节俭的百度:给自动驾驶阿波罗计划算个账(附Apollo技术框架)

在四月份的时候,在百度宣布阿波罗计划后,本公众号发了一篇《百度能开源出什么东西?》的文章,对阿波罗计划有了一个基本的预判。于是,我就开始耐心的等待7月5日百度AI开发者大会的召开,等着阿波罗开源一探究竟,验证一下自己的判断,顺便学习学习。

终于等到了,看着朋友们从现场发来的图片和信息,看到陆奇在现场连线坐着无人车赶来的李彦宏时,心里忽然有一种莫名的激动,而当陆奇在台上挥舞手臂号召大家鼓掌的时候,这种激动居然还包含了一丝感动,我看到的是一种偏执,一种对技术的偏执,我看到了一种力量,一种敢于迎难而上的力量。

节俭的百度:给自动驾驶阿波罗计划算个账(附Apollo技术框架)

文/老王同志 机器人评论(微信ID:RobotReview)

于是,心里忽然幻想了一下,或许在百度的旗帜下,我们真的能够打倒那些帝国主义列强,让他们把压榨我们的还回来,让他们把我们这个勤劳善良的民族的美好时光还回来,我们也要过好日子,我们也要带上老婆出城去,吃着火锅唱着歌。

对,找帝国主义列强算个账,但是,但是……

(一)李彦宏违章了

在这个消息发布之前,李彦宏的视频我也仔细看了看。尽管那辆龙辇是在前后左右、穿着廉价便服的大内护卫的掩护下一路前行,但看着还不错,特别是看到彦宏同学的满面春风,the feel so good。

可惜,好景不长,有细心的网友发现,李彦宏那辆车实线并道违章了,并且还有热心的朝阳群众把这个事举报给交管部门了。朝阳群众们呀,你们举报名人嫖娼吸毒的主要业务模式不能乱变呀。难道是海淀码农伪装的?有可能。

为什么会出现这种情况呢?

有两种可能:
第一、视频连线结束、任务完成,驾驶员接管了。
第二、行驶中驾驶员打了转向灯,车辆自动变道了。

第一种跟技术没关系。那么如果是第二种情况,就是技术问题,表明:要么是高精度地图没建好或者车道线识别不够好,要么是定位出问题,要么是决策时根本就不考虑虚实线。不管什么原因吧,这个瑕疵还OK,它只会增加一点点事故发生的几率,此外,在咱们伟大的祖国,严格按照交规驾驶可能会更不安全。

不纠结这个了,总体来说,这辆主要依靠博世的L3级ADAS系统的自动驾驶车辆,表现还是不错的。百度无非最多被扣三分、罚两百,但如果让人误认为这辆车是百度做的,那还是很划算的,这笔账百度算的比较精明。

这些本来就在意料之中,百度的自动驾驶技术本来就掌握的比较粗浅,所以,这些事情是改不了我对Apollo的期待的,因为至少从它发布的框架来看,还是很中规中矩,亮点十足的。

(二)Apollo技术框架

就这么一张图,大的方面分总共四层。

节俭的百度:给自动驾驶阿波罗计划算个账(附Apollo技术框架)

(1) Reference VehiclePlatform层
Reference VehiclePlatform在最底层。Reference的含义是:我提供了一个Specific的东西,但是你可以根据我这个Specific的东西来创建你自己的Specific的东西。

那么对于Reference VehiclePlatform来说,这个特定东西是什么呢?

