龙客车签署战略合作协议，准备在 2018 年量产商用无人驾驶巴士
2017 年 10 月 17 日，百度与金龙客车签署战略合作协议，计划于 2018 年实现商用级无人驾驶微循环车的小规模量产及试运营。 在签约仪式上，金龙客车第二代无人驾驶微循环车也随之揭晓。这款车致力于解决公共交通未覆盖的「 最后一公里」 的出行问题。它由百度和金龙合作研发，可以实现特定场景下的完全无人驾驶，并计划在 2018 年 7 月底实现小规模量产及试运营。这也将成为国内首款量产的无人驾驶巴士。（百度董事会副主席、百度集团总裁兼首席运营官陆奇与金龙客车董事长谢思瑜）在这台车上，Apollo 平台除了提供自动驾驶解决方案之外，还渗透到了整车设计的全过程中，包括整体车辆外观和内饰设计、人车交互系统的整体设计、特定场景需求架构设计以及微循环车特定的自动驾驶系统设计等环节。（百度与金龙客车联合打造的无人驾驶微循环车）其实在此之前，Apollo 平台就和金龙客车达成过深度合作伙伴关系。金龙客车是 Apollo 首批生态合作伙伴，也是首个加入 Apollo 生态的客车企业。早在今年 4 月初 Apollo 计划发布时，金龙客车就同百度建立了联系，并于 6 月份双方正式签署了技术合作协议。而在这次签约仪式上，双方还表示，将推出自动驾驶的商业化项目，并根据行业标准和政策法规的发展和要求，适时的推动自动驾驶在中国的示范运营。 在百度董事会副主席、百度集团总裁兼首席运营官陆奇看来，商用汽车将是自动驾驶技术率先商业量产的产品。「Apollo 平台和金龙客车携手合作，通过双方各自在人工智能和车辆制造方面的突出优势，不仅可以创造丰厚的商业价值，还能改善历史已久的中国交通问题。」原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
百度 Apollo 1.5 解析：如何实现单车道自动驾驶？
今年 7 月 5 号，百度正式发布了 Apollo 计划，在接下来的一段时间，这个自动驾驶生态项目在国内国外引起了巨大的讨论和解读，成为不少汽车及自动驾驶从业者必聊的话题。「你觉得 Apollo 计划怎么样？靠不靠谱？」如果有一个可以覆盖我们日常对话和文字交流的搜索引擎，这个问题的搜索结果一定是海量的。 按照百度给出的数据，在过去的这两个多月里， Apollo 计划新增了 6.5 万行开源代码，而他们也在今天带来了这个计划的最新变化：Apollo 1.5 正式对外发布。 为什么叫 Apollo 1.5？对这个项目有持续关注的同学应该记得，在 7 月 5 号的发布会上，百度虽然展示了 Apollo 的技术全景，但是当时他们开放的其实是 Apollo 1.0 的版本，可以实现封闭场地的循迹自动驾驶能力。而按照他们当时给出的时间表，在 2017 年 9 月会开放固定车道自动驾驶的能力，到 2017 年 12 月，开放简单城市路况自动驾驶能力，也就是 Apollo 2.0。 这次他们开发的 Apollo 1.5，实际上就是开放了固定车道自动驾驶能力。也就是说，在大家经常提及的 1.0 及 2.0 版本之外，今天发布的 1.5 版本，其实原本就在百度的计划之中，并不是一场「临时起意」。 具体在技术层面开放了什么呢？这时候又要搬出那张经典的 Apollo 技术架构图了。 我们再来复习一下 1.0 和 2.0 版本的路线图： 1.0，蓝色框为开放的能力： 2.0，相比 1.0 新增了紫色框的内容： 而 Apollo 1.5 的路线图是这样的，其中黄色部分的内容是这次所开放的内容： 可以看到，在开源软件平台层面，这次开放了地图引擎（Map Engine）、感知（Perception）、规划（Planning）、端到端深度学习（End-to-End）四个能力。而在云端服务平台层面，这次开放了高精度地图（HD Map）、仿真模拟平台（Simulation）两部分。硬件方面，Apollo 开放了对于激光雷达的支持。 把这些能力和 1.0 版本所开发的能力相加，Apollo 1.5 所能实现的功能如前所说，就是「定车道昼夜自动驾驶」，也就是说，如果你想基于 Apollo 开源代码做自动驾驶，用了 1.5 版本的这套东西，可以让你的车子实现单车道内的自主驾驶和跟车功能。 允许我跳脱一下说句题外话：百度这个 Apollo 1.5 发布会，做的相当技术范儿，如果不是对于自动驾驶技术有较深研究的记者，可能会听的很晕。当然，发布会到场的不止媒体，合作伙伴和潜在合作伙伴听了这些，可能会很「享受」。 但是在这里还是有必要去分解一下技术层面的东西。 来看看这次 1.5 版本开放的五大能力：障碍物感知、决策规划、云端仿真、高精地图服务、端到端的深度学习。 其中按照 Apollo 平台研发负责人王京傲的说法，前四个能力是「如期开放」的，而在 Apollo 1.5 这个时间节点上开放端到端的深度学习能力有点儿「意料之外」。 