大家都在关注百度Apollo,但你们的重点选错了

  • 发表于: 2017/07/07 08:11:59 来源:车云网

你还记得大明湖畔的高精度地图吗?

7月5日,陆奇在百度AI开发者大会介绍了Apollo详情,并宣布开源Apollo 1.0版本。

这页PPT是Apollo平台的架构,最左侧的云服务平台、开放软件平台、硬件参考平台以及车辆参考平台是四大类,右边延展开来的是详细子类,Apollo开放的就是这些自动驾驶技术相关的源代码和API。这页PPT是Apollo平台的架构,最左侧的云服务平台、开放软件平台、硬件参考平台以及车辆参考平台是四大类,右边延展开来的是详细子类,Apollo开放的就是这些自动驾驶技术相关的源代码和API。

知道Apollo后很多人都在问,第一批合作车企会是谁,百度宣布Apollo计划之后创业公司是不是很受打击。我觉得在操心这些之前,大家更应该关注的是这个问题——Apollo毕竟是一个“商业开源计划”,主机厂为什么要乖乖使用百度的自动驾驶开源平台,并献上自己的数据呢?

大家都知道,百度一直想做整套自动驾驶方案的软件服务供应商,涉及感知定位和决策规划。但是具有研发能力的主机厂都要自己包办最核心的决策规划部分,直接和百度业务形成了重叠。感知部分有很多更加细分垂直的供应商,当下看来选项也很多。

因为国内甲基测绘资质的缘故,百度用高精度地图和高精度定位找到了“非我不可”的理由。

百度的工程师告诉我们,发展到L3时,自动驾驶汽车就开始需要更高精度的自定位能力了,不仅要知道自己在哪,还要知道在哪条车道。要做到这点,就离不开高精度地图。简单来说逻辑是这样的:

车载传感器实时观察当下环境中的特征物→获得本车与特征物的角度距离

车从高精度地图里读取相同的特征物→用上面的角度距离反推车当时所处的车道位置

可以看出,高精度定位一方面取决于感知能力上能不能准确识别特征物,另一方面取决于高精度地图中特征物的多少。

今年CES Asia之前,百度与国内数家Tier1的合作就想通过开放软件能力的方式,使高精度定位产品化。那时智能汽车事业部(原L3事业部)展示了名叫BCU(Baidu Computing Unit,自动驾驶专用计算平台)的样件。细心地话你会发现,三系列产品的基础配置都是高精度定位,环境感知和决策规划是逐渐配搭的能力。这个功能形成的“小楼梯”可以看作百度配合主机厂需要给出的灵活方案,但某种程度上也反映了主机厂愿意在多大程度上来拥抱百度

CES Asia百度展示的BCU三个系列产品分别是BCU-MLOC(高精定位)、BCU-MLOP(高精定位+环境感知)、BCU-MLOP2(高精定位+环境感知+决策规划),在Tier1测试,OEM上车测试之后,这些样件都要两年以后量产。CES Asia百度展示的BCU三个系列产品分别是BCU-MLOC(高精定位)、BCU-MLOP(高精定位+环境感知)、BCU-MLOP2(高精定位+环境感知+决策规划),在Tier1测试,OEM上车测试之后,这些样件都要两年以后量产。

看到这里,很多人就会问,拥有甲级测绘资质的又不是只有一家,百度的资源看上去也不是非常独家啊?比如博世就选择了三家图商来同时搞定高精度定位这一件事,用的是“摄像头+毫米波雷达+高精度地图”的方案,当时国内三大图商齐聚的场景肯定谁都没有忘记。

但幸运的是,目前还没有哪家能做到高精度地图可用。业内人士谈到高精度地图,都会补充“这是一项处在非常早期”的技术。换句话说,大家还不到建立壁垒的时候,还是在比赛谁会先跑到终点。从三家图商把高精度定位产品化的速率来看,百度是比较积极的一位。

简单看一下高精度定位的部分能力,百度在当天大会场外播放了一个视频。这是借助摄像头和高精度地图配合后显示的定位效果,特征物选取的是车道线和路面上的箭头标志物。

 绿色是实际车辆所在位置,红色是GPS定位,黄色是百度做的高精度地位。车云菌拍的时候黄车和绿车几乎重叠了,实际这是一个视频,播放时显示,黄车相比绿车横向定位几乎没有偏差,纵向还是会差一到半个车身左右的。绿色是实际车辆所在位置,红色是GPS定位,黄色是百度做的高精度地位。车云菌拍的时候黄车和绿车几乎重叠了,实际这是一个视频,播放时显示,黄车相比绿车横向定位几乎没有偏差,纵向还是会差一到半个车身左右的。