很简单:一个特定的应用层协议以及应用实现代码。

对于,车辆与上层控制系统来说,这个应用层协议主要包含三个类型的消息:1)自动与人工模式设定消息;2)油门刹车转向档位灯光等控制消息帧;3)车辆运动状态和运行状态消息帧。

基于这个应用层协议,根据选择的应用层以下的协议(TCP/IP、CAN、RS232),结合特定的计算机接口驱动API(CANDriver、Socket、Serial),就可以写代码了,最终形成一个特定应用的代码。

是的,这就是一个很简单的东西,唯一的难点是底层车辆上的总线如何规划,如何给自动驾驶系统配置总线资源,不过这个跟百度无关,是车辆提供方的事情。

综上,这个Reference VehiclePlatform大概等于一个正常软件工程师一周的工作量吧,就按互联网公司计算,大概也就1W吧,再上电费、工位费乱七八糟的就按2W算吧。

(2) Reference HardwarePlatform
这一层主要包含计算机硬件和传感器,当然这些都可以买,百度唯一可以做的工作就是像Reference Vehicle Platform层一样,写个软件把这些数据采集进来。

不偏不向,还是按每个2W算,GPS、IMU、Camera、Lidar、Radar,总共10W,那个人机接口设备HMI Device跟自动驾驶关系不大,考虑代码量,多给点,5W吧。

好吧,这一层也就15W,当然如果去参考一些网络上的数据采集代码或者使用一些库,就会节省很多,当然百度肯定会这么干,所以这一层花费10W应该够了。

(3) Cloud Service Platform

这个层多少钱,不清楚,互联网我不懂,不过这个层的钱不能算在自动驾驶头上呀。

(4) Open Software Platform

这一层是核心,也是Apollo要开源的东西,包含了各种自动驾驶技术,并且还包含了RTOS(实时操作系统)、runtime framework(运行时框架)。单一个RTOS,花个1000万也不多,runtime framework至少花500万,自动驾驶的算法那就得1亿起了。

但是
昨天在晚高峰的地铁里
朋友给我发来了Apollo项目的地址
经过仔细翻阅

发现:其实OpenSoftwarePlatform花不了什么钱

节俭的百度:给自动驾驶阿波罗计划算个账(附Apollo技术框架)

(三)Open Software Platfrom

总是谈钱,不太好,先浏览一下这个开源代码吧,地址是https://github.com/ApolloAuto。

总共有三大块:apollo、apollo-platform、apollo-kernel。

(1)apollo-kernel是个什么?

很简单:Apollo-kernel=开源linux+一个免费的RT-OS补丁+显卡驱动+CAN卡驱动。

那么这个需要多少钱?

如果你拿这个问题去问一个linux系统工程师,他会觉着你在侮辱他,因为这就是装个操作系统。难道每次装个系统都要送一个师姐吗?

但是,就是这么个装机的事情被Apollo弄成装A的弟、C的哥。

回看一眼Apollo的技术框架,在哪张图里有个RTOS,就是它,开发需要1000W吧,但是如果装个机不开发,那不值钱。并且,这个东西你不开源都不行。

(2)apollo-platform值多少钱

之前的文章里提到过ROS,我说它是后操作系统,它构建在操作系统之上,能够为各个应用程序之间的交互提供runtime framework的功能。这个Apollo-platform就是这个runtime framework(此外还包括在apollo里的那个docker),并且如早前所言,用了ROS。

既然用了ROS,这个Apollo-platform也不值钱,对不对?

当然不是,至少这个Apollo-platform还是花了些钱的。它“深度”修改了ROS,可以称之为Apollo-ros,可以算作是Ros的一个版本,但与原生Ros不兼容(不兼容的具体含义我试着在后面解释)。

它主要修改了三部分:
1)为ros提供了共享内存的IPC机制;
2)把集中式的采用CS模式的rosmaster变成了对等式的rosmaster;
3)提供了ros消息定义规范之外的消息定义机制。

这些都是有些难度的,如果对ROS理解不深是做不出来的,不过代码量不大。但我想说的是,这些工作是没什么太大意义。

A.提供共享内存IPC机制的伪需求

共享内存和Socket回环网络相比,主要的区别是:1)Socket会比共享内存机制多一两次数据Copy的开销;(2)共享内存需要互锁机制,稍有不慎容易出现灾难性的segment error,Socket没有这个顾虑。

