写在核弹爆炸一周年之际：百度 Apollo 计划下一步怎么玩？
把时间退回到去年的 4 月 19 号。时值上海车展，在车展举办地上海国家会议中心的一间不起眼的会议室里，百度宣布，将要开放自己的自动驾驶平台，并把这个计划取名为 Apollo，即「阿波罗」。 按照百度的说法，「Apollo」是一个开放的、完整的、安全的平台，将帮助汽车行业及自动驾驶领域的合作伙伴结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。 这是自动驾驶领域目前为止最声势浩大的开源计划。别笑，真是这样，因为在此之前很少有团队或个人做过类似的事儿。特斯拉可能算一个，那个著名的黑客 George Hotz 算一个，但是以百度的体量，做出这样的决定，意义远超前者。 同年 6 月，在百度 Create AI 开发者大会上，更多人见证了 Apollo 计划的正式推出，以及 Apollo 计划的内容和内核。当然，还有新上任的百度集团总裁兼首席运营官陆奇信誓旦旦的话——「百度要 all in AI」。 一年太快。转眼间 Apollo 迎来了自己的一周年纪念日。百度怎么表示呢？当然是开个生日趴了。 趴体不能白开，事儿还是要说的。要点有这么几个： 1. 发布 Apollo 2.5，这个版本开始支持限定区域视觉高速自动驾驶，也就是说，解锁了高速公路自动驾驶场景。 2. 宣布牵头建立 Apollo 汽车信息安全实验室，和一群合作伙伴一起研究智能驾驶信息安全方面的课题。 3. 比亚迪加入 Apollo 计划，成为 Apollo 开放平台的第 100 家合作伙伴。 挨个解释这几件事儿之前容我「吐槽」一句：最近一年，Apollo 办了大大小小好几场发布会，但是会上说的内容都无比烧脑，这次也是一样，属于完全面向 B 端的语言体系。所以如果这篇报道出现了偏差，请各位轻拍。 Apollo 2.5 关键词：场景、成本、车型、性能 Apollo 2.5 是从 2.0 版本的基础上发展而来的，在 2.0 的基础上，2.5 版本开放了视觉感知、实时相对地图、高速规划和控制三大能力。 之前的 Apollo 能力支持的是中低速场景下的自动驾驶，2.5 开放高速规划能力，算是非常重要的一个迭代。也就是说，它已经具备类似通用 Super Curise 那样的高速公路自动驾驶能力。（请注意，句子主干是「具备……能力」）百度高级总监王京傲告诉 GeekCar，2.5 版本的高速自动驾驶，也具备自动变道功能。 实现高速自动驾驶，百度依赖的是基于摄像头的视觉感知方案，使用广角摄像头和毫米波雷达，而此前的 Apollo 方案里的激光雷达变成了非必要硬件。结果显而易见——实现高速自动驾驶的硬件成本更低了，百度说法是可以降低 90%的成本。 另一个降低门槛的方式是地图。以通用 Super Cruise 为例，为了实现高速公路场景自动驾驶，他们采集了全美高速公路的高精度地图，但是对于百度所面对的开发者来说，可能并不具备这样的条件，所以，Apollo 2.5 里面并没有采用高精度地图，而是使用了名为「实时相对地图」的技术。技术上，采用基于 Yolo 的深度学习多任务神经网络，对物体进行方向判定，分析大小以及判定其种类；同时对车道线进行分析和判定，基于这些信息以及车身的坐标系，形成实时相对地图，并且可以不断更新。 这样的原理与 Mobileye 的 REM 以及博世的 BRS 有一些相似之处，都是基于低成本传感器（摄像头、毫米波雷达）数据的一种简化定位方式。不同的地方在于，百度的这个技术并没有强调「 众包」 而是突出了深度学习，但其根本目的确同样是为了给这个技术提供足够的数据可行性支撑。 百度在发布会上给出了 Apollo 2.5 案例：长沙智能驾驶研究院（CiDi）采用 Apollo 2.5 方案，实现了重型卡车的高速公路自动驾驶功能（有点儿类似于国外 Otto 做的事儿）。这也意味着，Apollo 计划第一次延伸到了重卡领域。 安全、安全，还是安全「自动驾驶落地的真正速度是切实做到安全第一」，百度自动驾驶事业群总经理李震宇今天在发布会现场把这句话说了两遍。联系到前一阵 Uber 的自动驾驶致死事件，我们很容易理解为什么百度要强调这一点。毕竟，在自动驾驶领域，某一家出了问题就意味着其他厂商也会受到负面波及。 这就引出了这场发布会的另一个话题：Apollo 汽车信息安全实验室。 一汽、奇瑞、北汽新能源、清华大学、北京航空航天大学、北京理工大学成为这个实验室的首批合作单位。 