在我看来，选择开放什么能力，是由每个阶段的目标所决定的。从 1.0 的封闭场地自动循迹发展到 1.5 的定车道自动驾驶，障碍物感知、决策规划、仿真测试、高精地图这几项能力，其实是必须要开放出来的，否则很难实现 1.5 的目标。 先说障碍物感知。按照百度的说法，这个能力是基于深度学习实现的。具体原理是，通过「参考硬件」Velodyne 的 64 线激光雷达采集周围环境的点云数据，然后使用英伟达的 GPU，通过 CUDA、CuDNN、Caffe 技术实现对于障碍物的精准识别。一方面，可以实现对障碍物的行为预测，另一方面，为了适配不同的障碍物，Apollo 也会提供不同的算法。 这也解释了为什么百度要在 Apollo 1.5 里开放对于激光雷达的支持。 而作为百度投资的公司，Velodyne 今天也在现场发布了一个消息：他们正式在国内上市 32 线激光雷达产品 VLP-32C（请记住，是 32C）。另外，对于 Apollo 生态成员，Velodyne 还会提供「特殊服务」：如果这些公司需要激光雷达装在自己的自动驾驶测试车上，Velodyne 会提供更短的交货周期、专项技术支持，当然还有「生态成员专属价格」。 决策规划：系统可以对无人车收集的数据进行筛选聚合，在决策规划这个模块对这些数据进行重构，基于此，运用不同的优化器，为无人车画出最安全、最光滑的行车路径。具体看图吧，懂的同学自然懂： 端到端的深度学习：既采用了卷积神经网络，也采用了创新性的基于深度学习的神经网络。 高精度地图：这是实现自动驾驶的基础之一，此前我们也专门用一篇文章介绍过百度高精度地图的具体采集、制作过程。百度认为他们的高精度地图具备精细化程度高、生产效率高、覆盖面广这三个核心优势。 百度的目标是到 2020 年，Apollo 高精度地图将覆盖全国所有高等级道路及重点城市道路，目前开放的是全国范围内高速公路与特定城市道路的高精度地图，精度在 15-20cm 的级别。 云端仿真：百度称之为自动驾驶的「加速器」。它的意义在于，不需要实际用自动驾驶测试车上路实测，在仿真平台上就可以进行「虚拟路试」，达到快速锻炼算法以及积累数据的目的，节省成本，提升效率，快速迭代。 Apollo … 继续阅读
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？
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）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。 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。 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。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
揭秘：百度的高精度地图是如何生产出来的？
坐在一辆不到 8 万块钱的自主品牌小型 SUV 江淮瑞风 S3 里，行驶在高速公路上，如何做到回头率百分之百？ 当然不会是「在车屁股上栓只鸡」这么接地气的答案。实际上换来这种高回头率的代价可能很大，比如，把它改装成一辆高精度地图采集车。 这个方法亲测可用，因为当我坐在百度的高精度地图采集车里，以 60km/h 的速度行驶在上海外环高速的时候，旁边那些车里的司机和乘客，都在以一种非常奇特的眼神往我们车上看。 只怪它太显眼了： 这些瑞风 S3，由江淮汽车向百度公司交付，共计 32 台，交付后由百度改装成图上的样子，用于进行高精度地图的采集。为此，双方还在百度上海研发中心进行了一个简短的交车仪式。 江淮是百度 Apollo 自动驾驶计划的首批合作伙伴之一，虽然这次的仪式看起来只是「百度向江淮订购了一批车辆」或者「江淮向百度捐赠了一批车辆」，但是百度和江淮方面都表示，在 Apollo 计划里，双方将会深入合作。而根据江淮的计划，他们希望在 2019 年下半年推出自动驾驶量产车型，并且在 2020 年实现 L3 的商业化运营，以及在 2025 年实现 L4 级别自动驾驶，目前看起来，要完成这些计划，百度 Apollo 平台会发挥很重要的作用。事实上， 按照双方的说法，江淮推出的自动驾驶量产车型，会是 Apollo 计划开放以来的首个高精地图自动驾驶量产落地项目。 而之所以选择在上海的百度研发中心进行这个交车仪式，最主要的原因在于，这是百度高精度地图在全国采集、生产的三个基地之一。另外两个分别是北京和广东顺德。 其实在我看来，「交车」本不是一件大事，但是百度为此营造「仪式感」的原因，还是他们想对外展示自己在高精度地图方面的所作所为。顺便提一句：也是在这个月，百度的友商高德在北京宣布和千寻位置达成「高精度地图+高精度定位」的战略合作，目标之一当然也是推动自动驾驶技术的商业化落地。 