基于上述基本分析,如果在高强度测试的情况下共享内存机制会比Socket在读写时间和资源消耗上有明显优势。更多自动驾驶汽车解读:www.yangfenzi.com/tag/zidongjiashiqiche

可惜,这个高强度在自动驾驶汽车的应用上基本不存在。

B.对集中式master认识不足下的乱改造

原生Ros的基本机制可以这样粗俗的理解:Master是一家婚介所、Node代表一个家庭,这个家庭里有子女,有需要娶老婆的publisher,也有需要嫁汉子的subscriber。

子女告诉这个家庭的家长想嫁娶,家长就去婚介所找信息。

在婚介所找到信息后,跟对方一相亲,很般配,然后结婚就开始过日子了。

在这种机制下,要想结婚必须通过婚介所。现在只有一个婚介所,如果这个婚介所没了的话,那就无法继续提供婚姻服务了,大家就结不了婚了,当然,原来结婚的该怎么过日子就怎么过日子。

这个体制本身没有太大问题,因为只要不增加新的结婚需求,婚介所没了也就没了,各家的日子照过。并且,这家婚介所凭什么就没了呢?

但是apollo杞人忧天了,用互联网思维给大家拉个群,所有信息共享,不要婚介所了,这个当然更好,但没必要。

并且此举还带来了问题,这个问题就是apollo版本的Ros与原生ros不兼容。你在原生ros下编译运行的程序,无法与apollo ros下的程序沟通。你看不到它,当然它也看不到你。随之而来的结果是在原生ros环境下运行rosnode list,rostopic list这些命令会不起作用,据推测在那个docker运行环境下应该会有效。

详细的原因以及apollo ros作了那些修改从而实现了上述机制,我这里提供几条线索,欢迎交流。

1)Apollo修改了rosmaster.cpp,以及master.py的一些源码,开了微信群截取了注册请求、查询请求信息。不过,这些代码更改没有标注说明。

2) Apollo利用DDS的机制来构建微信群实现了注册、查询、发现服务,具体请看一个participant.h, .cpp。需要骂街的是participant被Apollo闭源了,核心实现提供了一个.so的库。

C. 为了与ROS解耦,提供了另外一种消息定义机制。这个完全没必要,如果仅仅为了不耦合ROS,这个真没必要,因为你耦合的已经很严重了,不如就乖乖的从了吧。

综上,根据工作量和工作难度,Apollo-platform花上个20W,应该够了。现在说第三个板块apollo

(3)Apollo里有什么

apollo就是一个自动驾驶的功能框架了,各种模块的源码,当然也包含一些算法。在这个Apollo里还是看到了一些高大上的东西,比如Factory、Adapter、Observer等软件架构范式,并且采用了Google的一个叫做docker的工具用于提供进程粒度的运行管理,当然也包含了一个代码管理编译工具bazel,这些我也不懂,都是百度出来的知识。

值得表扬的是:它的模块封装不错,并且是和Ros解耦的。

值得警惕的是:目前这个框架中的AI范式采用的是SPA,这个框架是否能解决自动驾驶问题有待讨论,总之,这个驾驶脑很僵硬,不聪明。

此外,没啥算法,这个东西估计花20W就能搞定。

(四)算个总账吧

经过初步估价,如图总共是52万,再加上200块钱的交通罚款,总价应该52万零200。结论是,花小钱办大事。

节俭的百度:给自动驾驶阿波罗计划算个账(附Apollo技术框架)

(五)百度为什么开源?

有情怀的说:是为了与帝国主义算账。
不谈情怀的话就是:圈你们的算法,圈用户粘性。

(六)怎么跟百度玩?

你觉着的呢?

