自動駕駛技術如何升級？這份技能圖譜為你指路

作者 | 賈凱強

編輯 | Debra

自動駕駛技術在過去的一年裡發展十分迅速，無論控制系統的升級還是高清地圖的泛用，無不在推動自動駕駛的落地。再加上開源框架的進一步成熟，V2X 的落地實踐，感測器融合更強等多重因素的影響下，自動駕駛技術已經上升到了一個新的高度。

技術在升級，責任也在升級。在去年，極客邦科技聯手百度 Apollo 開發者社區共同推出《Apollo 自動駕駛工程師技能圖譜》，這份技能圖譜把 Apollo 團隊的自動駕駛技術沉澱、研發實力、行業洞察以及 Apollo 核心能力和技術框架進行了梳理，為開發者呈現出自動駕駛的技能全景圖。而隨著技術的升級，技能圖譜也迎來的一次大的變革。

今年 1 月 Apollo 3.5 版本正式發布，解鎖了複雜城市道路場景中自動駕駛的能力。在本次推出的自動駕駛技能圖譜 2.0 版本中，我們結合開發者反饋的建議和 Apollo 團隊在過去一年的技術發展，增加了開源計算框架 Cyber RT、Localization、Prediction 等技術知識點，也針對上一版本的技能圖譜做了技術迭代。

那麼本次技能圖譜更新究竟能夠給開發者帶來哪些驚喜呢？我們一起來看看：

7 大能力 91 個知識點 自動駕駛技能升級

在過去的一年裡，Apollo 相繼發布了 2.5、3.0、3.5 三個版本。從 2.5 到 3.5 版本，整體提升了自動駕駛技術的穩定性和安全性，加速推動了全行業面向量產落地的過程。隨著技術能力的升級，Apollo 也為開發者開源了越來越多的技術模塊，而此次技術圖譜的迭代，也是為了幫助開發者更好更快地學習自動駕駛技術。

技能圖譜 2.0 版本是由 Apollo 開發者社區團隊、Apollo 技術佈道師團隊、Apollo 中美技術研發團隊共同參與制作。基於 Apollo 的能力升級、版本迭代和開發者實際落地的需要，2.0 版本針對舊版內容進行了系統刪改和新增。換新升級了 7 大自動駕駛技術能力，含 33 個技術分支，及 91 個技術節點，向開發者更完整地展示了自動駕駛技術學習框架。

其中，Apollo Cyber RT 框架便是為 Apollo 構建此類框架的第一步，也是第一個專為自動駕駛技術設計的開源框架。Apollo 技術團隊從高性能並行計算、自適應通信系統、Atomic 編程、實時系統等方面，為開發者提供 Cyber RT 學習路徑。

而對於開發者關注的 Apollo 開源車路協同方案，此次在技能圖譜中也有體現，涵蓋了研究 V2X 在軟體、硬體、雲端服務所必須的 RSU／OBU、數據交換協議、數據融合等內容。

此外，Localization、Prediction、HD Map、Control 等重要模塊都有更新。

對開發者而言，自動駕駛行業要求從業者在行業上有更宏觀的考量，技術上需要更紮實的技術知識。通過此份技能圖譜，開發者可以更好地學習和掌握 Apollo 的知識點，更系統地上手自動駕駛技術。也可以通過對 Apollo 及自動駕駛全模塊的了解，發現擅長的模塊，從而選擇相應的就業職位。此外，Apollo 開發者社區也會通過技術文檔、乾貨知識、公開課及技術沙龍等內容，幫助開發者進一步實現能力提升。

自動駕駛的未來

當下，隨著技術和相關政策的進一步成熟，L4 級別的自動駕駛技術逐步進入乘用車平台，這樣也就意味著新的技術將會對傳統汽車生產廠商和汽車行業進行顛覆，包括產業鏈結構、自動駕駛場景下的新興技術應用和下游應用場景的改變。

目前，在美國的波士頓、菲尼克斯等多個地區已經在開展自動駕駛測試，可以預見，在未來 5-10 年裡，無人車還將來到更多的城市。與之相對的是，全球自動駕駛行業參與者很少，自動駕駛開發者更是稀缺，在整體互聯網環境增速放緩的大環境下，自動駕駛依然高速發展，不可謂不是一股清流。

而應對開發者的需求和自動駕駛行業的需求，這份技能圖譜的更新正是希望能夠幫助想要進入這一領域的開發者，全面理解技術需求點和變革點，成長為能夠推動自動駕駛技術落地的行業先行者。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！