我们还是先把友商之间的明争暗战放一边，我更感兴趣的是，所谓的「高精度地图」，到底是如何生产出来的？ 百度高精度地图的生产流程 百度把高精度地图制作分为「外业」和「内业」两部分，共三个步骤，分别是外采、后台数据化处理、人工验证以及发布。 简单地说，就是外出采集+后期处理，这和拍电影有点儿类似，前期的拍摄和后期的剪辑配合起来，才能最终生成一部能看的电影。 百度目前的高精度地图以满足 L3 级别自动驾驶的要求为标准，所以采集的道路场景以高速公路为主。算上这次交付的 32 台采集车，百度地图的采集车队总量为 288 台，其中具备高精度地图采集能力的车辆约 40 多台。 百度高精度地图负责人马常杰告诉 GeekCar，百度的高精度地图采集车，单车设备成本在 100 万人民币左右，硬件选型和采集系统都是由百度自行设计开发。 根据我们的观察，整套采集车在采集设备上包括以下几部分： 1. 由 Velodyne 提供的 32 线激光雷达，负责采集点云数据。激光雷达在车顶呈一定角度放置，为的是尽可能多的采集道路信息而非天空信息 2. 摄像头：负责采集前方道路影像，每秒拍摄 7-10 张照片 3.GPS：负责记录车辆 GPS 轨迹 4.IMU 5. 由三台单反相机+120 度鱼眼镜头组成的 360 度环视影像采集系统 下面分步骤介绍： 1. 采集 而在车内的副驾驶位置，是一台负责控制采集设备的电脑系统，用来让采集员实时监控采集情况。 对于采集员来说，他们的日常工作就是开着采集车以 60-80km/h 的速度在高速公路上平稳的行驶，每天至少需要采集 150 公里的高精度地图数据。 在驾驶采集车的过程中，他们需要不断的确认采集设备是否处于正常工作状态，同时还得根据天气和环境情况选择不同的摄像头参数预设，但是总体来说，外采工作对于采集员的技术要求并不算非常高。当然，因为设备昂贵，所以他们会比较担心采集车在夜晚的安全问题。 对于这些采集设备来说，让他们处于同一个「坐标系」下工作，是非常重要的，也就是所谓的「多传感器标定」。而这些设备综合起来的数据量，一般在一公里 1GB 左右。 马常杰说，这些采集来的数据除了可以用来生产高精度地图，还可以为百度的识别算法提供训练和测试样本。这有助于高精度地图自动化生产能力的提升。 2. 自动融合、识别 采集到的这些每秒 10 帧左右的图像，会由电脑进行自动的识别和融合。简单的说，就是把 GPS、点云、图像等数据叠加到一起，然后进行道路标线、路沿、路牌、交通标志等等道路元素的识别。 另外，诸如同一条道路上下行双向采集之后造成的数据重复问题，也会在这一步里被自动整合，剔除重复内容。 这一步，相当于视频制作里的「粗剪」，只不过，这不是由人工完成的，而是一个自动化步骤。 3. 人工验证、发布 这一步是需要人工完成的，属于内业操作。因为自动化处理不可能做到百分之百的准确，所以得再进行一轮人工验证，相当于视频制作的精剪、输出成片阶段。 在百度上海研发中心，有一些员工就在做高精度地图人工验证的工作。他们需要从云端下载需要验证的路段数据，然后把自动处理之后的高精度地图数据和对应位置的图像信息作比对，找出错误的地方并进行更正。比如，如果系统把一个限速牌错误识别成了 60km/h，而实际是 80km/h，这时就需要进行人工修正。 马常杰说，每个员工每天能修正的数据量在 30-50 公里左右。 这些修正后的数据不会保存在本地，而是需要上传到云端。最终的高精度地图成品，也会通过云平台进行下发。 总体来说，百度认为自己在高精度地图领域具备三个优势： 车队规模大& 覆盖广：拥有全国最大的高精度地图采集车队，覆盖 30 万公里的全国高速及城市道路 精细化程度高：可以精细刻画上百种道路要素和属性 生产效率高：自动化处理程度达到 90%+ 为什么百度要着重宣传高精度地图？ 自从 Apollo 计划发布以来，围绕它的技术路线、商业模式等问题，就有不少的讨论。不少人的疑问都是：百度说了那么多，但是 Apollo 计划实际执行起来到底怎么玩？ 通过和江淮合作，我们能得出一个信息：在 Apollo 计划实际落地的过程中，高精度地图会扮演重要的角色。通用的 Super Cruise 就是利用高精度地图实现高速公路自动驾驶的一个典型案例，类似的方案，相信也会被其他的整车厂所效仿，如果国内的自主品牌们都选择这条路径去走，那么对于百度、高德、四维图新这些图商们来说，就是一个相当大的利好了。 另一个层面上，百度把高精度地图看做是是 Apollo 云端服务的核心数据，这个重要性也可见一斑。 … 继续阅读
百度和 NVIDIA 两家 AI 公司，将如何合作自动驾驶？