我觉着吧:应该把Apollo下载下来,学习它的软件架构设计思路、代码组织结构、学习类似于docker这样的好工具、从它玩坏ros的教训中学习如何玩好ros、下载它的数据,然后好好做算法,好好搞科研,等待百度的态度变化,然后再决定是否上船。

(七)后记

本文章是通过阅读代码进行思想试验得出结论的,非常不靠谱。
所以还是那句话,不要当真,纯属娱乐。

但愿我是度了君子之腹,希望大家在保证自己利益的情况下,多支持apollo,毕竟对于很多人来说,没有百度的日子更难过。

不一定要批评那些爱忽悠高层领过导的中层干部,让大boss误判形势,累死千军,自身也得不到好处。

当然更要批评那些大boss,你会不会算账呀?

·氧分子网http://www.yangfenzi.com)延伸阅读:

➤ Uber杀入战场,无人驾驶颠覆传统汽车只要3年?

➤ 百度无人车负责人揭秘项目核心技术光学雷达(LiDAR)

➤ 百度顾嘉唯:智能人机对话和自动驾驶才是人工智能的核心场景

➤ 百度发布“智慧汽车战略”,并计划三到五年与长安合作推智能汽车

➤ 地平线机器人李星宇:复杂的中国驾驶场景,正是深度学习的优势

➤ 丁健对话戴雷王劲徐成光张博赵勇 交通革命从创新而来向未来而去

氧分子网(www.yangfenzi.com)是关注互联网生态圈的科技新媒体

·氧分子网http://www.yangfenzi.com)综合整理

分享给您的好友:

您可能还喜欢…

2 Responses

  1. 李德毅:AI时代自动驾驶汽车的关键在于“驾驶脑”说道:

    近日,在 2017 中国人工智能大会(CCAI 2017)上,中国工程院院士、中国人工智能学会理事长李德毅发表了主题为《L3 的挑战与量产》的演讲。从“L3 难在哪里?”、“如何突破 L2 的天花板?”、“量产 L3 的策略”三个方面出发,重点讨论了当前 L3 自动驾驶汽车所面临的挑战以及量产问题。
    在此次演讲中,李德毅院士谈到了L3级别自动驾驶的难点,以及从L2向L3过渡过程中需要考虑的重要问题。他认为一定要界定清楚L3的基本问题到底是要解决车的问题,还是解决人的问题。

    此外, L2 到 L3 的过渡是掌控权由人到机器的转移过程。就此,李德毅院士提出了以下三点质疑:

    自动驾驶等级转换点如何度量?
    掌控权交接点如何度度量?
    掌控权交接过程中的事故如何度量?

    以下内容根据李德毅院士本次主题报告整理,略有删减:

    一、L3难在哪里?

    目前,几乎所有上路的自动驾驶汽车都还处在L2(部分自动驾驶)等级,包括特斯拉在内,都需要由人掌控。而最近奥迪已经宣布8月底将要发布L3量产车,这是全世界第一家量产的、“有驾照”的车,对驾驶行业意义重大。从L1(人工驾驶)到L2(部分自动驾驶),再到L3(机器自动驾驶),固定驾驶员的角色将不复存在,而原先为人服务的LBS也为无人驾驶开辟了新的战场。

    在整个行业的驱动下,无人驾驶车不再只是高等院校和研究所的事情,目前已经开始走向企业和普通人,这时量产就非常有意义了。但在此之中,量产涉及到规模、可靠性和价格等因素,并且,从整体上梳理L3,我们也需要思考以下几个问题:

    用户为什么会买这款车?
    市场容量大吗?
    国产的L3企业在哪里?

    如何界定L3?

