百度|百度最新无人车技术低调发布！6位大牛人均至少T11 技术|无人车|百度最新无人车技

“CTO级无人车大牛不稀缺，我们这也就百八十个吧” 。
可能只有百度Apollo有资本这样说。
而且也许也只有Apollo有胆量这么做：
年初一语，年末兑现。
百度无人车技术天团集体现身，从软件、硬件、系统全方位分享展示自动驾驶从技术到商业的进展。

文章图片

这些以往在幕后的大牛都是谁？他们分享了哪些东西？
如何从Apollo这面“镜子”，一窥无人车发展的最新态势？
（发言在未改变原意的基础上，仅做流畅性编辑）
百度如何设计自动驾驶技术体系？
百度自动驾驶首席架构师陈竞凯，从整体图景上分析了Apollo自动驾驶系统的核心原则和架构。
自动驾驶系统应该如何设计？一直都有两个思路：一个是偏学术的，倾向于统一建模，端到端的解决问题；另外一个思路是偏向工程的，去拆分系统，分治突破。
端到端的建模非常的简洁优美，从长远来看，也是一个非常有前途的方向。
在这种思路下，在其他的领域里面也看到了一些不错的进展，比如说技术模型在NLP领域里面已经取得了统治性的地位。在图像领域，大模型也给我们带来很多的惊喜。同样，我们对于这种端到端的大模型的解决方案，在自动驾驶系统的发展也充满了期待。

文章图片

这个方案的问题在于存在很大的不确定性。我们不能确定它究竟何时成熟，是两年还是十年，这是一个问题。
所以我们目前的主要的思路还是沿着工程化的路线推进，同时也没有放弃我们在端到端方面上的一些探索。探索的过程中间，也会把阶段性的成果应用到一些路线上。
车载系统大体分成四个部分：地图、感知、预测决策、规划控制。
地图系统不管是离线或在线地图，总是自动驾驶系统的底层表达。离线地图是超视距整体性的感知，它在自动驾驶系统中发挥着重要的作用。
离线地图制作成本是不是很高？会不会成为障碍？在实践过程中间我们发现，离线地图并不是一个高成本的障碍，反而是前进的助力。

文章图片

问题在于地图的实时性才是它的问题，而不是它的更新率或者它的成本。
目前的实践中，车端实时生产的地图和规模化生产的地图其实上还是有质量上的一些差距。需要通过我们自动驾驶策略去适应这两种地图差异。但这种适应对自动驾驶能力来说是有折损的。
所以我们认为，在目前的条件下，一个规模化生产的高精地图还是不可或缺的，实时地图更多的会被我们用在应对现实世界的变更，这时候我们会把自动驾驶的策略调整到一个更加安全谨慎的方式。
感知系统目前在整个业界的发展思路还是比较统一的，基本上是一个数据加模型驱动的系统。
主要的分歧在于传感器的配置。
我们的判断是这样的：应该去充分发挥各个传感器的能力，先要把事情做成，然后再去追求更好、更低成本。具体实践中从后融合的方案转向前融合的方案。
前融合使得我们能够充分地发挥各个传感器的优势。另外，我们也会充分的利用百度大模型技术方面的积累提升感知能力。
预测决策系统直接面对复杂外部环境的一个非常重要的部分。

百度|百度最新无人车技术低调发布！6位大牛 人均至少T11

百度|百度最新无人车技术低调发布！6位大牛人均至少T11