7 月 5 日的百度 AI 开发者大会上，COO 陆奇不仅正式发布了百度的 Apollo 自动驾驶计划，还对外宣布了公司「all in AI」 的发展策略。几个月前，在地球另一边的硅谷，老黄在 GTC 上也再次对外强调了，NVIDIA 是一家 AI 公司，将全力为 AI 提供优秀的计算平台。如今，这两家 AI 公司要一起做自动驾驶了，GeekCar 在百度大会之后的一天专访了两家公司的高管，来让他们聊一聊到底怎么合作。 不仅仅是技术上的合作 百度智能驾驶事业部技术总经理张少宇告诉 GeekCar，双方在自动驾驶领域的合作包括了两个层面：技术与市场。 在技术上，百度擅长的是软件，例如算法决策，地图，云计算等。但是他们在硬件以及车载平台上缺乏积累，NVIDIA 正好在这个层面提供了补全：Drive PX 计算平台将成为百度 Apollo 计划提供核心硬件支持。 并且就像我们之前的文章中介绍 NVIDIA 自动驾驶解决方案时所提到过的：云端才是 NVIDIA 发挥其硬件计算实力的平台。双方的合作不只会停留在汽车终端上，NVIDIA 也会为百度的云平台以及 Apollo 中的云服务提供强大的运算能力。 在市场层面上，双方的合作也同样契合。NVIDIA 此前公布的汽车行业合作伙伴基本上都是外资的整车制造商或者供应商，包括特斯拉、奔驰、博世、采埃孚等等。但是在中国本土的汽车行业中，NVIDIA 却没有公布什么进展，这很可能和 NVIDIA 最初进入汽车市场时较高的定位有关。毕竟在自动驾驶发展的开始阶段，大部分投入关注的厂商都是国外的豪华品牌。 而反观百度的 Apollo 计划，其实更多的是为了迎合国内自主品牌对自动驾驶以及高级驾驶辅助的强烈需求。随着自动驾驶的发展和自主品牌销量的崛起。国内的车厂越来越重视「 智能化」，他们希望通过驾驶辅助相关的技术来提升自己未来落地产品的核心竞争力。 出于自动驾驶相关技术所涉及到的「 地图资质」，「 安全」 以及「 政策」 等因素，自主品牌选择百度这样的中国科技巨头来合作无疑是一个最稳妥的选择。Apollo 首批合作企业中就包含了一汽、北汽、长城、长安、奇瑞、江淮等一众自主品牌。 由此我们可以看出双方在合作资源上的互补：NVIDIA 的资源主要是在国外的汽车巨头，百度可以帮助其开拓中国市场。而百度的资源重心是在国内，NVIDIA 正好可以帮助引荐更多的海外合作伙伴。 在上周百度 Create AI 开发者大会上，百度所展示的 BCU-MLOP2 计算单元中，就有来自采埃孚的产品（下图，与之前发布的 ProAI 有些相似相似）。而采埃孚就是 NVIDIA 帮助百度引荐的合作伙。 另一方面，在之前 CES Asia 上，百度联合长城发布的自动驾驶车上，也同样搭载了 NVIDIA 的 Drive PX 平台，而长城选择 NVIDIA 的芯片，也是通过百度的前线。 双方合作对 Apollo 的意义 两家公司在技术以及市场的深度合作说明了一点：NVIDIA 或许是百度 Apollo 计划当中最重要的合作伙伴之一。 首先双方的公司业务与专注的市场就十分互补。此外，俩家公司都是以 AI 为核心发展方向的科技企业，二者在企业的行事风格以及战略方向也比较一致。 而反观 Apollo 计划合作伙伴当中的传统汽车公司，百度对他们来说可谓是「 亦敌亦友」，虽然车企们知道百度在国内的影响力、AI 技术储备、地图资质等可以很好的帮助自己发展自动驾驶，但是同时也忌惮百度想要学习整车厂商的经验，最终主导自动驾驶行业的野心。对于这些企业，他们知道自己和百度合作的必要性，但是目前却又很难找到一个很好的和百度切合的合作模式。 因此相较于汽车行业的公司，NVIDIA 这样的合作伙伴，才是目前能够助力 Apollo 平台的核心。双方在选择客户时也会去选择「 志同道合」 的，真正想要一起把自动驾驶做好的车厂。 至于百度和 NVIDIA 各自的自动驾驶生态如何合作，如何分工的问题，NVIDIA 中国区总经理张建中做出了非常明确的回答：除去地图之外，NVIDIA 在从感知到决策的各个自动驾驶环节上都有相关的布局，但是每一个部分都是独立可替换的模块，任何客户或者是合作伙伴想要将其中的部分模块替换为自己的解决方案都是可以的。NVIDIA 这么布局的目的是为了满足更多客户以及开发者的需求。 而对于百度来说，他们在和 NVIDIA 合作时也会根据具体的模块来选择，如果某一模块是百度做得更好，那么就选择百度的，如果有些部分 NVIDIA 做得好，那么就用 NVIDIA 的。双方并不是明确的分清各自做什么，而是在一起协同研发的模式。这是建立在双方充分信任的基础之上的。 由此看来，当外界正在质疑百度 Apollo 众多合作伙伴的「 粘性时」，或许真的找错方向了。对于百度来说，Apollo 计划中的那些「 车厂」 合作伙伴其实更多的是一个「 客户爸爸」 的角色，指望他们对整套解决方案出多少力自然是不现实的。 「 志同道合」 是建立信任的基础。同样是「all in AI」 的公司，NVIDIA 或许才是百度最靠谱的合作伙伴。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
你离自动驾驶，就差一个百度账号了？