    L3是区分以人为主和以车为主的驾驶方式的分界线。L3级别是车辆拥有驾照,不再以人有驾照作为基本要求。下图中蓝色是以人为主,绿色是汽车自驾为主。

    在此之中,最难的是从L2到L3,鉴于驾照发放(交管)和车辆管控(工信部)的因素,让L3上路还不是件容易的事。

    自动化行业提出一个“自动驾驶+智能网联”的解决方案,即:

    结构化道路
    确定性窗口
    网络协同
    软件定义的机器

    假如让软件来完成自动化的操作过程,基本上汽车人都是走这条路。对于用户来说,L3是社会对自动驾驶要求的底线,拿到驾照是最基本的要求,将来如何度量还未可知。

    对于跳过L3级别,直接做L4、L5的汽车厂商来说,这个度量并不好掌握,尤其是掌控权交接过程中出现事故这种情况,要如何处理呢?比较糟糕的是,越是信任自动驾驶,越容易造成驾驶员注意力不集中。这种情况下该如何分担事故责任呢?

    从 L2 到 L3 的过渡,是掌控权由人到机器的转移过程。这里面有三个疑问:

    自动驾驶等级转换点如何度量?
    掌控权交接点如何变度量?
    掌控权交接过程中的事故如何度量?

    在J3016标准中,明确了驾驶掌控权由人转移到车,跳升的界定很明确。

    二、如何突破L2的天花板,进入L3?

    光靠自动化解决不了无人驾驶,于是人工智能来了。汽车绝不是四个轮子加一个手机,我们人工智能工作者要对汽车人心存敬畏,开过好车的就知道汽车的人机设计非常好。

    汽车是在开放的不确定性环境下行驶,人工驾驶常常会遇到偶发的事件,“常常”就是概率比较大,“偶发”就是概率比较小,一个驾驶员遇到这样的情况是必然的,什么情况呢?大雾、大雪、大雨、大风、狭小胡同、崎岖小道、傍山险路、积水、冰雪、地裂以及地陷;红绿灯失效、道路施工、行人违规、以及熙熙攘攘农贸集散区等通行状况。连新手驾驶员都难以完成这些驾驶任务,而有经验的驾驶员往往能够灵活处置,那么自驾车如何应对呢?

    在道路狭小的地方,如果一个无人驾驶遇到有人驾驶车,怎样办?一旦突破了自动驾驶所设置的窗口条件,如地理栅栏、气候栅栏、以及人文地俗栅栏,马上需要进行驾驶掌控权的交接。在这样的交接过程中的事故也许比纯粹的人工驾驶更危险,因此汽车拿驾照不是容易的事情。

    L3的基本问题到底是要解决车的问题,还是解决人的问题?

    车子的问题就是把车越做越好,做成软件定义的机器。而人是指把驾驶员的认知用机器人替代,要具有记忆能力、决策能力和行为能力,要实现自主驾驶,不但有技巧还要有个性。

    汽车是从马车演变而来的,现在的动力可以达到100匹马力,但汽车远远不如马在不同负荷、不同天气、不同路面状况、不同车辆情况下的适应能力。汽车的感知、认知能力远不如马这个认知主体,老马识途,车不如马。在自动驾驶过程中,驾驶员和周边车辆的交互认知哪里去了?驾驶员的经验和临场处置能力由谁来替代?

    重要结论:自动驾驶好在专注,传感器不会疲劳,但是自动驾驶难在拟人,不仅在车。驾驶员脑不等于驾驶脑。

    人在回路中的预测与控制被驾驶脑取代

    驾驶过程中,驾驶员在回路中的预测与控制是汽车自身无法替代的。轮式机器人驾驶脑应运而生,它不同于雷达等传感器的感知,要去完成包括记忆认知、计算认知和交互认知在内的驾驶认知,成为智能车产业化链条中的重要零部件,车载机算机和机器人操作系统也无法替代。

