酷应用

自动驾驶技术如何升级？这份技能图谱为你指路

百家作者：人工智能学家 2019-03-02 11:59:41

来源：AI前线

自动驾驶技术在过去的一年里发展十分迅速，无论控制系统的升级还是高清地图的泛用，无不在推动自动驾驶的落地。再加上开源框架的进一步成熟，V2X 的落地实践，传感器融合更强等多重因素的影响下，自动驾驶技术已经上升到了一个新的高度。

技术在升级，责任也在升级。在去年，极客邦科技联手百度 Apollo 开发者社区共同推出《Apollo 自动驾驶工程师技能图谱》，这份技能图谱把 Apollo 团队的自动驾驶技术沉淀、研发实力、行业洞察以及 Apollo 核心能力和技术框架进行了梳理，为开发者呈现出自动驾驶的技能全景图。而随着技术的升级，技能图谱也迎来的一次大的变革。

今年 1 月 Apollo 3.5 版本正式发布，解锁了复杂城市道路场景中自动驾驶的能力。在本次推出的自动驾驶技能图谱 2.0 版本中，我们结合开发者反馈的建议和 Apollo 团队在过去一年的技术发展，增加了开源计算框架 Cyber RT、Localization、Prediction 等技术知识点，也针对上一版本的技能图谱做了技术迭代。

那么本次技能图谱更新究竟能够给开发者带来哪些惊喜呢？我们一起来看看：

7 大能力 91 个知识点自动驾驶技能升级

在过去的一年里，Apollo 相继发布了 2.5、3.0、3.5 三个版本。从 2.5 到 3.5 版本，整体提升了自动驾驶技术的稳定性和安全性，加速推动了全行业面向量产落地的过程。随着技术能力的升级，Apollo 也为开发者开源了越来越多的技术模块，而此次技术图谱的迭代，也是为了帮助开发者更好更快地学习自动驾驶技术。

技能图谱 2.0 版本是由 Apollo 开发者社区团队、Apollo 技术布道师团队、Apollo 中美技术研发团队共同参与制作。基于 Apollo 的能力升级、版本迭代和开发者实际落地的需要，2.0 版本针对旧版内容进行了系统删改和新增。换新升级了 7 大自动驾驶技术能力，含 33 个技术分支，及 91 个技术节点，向开发者更完整地展示了自动驾驶技术学习框架。

其中，Apollo Cyber RT 框架便是为 Apollo 构建此类框架的第一步，也是第一个专为自动驾驶技术设计的开源框架。Apollo 技术团队从高性能并行计算、自适应通信系统、Atomic 编程、实时系统等方面，为开发者提供 Cyber RT 学习路径。

而对于开发者关注的 Apollo 开源车路协同方案，此次在技能图谱中也有体现，涵盖了研究 V2X 在软件、硬件、云端服务所必须的 RSU／OBU、数据交换协议、数据融合等内容。

此外，Localization、Prediction、HD Map、Control 等重要模块都有更新。

对开发者而言，自动驾驶行业要求从业者在行业上有更宏观的考量，技术上需要更扎实的技术知识。通过此份技能图谱，开发者可以更好地学习和掌握 Apollo 的知识点，更系统地上手自动驾驶技术。也可以通过对 Apollo 及自动驾驶全模块的了解，发现擅长的模块，从而选择相应的就业职位。此外，Apollo 开发者社区也会通过技术文档、干货知识、公开课及技术沙龙等内容，帮助开发者进一步实现能力提升。

自动驾驶的未来

当下，随着技术和相关政策的进一步成熟，L4 级别的自动驾驶技术将逐步进入乘用车平台，这样也就意味着新的技术将会对传统汽车生产厂商和汽车行业进行颠覆，包括产业链结构、自动驾驶场景下的新兴技术应用和下游应用场景的改变。

目前，在美国的波士顿、菲尼克斯等多个地区已经在开展自动驾驶测试，可以预见，在未来 5-10 年里，无人车还将来到更多的城市。与之相对的是，全球自动驾驶行业参与者很少，自动驾驶开发者更是稀缺，在整体互联网环境增速放缓的大环境下，自动驾驶依然高速发展，不可谓不是一股清流。

而应对开发者的需求和自动驾驶行业的需求，这份技能图谱的更新正是希望能够帮助想要进入这一领域的开发者，全面理解技术需求点和变革点，成长为能够推动自动驾驶技术落地的行业先行者。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”