（本文转载自微信公众号「辰韬资本」）标题要吸引人，其实我们更想探讨的是：百度 Apollo 平台到底想做什么。本文是辰韬资本张骑对百度 Apollo 平台的分析与思考，张骑专注于人工智能和智能驾驶领域，先后毕业于同济大学和台湾大学，阅后若有所感，欢迎添加微信「kamizhq」 与他交流。 百度的开发者大会无疑是最近自动驾驶界最瞩目的事情，甚至没有之一。 Apollo 开放路线图 谷歌在今年的 I/O 大会上提出了「AI First」，之前可能是「 送外卖」 去了的百度，好像终于和谷歌有了那么几分神似。 整场发布会陆奇强调了无数遍人工智能时代，数据是多么多么重要。无论是对于自动驾驶或是更广泛意义上的人工智能，Data is King 或者更准确的说 He who has data is King。 所以 Apollo 计划的内在核心，是数据。 我们知道百度从 2013 年就开始了自动驾驶项目，百度进行了不少路测，只是我们好像从来没有在什么渠道上看到或是听到百度积累了多少公里的路测。作为国内非常早开始做自动驾驶的大公司，我们似乎很难找到理由如果自己有不错的数据积累的情况下，作为自动驾驶水平的重要依据，不去提这个数字。 在百度谜一样的路测/数据背后，一个原因可能是由于国内相关法律法规的缺失。法律法规的缺失导致路测在没有合法身份的情况下，并没有办法大规模的或是高效的开展。同时，在法律法规出台前公开数据，就像在高调宣布自己违法一样，毕竟树大招风，这次 Robin 上五环可不是分分钟就被盯上了。 数据为王，数据不够，怎么办？ 有一个声音说：开放平台。 Apollo 开放平台孕育而生。 百度并不是第一个在自动驾驶领域开源的公司，早在 2016 年 11 月底，天才黑客 George Hotz 就宣布他创办的 Comma.ai 的软硬件全部开源。开源的目的也很简单就是收集收据。Comma.ai 还提供手机 App 来收集数据，仅仅是通过 1900 多名 App 用户，在今年 3 月份时就已经收集了 2.2 万小时行驶数据，84.5 万英里行驶里程。而他的自动驾驶和机器人开源平台已经聚集了超过 5000 名开发者。对 Comma.ai 来说，无疑是一个不错的成绩单。 既然 Comma.ai 开源的最主要任务是收集收据以及汇聚开发者，那么同样作为开放平台的 Appllo 也不例外。 我们先说说汇聚开发者，笔者作为一名曾经的十八线程序猿，决定以开发者的视角来接触 Apollo 开放平台： 毫不犹豫的点了 Github 进入开发者页面，可以看到目前可以使用的组件只有智能决策与控制，数据开放平台。未来还有感知、仿真、DuerOS 等模块可使用。 智能决策与控制会把你带到 Github 的页面，提供了非常标准的说明文档，对于有简单开发基础的人来说，配置环境、运行 Apollo 都不是难事。Apollo 提供了一个非常有好的 HMI 界面。 红色框中的 Dreamview 是一个针对当前自动驾驶功能的可视化输出模块 Dreamview 预览，目前 Apollo 1.0 仅包含循迹自动驾驶功能 我们常说自动驾驶包含三大模块，感知、决策、执行。通过 Apollo 我们可以看到实际开发中，自动驾驶会包含以下更细致的模块，包括感知、定位、预测、规划、决策、控制、HMI、监测以及 CANBUS 模块。 作为一个开源项目，Apollo 1.0 上线一周以来，目前有 16 位贡献者对代码做出了 68 处改动，涉及 156 个文件，新增 3832 行代码，删去了 3703 行代码，还有 65 处改动有待审阅。不过仔细看了下可能绝大部分贡献来自百度 Apollo 团队自身。 根据 Apollo 路线图，今年年底就要上线简单城市路况自动驾驶，到了明年年底，就可以有城市道路自动驾驶和特定区域高速驾驶功能。 看起来，作为开发者，我离自动驾驶，可能就差一辆车了。 Apollo 成功降低了自动驾驶的参与门槛，让一些对自动驾驶有兴趣的开发者，有了参与其中可能，只是，开发者发现了 Apollo 网页底部的免责声明： 「 汽车自动驾驶本身存在其内在风险，参与人员可能遭受潜在财产损失、损害或人身伤害。本平台和百度均不会对平台代码的输出和使用结果的正确性、准确性或可靠性作出任何保证，也不会就任何已知或未知的错误或缺陷承担任何进行改正、修改、发布升级补丁或做出通知的法律责任。若您在道路测试或其他行动中依赖平台代码，您将自行承担使用平台代码的风险和相应责任。」 是的，毕竟自动驾驶太特殊了，它具有危险性，百度虽然开发了并且开放了这个功能，但是，要是出事儿了，请务必注意这和百度没一点关系，请自行负责。 毕竟自动驾驶还在一个比较早期的阶段，无论算法、测试环境等各方面都不成熟，百度这么做实在情有可原。但是对于开发者，无论是个人还是机构/企业又是否愿意去承担呢？对于个人开发者，承担不起这样的后果，作为企业，尤其是缺乏研发能力的企业/机构，相比于承担这样的风险，倒不如等百度开发成熟了拿来用。那对于有一定研发能力的企业/机构，与其拿着百度的算法去承担风险，是不是参考百度算法取长补短，最后用自己的算法去承担风险更合理一些？这也让人好奇百度和 Apollo 平台上的 50 位合作伙伴是否也有这样的免责条款。 所以对于 Apollo 平台，推出仿真平台就变得非常有必要甚至迫切了。有了仿真平台，大家的后顾之忧看起来都解决了。其实在会上陆奇也强调仿真是 … 继续阅读