    记忆、计算和交互同样重要。计算机的计算能力已经超过人的能力,要把注意力转移到记忆、计算以及交互上,靠一个车的计算机无法替代驾驶脑。

    利用微电子技术,采用CPU+GPU+PFGA+ASIC架构,生产专用芯片和板片,研发驾驶脑。

    通过雷达传感器、视觉传感器,车姿传感器以及定位传感器这四个感知通道,形成认知的态势图。这个形成以后,对数据的需求就会大大减少。

    驾驶就是记忆,驾驶不是靠计算的,要强调记忆认知、交互认知和计算认知。

    上图中驾驶员记忆分三个区:瞬间记忆、工作记忆以及场景记忆。

    创新:驾驶脑

    驾照:传感器替代不了,车厂替代不了
    驾驶技能:驾照替代不了
    路熟:地图替代不了
    个性化驾驶和标杆驾驶

    经验驾驶员和标杆驾驶员

    经验驾驶员不但要符合驾规,安全行驶,文明行驶,其经验还体现在节能技巧、驾乘舒适性、对不同动力学的车辆适应性等方面。世界上驾驶员的经验和行为,如同人的行走姿态,各个不同,可用驾驶行为作为驾驶员的身份识别,称为驾驶指纹。标杆驾驶员是经验驾驶员中的杰出代表。

    智能车研发的困难,不仅仅是汽车动力学的性质和各种各样的传感器要求,更重要的是要研发和驾驶员一样的在线的机器驾驶脑,模拟实现人在回路的自主预测和控制,应对车辆行驶中的不确定性。

    驾驶指纹和开车目的地无关

    集图灵奖、诺贝尔经济学奖和美国心理学会终身成就奖于一身的人工智能早期学者赫伯特·西蒙(Herbert.A. Simon)的工作启发了我们,有了线控、数控汽车,通过深度学习,挖掘驾驶员对方向盘、动力踏板、制动踏板的驾驶行为大数据,就可以判断并获得特定驾驶员技巧的个性。驾驶技巧和开车目的地无关。

    驾驶脑有个性,有在线学习能力,记忆许多驾驶事故的预防应对,还能和乘员聊天,和云上的驾驶超脑交互……

    传统汽车仅仅是驾驶员的手、脚和力量的延伸,控制车辆行为的是人,线控汽车装备了传感器以后,用驾驶脑替代驾驶员认知,并获得驾驶指纹和驾驶技巧,使得汽车成为驾驶员自己,或者说让机器成为自己,应该是人工智能时代最有意义的问题之一。不同的驾驶脑,认知水平可以有差异,技巧和经验也可以有不同,但都具备了基本的驾驶认知能力,获得了驾照的自驾驶。有个性、有在线学习能力,有很多驾驶事故的预防应对能力,尤其重要的是我们还要关心驾驶超脑。

    三、量产L3的挑战

    截止 2016 年底,中国产销汽车超过 2680 万辆,汽车保有量2.79亿辆。对于自动驾驶:

    我觉得不必把全球所有地域的道路状态,都压在一款特定的车型上,这很重要,否则跑多少英里也不能拿到驾照。不必把所有的认知放一个驾驶脑里面。先做园区观光车、通勤车、巡逻车、无人泊车、定点物流、校车、定点接驳、快速公交等。这些场景下,自驾车能否取代驾驶员掌控,取决于能否处置特定场景下的意外情况,能否发出求助信息要求人工敢于,或者在迫不得已时做出最小损失的策略。

    无人泊车是绕不过去的

    从当前的代客泊车市场预估无人泊车,有很大后装市场(百亿元规模)。泊车通常是怠速状态,四轮轨迹差异大,体现车辆动力学。泊车工况多样,手脚并用,繁忙切换,考验小脑,考验驾驶技巧,难搞定;可模拟多种多样艰难泊车环境,但用地不大。

    大数据开车

    未来汽车会成为大数据的源泉,移动社会的传感器,驾驶脑有学习和自学习能力,技巧和经验可以在线提升,驾驶脑智能的进化速度超过自然人,尤其是群体智能发挥驾驶超脑的作用,这样汽车制造商逐步地成为汽车运营商。随着L3、L4级别车辆的出现,L5级别的自动驾驶车迟早也会实现。当人们对L3、L4、L5的差异不再介意时,这个世界就变了。