官方描述：Apollo 汽车信息安全实验室将专注于汽车信息安全技术的分析以及趋势跟踪，验证及加强解决方案的安全能力。而重点研究方向分为车端应用、车端网络、CAN、传感器四大类，涵盖了数据隐私保护、IVI 及 T-BOX 安全防御、L3/L4 车脑信息安全软硬件参考设计、自动驾驶信号伪造对抗等十多个智能驾驶信息安全方向。 在汽车信息安全领域，百度并不是孤身一人。周鸿祎很早就成立了 360 汽车安全实验室。 「 想拿车企订单，就得先谈安全」 这基本上已经是自动驾驶行业的共识了。在 Apollo 的定位上，百度很清楚，自动驾驶硬件相关的安全问题要依靠 Tier 1 和 OEM 合作伙伴，而自己作为一家互联网公司还是最擅长软件。因此在这个时间点突出自己对信息安全的重视就非常合理了。 第 100 家合作伙伴——比亚迪 比亚迪成为 Apollo 生态平台第 100 … 继续阅读
CES 2018 | 百度 Apollo 2.0 正式发布，但你可能忽略了这个重要细节
「 本次 CES 由 GeekCar、网易汽车、网易科技联合报道」 每年 CES 正式开幕前的一两天，都是展商扎堆开发布会的时间。百度也在今天正式宣布，Apollo 2.0 版本向外界开放。 在两天前，GeekCar 在百度美研预先体验了 Apollo 2.0 版本的 L3、4 级别的自动驾驶汽车 。因此，结合实际体验和百度 COO 陆奇和 Apollo 平台研发负责人王京傲现场的演讲，GeekCar 简单整理了 Apollo 2.0 的部分新特性。 Apollo 2.0 不一样在哪？ 具体来看，王京傲从几个角度说明了这次升级的特性。 1. 解决方案的完整性。笼统的说，Apollo 2.0 支持了昼夜简单城市道路情况下的自动驾驶，包括云端服务、软件平台、参考硬件平台以及参考车辆平台在内的四个模块全部开放。 另外，Apollo 还宣布将在 2018 年全面支持包括 NVIDIA、Intel、NXP、Renesas 在内的四大主流计算平台。这样一来，Apollo 2.0 基本上能覆盖目前主流的自动驾驶计算平台，系统兼容性方面得到了很大的补足。对于支持的车型，Apollo 2.0 也有了更多的覆盖。 从我的理解来看，在这之后，Apollo 2.0 在功能完整性、平台开放性和产品安全性等层面，都达到了相对稳定的状态，可以看作是在最近一段时间内的「 终极形态」。 2. 首次开放产品安全服务。 Apollo 2.0 能够分别通过云端的安全 OTA、系统层级的防火墙以及硬件层级的黑盒子，来保障系统在运行时的安全。关于车联网安全的问题，在非自动驾驶时代就已经有足够多的教训。足够安全的系统防护，能够很大程度上消除使用者的顾虑。 3. 自定位、感知、规划决策能力加强。 从我们前两天在美研的体验来看，Apollo 2.0 新增的双目摄像头，实现了对于红绿灯的识别。另外，新增的变道功能也会根据路况进行自主判断，规划车辆进一步的动作。当然，Apollo 2.0 的功能细节肯定还有很多是试乘时没有体验到的，但这些细节已经能够体现感知、决策、执行能力的增强。 4. 云端感知能力加强。 从云端仿真能力层面看，原本在 Apollo 1.5 版本时需要花费 30 分钟的仿真测试，在 2.0 版本只需要 30 秒。这也能够很大程度上减轻平台测试者的工作量。对于开放平台来说，方便开发者的使用，一定是件必要且很重要的事情。 一些成果展示 功能总结之后，按照套路就得说说目前的一些成果了。 王京傲展示了 Apollo Pilot 与奇瑞、金龙以及面向残障人群的出行服务商 Access 等合作伙伴的落地成果。例如百度将与奇瑞在 2020 年量产 L3 级别自动驾驶汽车，与金龙客车在 2018 年量产应用于园区的，L4 级别的无人驾驶微循环巴士「 阿波龙」。另外，百度和 Access LA 为残障人士推出的自动驾驶共享出行试点服务，也将在 2018 年底在洛杉矶落地。 陆奇还和北京的百度总部进行了实时连线，通过视频展示了包括无人小巴、无人车、无人小型快递车以及无人垃圾清扫车的部分自动驾驶功能。考虑到北京和拉斯维加斯相差将近一万公里的距离，我只能感叹展馆的网络信号真不错。 在自动驾驶人才培训方面，百度也宣布与 Udacity 联合推出面向全球的 Apollo 自动驾驶在线课程。Google 无人车之父、Udacity 创始人 Sebastian Thrun 也出现在了现场，表达了对于双方合作的期待：「 联手百度，我们期望将 Apollo 系统和自动驾驶普及至全球，让人人都迈出成为无人驾驶工程师的第一步，真正迎来无人驾驶技术的全民时代。」 