VOL.223：自动驾驶演示被查？百度这下玩儿脱了！
网易云音乐搜索歌单：GeekCar 叨逼叨 BGM。每期节目的背景音乐都能一次听到啦！还有，我们周四周日更新啊！记住了吗？！ 这期选题是在刘美丽同学录节目前刚去完洗手间回来，被临时告知要聊的！！所以这说明大尧和逍遥在这短短的两分钟之内，思想碰撞出了多么强烈的火花！ 昨天的百度 AI 开发者大会，相信很多小伙伴并没有看，也从来没打算关注！但是这平凡的一天里，不少人的朋友圈从早到晚不是被宋仲基刷屏就是被北京交警介入调查百度自动驾驶汽车的消息刷屏。小伙伴们对于自己吃瓜群众的身份落实的很彻底，大家都在吐槽，这个自动驾驶汽车在视频中并道居然压了实线！扣分扣分！ 但是，除了你们关注的这个事儿之外，我们更想和你们聊聊百度的这个自动驾驶视频以及发布的阿波罗平台，究竟有什么隐藏的 buff~快来涨姿势啦！！ 好啦，听节目记得点赞打赏和评论哦！憋忘啦！最后我要再说一遍~我们爱你！❤ 本期人物介绍： Jesse——GeekCar 最帅记者（这个称号当然是他自己起的！）。这个外表正经的小伙子，内心非常的傲娇。当然，他性格里那些阳光可爱积极向上等等赞美的词，就不用多说了···之所以这么赞美他，主要是怕说得不好被他打··· 逍遥——GeekCar 叨逼叨驻德国分部部长（名字当然是瞎起的咯！）。跟他聊天就像眼前开过了一列火车·····「 污污污污污污污污·····」 大尧——GeekCar 最具洞察力的运营官。北京土著外加 UK 留学背景，专业性极强又超接地气，一个能顶俩！记住：跟他聊什么都行，但就是千万别提吃饭的事儿，谁提谁 S*B！ 刘能叔叔——GeekCar 最不正经的铲屎官。虽然是个妹子，但非得给自己起个叔叔的艺名儿，而且自打公司来了三位猫爷，就变成了专注的铲屎官。记住：惹她可以，别说猫不好！别说！ GeekCar 有话说： GeekCar 叨逼叨是我们一次新的尝试，有任何意见和建议都可以直接留言告诉我们！你也可以表达你的观点你的态度，让你的声音也出现在我们的节目当中~欢迎吐槽欢迎么么哒~
「人工智能」加持的车机什么样？博泰 Duer OS 车机体验
昨天的百度 AI 开发者大会被李彦宏在五环乘坐自动驾驶车的新闻搞得人尽皆知，但是如果回到大会本身，除了 Apollo 计划以外，这次号称媲美 WWDC、Google I/O 的大活动，另一个非常重要的元素就是 Duer OS，以及围绕它而产生的「开发者生态」。 这就得提到另一个我们非常关注的公司——博泰。这次他们展出了一台和百度合作研发的车机 demo。 这两家公司，前者曾经做出过价格媲美 iPhone 的后装车机「I.P.D.A」，后者也有 CarLife 这样的车机手机互联产品，所以在车联网方面，他们其实都有各自的经验。那么这次的结合，会有什么样的产品出现呢？ 先来看我们在现场拍的一段体验视频： 首先要说明的是，这只是一个 demo，屏幕大小、界面 UI 等等并不是最终定型的版本。 我们先聊功能，然后再说它背后的技术。 从视频里可以看出，语音是这台车机主打的交互模式，在语音操控下，我们尝试了导航设置、餐馆查询、酒店查询、网上购物、收发微信、车辆控制等功能。 其实从去年开始，我们看到有很多前装车机都加入了语音交互的功能，至于用语音控制导航操作、用语音控制多媒体，甚至像荣威 RX5 一样用语音控制天窗开启和关闭，这些功能都已经在一些量产车里有了落地。 至于博泰和百度合作的这套 Duer OS 车机，在我们看来有两点让人觉得比较新鲜的：一是更「自然」的「自然语音交互」，二是更多的功能接入。「自然语音交互」是未来人机交互的趋势之一，这点毋庸置疑，它打破了原来车内语音操控需要背指令、按步骤操作的局面，而在 Duer OS 车机上，我们发现它所采用的自然语音交互在实际表现和逻辑上更进了一步。比如，当用语音进行导航操作的时候，你可以说「我想去 xxx」，也可以说「到 xxx 需要多少时间」，换句话说，这套系统对于语义的理解要更丰富和准确。再比如，用「小度小度」唤醒语音系统之后，你可以问「附近服务好、带包间、适合聚会、好停车的川菜馆」，这种多层、复杂语义的指令，这个车机也能相对比较好的做出理解和正确的回应。 它的另一个特点是整合了更多的出行服务内容。比如它整合了航旅纵横的服务，可以在车机里查询航班信息，而且支持语音查询，比如它可以搜索某个带有特定条件的酒店，并且可以在车机端完成酒店预订，又比如它整合了苏宁易购在线商城的内容，可以支持用户语音进行购物及支付，当然也有相对更常规的餐饮、旅游景点信息等等。 