7月22日， 百度Apollo開放平臺舉行了首次技術沙龍，主題為“Apollo平臺與智能駕駛方案深度解析”。盡管這天是周六，中關村車庫咖啡館100平米左右的活動現場仍聚集了超過350位參會者，從大學生到科研學者，從職場精英到個人開發者，聽眾年齡跨度超過50歲，這也充分證明了當下AI、自動駕駛等領域已成為熱門的行業。
Apollo開放平臺自百度AI開發者大會宣布正式開放以來，持續是行業的熱門話題之一。Apollo平臺開放首日就在開源社區Github的熱門項目排行榜中，升至C++語言類項目的榜首，成為了科技極客圈的新晉“網紅”。開發者對Apollo的熱情持續高漲，很多開發者非常期待可以深入了解Apollo平臺的開放內容，以便更充分高效的利用Apollo平臺， 研究并落地自己對于自動駕駛的諸多想法。也正是為此，百度特地組織了這次技術交流活動。
這次技術沙龍，從Apollo整體框架及數據平臺的使用，到整體代碼框架的改進方法，再到智能駕駛完整解決方案的實踐經驗，解答了許多開發者在智能駕駛研發過程中遇到的諸多實際問題。
沙龍主要包括三個主題演講環節，百度自動駕駛事業部資深架構師、數據平臺專家楊凡，通過《Apollo能力開放與資源開放》為開發者講解了如何獲取Apollo代碼框架，并進行應用開發。據楊凡介紹，Apollo 1.0的開放能力共有四個核心特點：高效易擴展的架構、立即可用的硬件、一鍵啟動的更新功能以及完備的開發工具。此外，楊凡還對Apollo云端開放資源，即數據開放平臺的邏輯架構和使用流程進行了詳細介紹，開發者們可以十分便捷地通過Apollo數據開放平臺進行云端模型訓練和分析調試。他表示，開放自動駕駛能力和數據資源并非最終目的，與合作伙伴密切合作并形成行業化的解決方案才是百度開放Apollo平臺的增量價值。
第二個部分是《Apollo代碼開放框架―ROS在百度自動駕駛的探索與實踐》。ROS是機器人(18.83 -0.42%,診股)研究領域中使用最廣泛的開發框架，它可以起到類似操作系統的作用，但因為它本身主要用作學術領域，所以在工程化方面仍存在一些缺陷。主講人何瑋是百度專注于自動駕駛車載計算框架的資深工程師，他分享了百度在ROS使用中遇到的一些問題和解決方案：大數據量傳輸性能瓶頸、單中心結構存在單點風險以及數據格式缺乏后向兼容。并分別從去中心化的網絡拓撲、共享內存、數據兼容性擴展等三方面對策介紹了百度是如何改進ROS系統的。
如何利用Apollo開放的能力、技術和資源設計并實現一整套自動駕駛方案？針對這個問題，百度資深架構師郁浩帶來了當天最后一個主題演講――《基于深度學習的 End to End自動駕駛方案》。End to End（端到端），是一種較為新型的自動駕駛解決方案。與rule based（規則式）相比，端到端的解決方案具有復雜度低、廣鋪成本低、傳感器成本低等優勢，同時對于車載計算資源的利用率也高于傳統的規則式解決方案。
微信掃一掃
.jpg&h=124&w=218&zc=1)