这个做法，就有点像当年「 计算机也要从娃娃抓起」 了。当然，这对于人才的培养，绝对有不小的促进作用。不多说了，我准备去报名了。 从目前的成果来看，百度之前提出的「3 年商用、5 年量产」，还算是按照一个比较稳健的节奏推进。只不过由于类似政策等不确定因素，我只能期待百度有更多成果能够尽快落地到用户层面。 全球化、商业化的 Apollo 2.0 当然，在发布会上，除了产品层面的内容值得关注，我更关注的还是商业化的内容，这也是我在之前的体验中所切实感受到的变化。 在今天的发布会上，百度宣布 2018 年和金龙客车合作的 L4 级别的「 阿波龙」 无人驾驶微循环巴士将开始量产。 在这之后一到两年时间，百度和江淮、北汽以及奇瑞合作的 L3 级别的自动驾驶汽车，也将会上市销售。 事实上，我在前两天在美研体验的那辆盼达低速无人驾驶车，就将在今年 3 月份进行商业化的运营。同时，在北京、保定、雄安这些地区，Apollo 已经与当地政府展开了自动驾驶汽车测试以及后续商业化落地方面的尝试。 对于 Apollo 来说，很明显能看出商业化的比重开始逐渐增加了。 而在全球化层面，百度总裁张亚勤宣布 Apollo 将会和微软 … 继续阅读
禾赛科技发布 Pandora 自动驾驶套件，想解决开发者的「感知」痛点
10 天前，GeekCar 报道了禾赛科技的 Pandar GT 固态激光雷达 。最近，禾赛科技又有了新动作：与百度 Apollo 共同发布基于 Apollo 平台的自动驾驶开发者套件——Pandora。 从此前的 Pandar 40 到 Pandar GT，禾赛科技一直做的是激光雷达产品，而这次变成了「 套件」。那么 Pandora 到底是什么？实际上，这是一套以激光雷达、环视摄像头模组、多传感器融合和感知识别算法为一体的自动驾驶开发者套件。（Pandora 主体设备和听装可乐的体积对比）其次，Pandora 的用途是什么？ 众所周知，一套完整的自动驾驶系统分为多个子系统，大致可分为：感知、决策和执行，有了靠谱的感知系统之后，算法公司才能基于这套感知系统研究算法。然而从传感器系统的选型标定，到摄像头和激光雷达的融合，再到能够输出最基本的目标物体追踪，一般来说需要耗费一个小团队至少 6-8 个月的时间，才能勉强做到「 不拖后腿」，而这又仅仅是重复发明轮子的一个过程。 而 Pandora 所解决的，就是感知层面的问题，为研发者提供一套靠谱的感知系统。 按照禾赛科技的说法，Pandora 的优势在于： 1.4 个环视摄像头组成 360 度视野，和激光雷达完美配合。一个前视彩色摄像头提升看远能力； 2. 激光雷达和多个摄像头的一体化机械设计，安装极其简便； 3.5 个摄像头和激光雷达的坐标映射标定问题。Pandora 自动帮助用户标定好了摄像头和激光雷达的位置映射，且在使用过程中无需重复标定； 4. 激光雷达和摄像头的同步触发，多传感器数据像素级对齐； 5. 传感器的极低延迟信号传输； 6. 目标物体追踪识别等。 Pandora 背后所依靠的，是禾赛科技的激光雷达研发经验和百度 Apollo 自动驾驶开放平台的开源算法体系。禾赛科技和百度的合作开始于 2017 年上半年，禾赛主要负责硬件产品的设计和制造，百度 Apollo 负责整体系统的定义和算法的适配。另外，百度方面还会基于 Apollo 所积累的经验和生态开发者的痛点，对 Pandora 提出相应要求。 Apollo 主任研发架构师王亮说：「 作为 Apollo 平台感知技术方向的主任架构师，我们充分了解多传感器融合算法研发和系统搭建过程中的技术痛点，包括多传感器数据联合标注的高成本，多传感器融合感知算法依赖的传感器间姿态标定和数据同步等问题。」 目前来看，不少自动驾驶创业公司都纷纷推出了「 平台」、「 套件」，用于解决自动驾驶汽车不同层面的问题。回顾这些公司的发展史，都是从不同角度切入自动驾驶产业链，进而推出更加全套的解决方案。这也说明一个问题，自动驾驶产业链如此之长，不是一个公司就能解决所有问题的，小公司只要有自己的技术壁垒，就能找到自己合适的定位。 不过这些公司活得好不好，还得看这些「 平台」 和「 套件」 到底能不能得到开发者的认可。 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）。
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
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