至于语音控制收发微信，它的原理和网页版微信类似：在车机端扫码登陆微信，然后可以通过语音控制发送和接收消息，而且我们注意到通过它发送的消息和在手机端操作的格式、结果是没有区别的。 功能背后：博泰+百度能碰撞出什么火花？ 在博泰创始人应宜伦看来，语音和出行两个核心点已经成了汽车智能化公认的用户需求，而人工智能则会让「降维攻击」成为可能。 这和我们通常的认知有些差异，一般来说，在自动驾驶等领域，人工智能的重要性是被大家所公认的，但是在车机层面，好像提及「人工智能」的频率并不高。而这或许也是应宜伦所谓「降维打击」的道理所在：他觉得在车机上面同样需要强大的计算能力以及数据能力做基础，才能实现更多样化的功能。 圈里人都知道，应宜伦虽然是博泰的创始人和董事长，但是他在对待产品的态度上更趋近于「产品经理」，尤其是在车联网方面，想法非常多。但是问题在于，车联网是一个非常综合的领域，只有好的想法远远不够，还需要有支撑这些想法的技术基础，而百度的一些特质，其实正好能被博泰拿来所用。这应该是双方合作的基本出发点。 回到这套 Duer OS 车机上，前面提到的「更好的自然语音交互」以及「更丰富的功能」，和百度的「赋能」也分不开，具体来说，主要涉及百度的海量大数据以及百度云。 这套系统的语音方案采用了本地+云端的混合方案，本地语音由 Nuance 负责，云端由百度度秘处理，可以说，这套车机的大部分内容，实际上都是基于云端语音处理实现的。按照双方的说法，博泰和百度云基于车联网领域进行了深度的整合，极大提升了语音处理的速度。 至于那些吃喝玩乐出行信息，就离不开海量数据了，比如前面提到的例子——「附近服务好、带包间、适合聚会、好停车的川菜馆」。这里面涉及的几个条件，由公开的餐厅信息、老顾客的口碑、交通情况等等信息构成，这就需要在「数据库」里有非常颗粒化的数据做支撑。用应宜伦的话说，这叫把「14 亿人的生活经验为我所用」，而且他把这看成是比阿尔法狗下象棋更有意义的事情。 而博泰需要做的，就是将方方面面的资源进行整合，并且开发出更贴近用户驾驶场景的各种功能。当然，这个说起来简单，实际实现起来却非常繁琐，涉及到各种功能、接口的打通、调试，以及和车辆控制功能的深度整合，等等等等。 总之，看起来很美好，至于将来在量产车里这套车机实际使用效果如何，还有待于博泰和百度的工程师、产品经理们做更多的工作。应宜伦表示，明年它将出现在六款量产车里，到时候我们就能知道，产品化之后的 Duer OS 车机，到底会有怎样的表现了。 而在某种程度上来说，在上汽阿里的斑马系统出现之后，其实市面上还很难有一个和它媲美的由国人自主研发的车机系统。博泰和百度合作的 Duer OS，会是那个挑战者吗？ 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
一篇文章读懂百度的自动驾驶布局
今天，在百度 Create AI 开发者大会上，让人期待已久的百度阿波罗计划终于发布了。这篇文章将要告诉你，阿波罗计划到底是个什么弹？以及百度在自动驾驶行业究竟能干些什么？ Apollo 计划究竟是什么？ Apollo 其实是一个完整的开放自动驾驶生态，在陆奇今天的演讲中，他用下面这张图详细阐述了 Apollo 的架构：从公司业务上来讲，百度在这张图中主要能提供的是软件服务，主要包括三个部分：地图定位（Localization）、软件算法（Open Software Platform）以及云服务（Cloud Service Platform）。 但是如果你读过我们之前的自动驾驶的文章，你就会知道自动驾驶光靠软件是不够的，如果百度想搭建 Apollo 这样的完整自动驾驶平台，那么它就需要足够多的硬件来支持它的软件算法。比如说芯片，比如说传感器，比如说整车架构等等。 针对这个问题，其实早在上个月的 CES Asia 上面百度就已经给出了解决方案，他们选择了与国内外汽车供应商以及主机厂来合作。由百度提供软件平台，汽车供应商提供硬件集成与最终生产。最后产出主机厂能够在其汽车产品上落地的模块。 百度将这些与供应商合作生产的硬件模块统称为「 参考硬件平台」（Reference Hardware Platform）以及「 参考整车平台」（Reference Vehicle Platform）。其中包括计算单元，GPS，摄像头，激光雷达等传感器，还有 HMI 设备等等。对于这些硬件来说，百度并不会直接生产，而是提供参考方案以及参考能力，最终把这些产品量产的还是供应商。 比如说计算单元，百度在 CES Asia 上就发布了名叫 BCU（Baidu Computing Unit）的参考硬件。这次大会上又做了进一步更加完整的展出。它包括了三种产品： BCU-MLOC（与德赛西威及联合电子合作研发）：搭载百度高精度地图的地图盒子，可以实现高精度地图更新，主要面向豪华品牌车型引进中国时能够通过加装这个模块直接实现本土地图服务的落地。 