用我们上面说到的原理,借助车道线,横向定位漂移很少而且看上去比较稳定。纵向因为地面两个箭头间距比较大,所以偏移还是比较大的,这部分百度未来应该还要做优化。

当百度用高精度定位能力敲开车厂大门,这时我们就可以谈Apollo了。

这里再贴一下这页PPT,这次主要看紫红色部分的1.0版开源内容这里再贴一下这页PPT,这次主要看紫红色部分的1.0版开源内容

这里只是说Apollo 1.0版的定位功能。

没有摄像头没有雷达,没有高精度地图,主要是借助GPS/IMU来实现定位。大家都知道,惯导还是挺贵的,大多出现在DEMO车,几乎不会放到量产车。如果主机厂使用Apollo 1.0版,更多只是做一个展示性DMEO,并不是面向量产产品的技术。

百度在会议场外也提供了一个Apollo 1.0版的DEMO。


△友情提醒:视频分为车外和车内两段

两车同时在场地内做循迹展示,根据在地图中预先规划好的路径,在封闭区域内不断折返。两辆车同时出发,规划路径应该是两条完全不同的轨迹,封闭区内不存在行人和随意穿行的情况。一位业内人士告诉我们,在测试样车阶段,这种单一功能目前做的都很成熟了,所以DEMO还比较简单的。

Apollo时间表Apollo时间表

太远的先不说,今年9月的Apollo新消息我们可以期待一下,希望到时候百度会有更详细的高精度定位和高精度地图进展宣布。

说回整个Apollo计划。

陆奇和李彦宏都在大会上反复强调的内容是,在AI时代,数据起到了特殊的作用。哪怕找到合作伙伴做软件硬件一体式方案,也还是不够,百度看到的是“硬件+软件+算法”一整个鱼塘

用高精度地图和高精度定位占领终端之后,百度才有机会用源源不断的数据来做出更好的算法。这也是Apollo计划后半截要讲的故事。

一辆按照“感知定位+决策规划+控制执行”分步实现之后得到的自动驾驶汽车,没有办法穷尽现实中所有情况,需要借助另一种端到端的方法,让车辆明白如何应对复杂工况。

在循迹自动驾驶展示的隔壁,是一辆纯粹基于端到端深度学习的自动驾驶汽车在限定区域绕圈。展示车基于哈弗车改装,只用了一个摄像头。相关工程师介绍,这次车辆和CES Asia展示的功能是一样的,差异被藏在了看不见的地方——后备箱里计算平台更加小型化了。


△视频依然分为车外和车内两段。当天车云菌没来得及体验基于端到端深度学习自动驾驶汽车,所以这里是CES Asia时拍的视频。在03:28的时候,工程师应我们要求遮挡了摄像头,证明这辆车的自动驾驶不是循迹

原理上,要实现这个功能,需要有一个司机驾驶在该区域内行驶数次,通过端到端的方式,教会车直道快行弯道减速的习惯,教会车识别标志牌后的反应。

如果要把限定区域放大到现实环境,你还要给车喂更多数据,比如在不同天气,在来来往往行人的十字路口,在有车插队的情况下人类的开车方式。这和上面高精度地图的采集一样,只能用众包的方式来完成数据收集。

到那时,高精度地图和高精度定位占据的终端,百度的云端能力,在数据回传下不断强壮的算法,才能帮助百度完整自动驾驶方案提供商的角色。

从这个时间点来看,抵达这个目标有多难?我们用一个细节来说明和收尾。

百度展示的两辆Apollo 1.0版DMEO车,还不是百度和主机厂的合作产物,而是由一家美国创业公司Autonomous Staff改装而成。这家公司的改装车型选择是有偏向的——车辆转向系统必须为线控,制动系统为线控,提前知道了转向、制动和驱动系统的CAN协议

大家都知道,车厂CAN协议都是机密,车厂和互联网企业一直都在公开CAN协议交涉拉锯之中,而且越开放,共享的数据越多。在双方达成一致之前,一定要有一方成长到足够强大,这个强大者可能是百度,也可能是车厂,也可能是其他图商,甚至还会有更多的新鲜角色入场。

相关标签:
地图
智能汽车
百度
自动驾驶
  • 车云星
  • 空间站
  • 福特星球
  • 虫洞

加料 /

人评论 | 人参与 登录
查看更多评论