BCU-MLOP（与德赛西威及联合电子合作研发）：在定位的同时还加装了摄像头模块以及视觉处理等感知功能。类似于 Mobileye 的 EyeQ。主要应用在 L2 左右级别，由 ADAS 衍生的自动驾驶功能。 BCU-MLOP2（与德赛西威及采埃孚合作研发）：在定位和感知的基础之上进一步增加了驾驶抉择和路径规划的能力，搭载了 NVIDIA 的 Parker 处理器。应该是由供应商基于 Drive PX 平台深度定制的。采埃孚生产的样品甚至与之前和 Nvidia 一起发布的 Pro AI 十分相似。 可以看到，虽说百度展出了这些参考硬件，但是在这些硬件当中百度提供的还是软件相关的服务，而真正硬件的规划和生产还是由汽车供应商来提供的，而且一合作还是好几个：德赛、联电、采埃孚，再加上之前签约的博世与大陆，百度可以说把各个级别的汽车供应商都拉拢到 Apollo 计划里了。 这么做的理由其实不难理解：作为一家互联网公司，百度真正的发展核心还是以算法、数据、云计算为主的人工智能技术。自动驾驶只不过是其人工智能的重要应用与赋能场景之一，因此对于传统汽车工业擅长的制造与整合，百度目前没能力也完全没必要自己来做。双方完全可以用合作的形式来互补。 在 CES Asia 期间百度智能汽车事业部总经理顾维灏在接受我们专访时也说过：百度对于汽车零部件的制造以及车规级要求是不懂的，这导致他们在自动驾驶行业时很难与整车厂商达成合作，因为整车厂就算认可百度的技术，也不知道怎么把这些技术应用在实车上。甚至百度还因此走过想要自己「 造车」 的弯路。现在 Apollo 计划有了这些供应商的帮助，百度在自动驾驶领域终于步上了正轨。 为什么说只是步上了正轨？其实，上文那张 Apollo 介绍图中的技术，目前只开放了一部分，也就是下面这张图当中的紫色部分： 陆奇称这部分为 Apollo 1.0 时代，可以看到目前开放的功能中最主要的还是百度传统业务的延续，比如基于智能语音搜索的 DuerOS 以及 HMI 技术，依托于百度地图的定位技术，依托于百度云的数据平台以及上面提到的 BCU 等。 真正在自动驾驶中扮演重要环节的感知、决策以及激光雷达等传感器方面，Apollo 计划的布局还在完善当中。按照陆奇给出的规划，后续这些功能将从今年第四季度开始陆续向开发者开放，相信那时才会是考验百度自动驾驶技术的关键时刻。 关于百度大会上出现的几辆「 自动驾驶车」 今天随 Apollo 计划一起亮相的，还有几台「 自动驾驶测试车」。仔细挖掘就会发现很多有意思的事情： 1. Robin 在五环上乘坐的那辆红色 Jeep 测试车 在发布会上，陆奇与 Robin 进行了现场视频电话连线，当时的视频中 Robin 正坐在这两测试车的副驾上在五环上行驶。而且画面显示的效果还让人以为驾驶员座位上并没有人。这个视频发出后，网上还传出北京交警因为百度在正常道路上违规测试自动驾驶车辆而介入调查的消息。 首先需要澄清的是，这辆车的驾驶员座位上肯定是有人监控的。而且视频当中从车辆外拍摄的车辆变线场景肯定是人为操控车辆的结果，因为当时的路况前后车距很近，而且据观察还是实线并线。如果是这辆车上所搭载的算法在做决策，肯定是不允许并线的，除非是人为操控。因此大家就别担心 Robin 被拘了。 为什么我会知道这些？因为这辆车我坐过。这其实是一辆博世与百度合作研发的测试车，具备 L2-L3 级别之间的高速路自动巡航功能。早在今年上海车展之前，GeekCar 就在苏州体验过这辆车。下面附上体验的视频，其中坐在主驾驶以及副驾驶位置担任解说的分别是博世以及百度的工程师。 如视频中所演示，这辆车，百度主要负责的是中控大屏上的 HMI 界面设计，以及一部分地图定位。而剩下大部分的感知决策以及控制等环节，均是由博世来完成的。据说视频中坐在 Robin 身旁的就是博世的工程师。 2. 两辆林肯 MKZ 发布会上，陆奇还演示了两台林肯 MKZ 测试车在封闭测试场内同时进行自动驾驶测试的视频。视频中这两辆车可以实现同时起步，同时到达，并且互相学习模拟各自的行驶轨迹。这也是世界上第一次两辆车在同一封闭场地内完成交互自动驾驶的演示。 这两辆 MKZ 是由自动驾驶创业公司 Autonomous Stuff 改装而成。这个公司来自硅谷，主要的业务就是为各个科技以及创业公司改装自动驾驶试验车，他们的方案在其官网上都可以查得到。主要是基于林肯 MKZ 以及 Ford Fusion 两款车（因为这两款车的平台架构改造起来最容易），他们通过自己的渠道采购各种传感器、芯片以及零部件完成改造，然后再交给科技公司用来测试其算法。据说之前 Intel 以及 Nvidia 的自动驾驶测试车都有他们的功劳。 通过这几辆车我们也可以验证之前的观点：在整车落地的实例中，百度目前能够提供的仍然是他们传统的软件、地图以及 … 继续阅读