    从特定的应用环境寻找量产L3着手,人类摆脱了驾驶的羁绊,开始享受移动办公和移动生活,逐步推广到更高车速、更加复杂的道路场景、更多不确定性天气气侯下的自动驾驶。

    最后以一句话总结今天的发言,那就是——人工智能以润物无声的柔软改变着整个世界。

  2. 刚刚,百度和北汽组成跨界CP,2021年将量产无人驾驶汽车!说道:

    一百多年前,汽车完成了从零到一的进程,改变了人们的出行方式,创造了崭新的工业系统,并且一直引领着制造业的前沿创新。

    今天,百度与北汽走到一起,将完成自动驾驶汽车的从零到一的创新与应用,推动中国汽车工业乃至整体制造业水平进入全新的历史阶段。

    今天,北汽集团与百度战略合作协议签约仪式在北京汽车产业研发基地举行。

    在刚刚结束的发布会上,我们和北汽达成了集团层面的战略合作,将在自动驾驶、车联网、云服务等领域,全面打造“人工智能+汽车”生态。

    北汽集团与百度签署战略合作协议

    北汽集团党委书记、董事长徐和谊,党委副书记、总经理张夕勇,和百度CEO李彦宏、副总裁兼CEO助理梁志祥、百度智能驾驶事业群组总经理李震宇等出席了签约仪式。

    跨界CP探索中国汽车产业智能化升级

    北汽董事长徐和谊向李彦宏赠送BJ80阅兵式检阅车模型

    在人工智能的大势之下,科技公司与传统车企的跨界合作成为一种潮流。我们需要更全面、更深度地综合双方优势,共同探索中国汽车产业智能化升级之路。

    北汽集团是中国骨干汽车企业集团之一,目前已建成自主品牌、合资合作、新能源汽车、零部件、服务贸易等十大业务板块综合发展的产业体系。

    百度作为人工智能科技公司,拥有领先的自动驾驶技术。今年9月,Apollo1.5正式对外发布(点击蓝字查看详情),开放了包含障碍物感知、决策规划、云端仿真、高精地图服务、端到端的深度学习(End-to-End)等五大核心开放能力,并支持昼夜定车道自动驾驶。

    Apollo作为一个开放的、完整的、安全的平台,希望能为汽车行业及自动驾驶领域的合作伙伴提供技术,使他们能够快速搭建属于自己的完整的自动驾驶系统。

    中国汽车产业智能化

    北汽集团党委书记、董事长徐和谊表示:

    随着人工智能技术的兴起,传统制造业正在面临一场前所未有的大变革,需要我们以更加创新、开放的精神,积极迎接未来。

    智能化是全球汽车产业的发展趋势,也是北汽集团向制造服务型和创新型企业转型的重要路径之一。

    我们希望通过与百度的合作,在自动驾驶、智能网联和智慧交通领域提出更多解决方案,为用户提供更加美好的出行生活。

    李彦宏表示:

    一百多年前,汽车完成了从零到一的进程,不仅深刻改变了人们的出行生活方式,更创造了崭新的工业系统,并且一直引领制造业前沿创新。

    今天,百度与北汽这样的优秀汽车制造企业走到一起,将完成自动驾驶汽车的从零到一的创新与应用,并推动中国汽车工业乃至整体制造业水平进入全新的历史阶段。

    中国智能汽车两年实现量产

    在自动驾驶方面,以百度Apollo开放平台与北汽集团车辆平台为基础,借助百度人工智能核心技术,将在2019年前后实现L3级别自动驾驶车辆量产,2021年前后实现L4级别自动驾驶车辆量产。

    在车联网方面,百度Apollo将DuerOS、车辆信息安全、图像识别等产品和技术与北汽集团车载系统深度融合,共同打造一站式车联网产品。预计到2018年底,北汽集团自主品牌全面搭载百度Apollo车联网产品,到2019年,搭载百度车联网产品的北汽集团旗下车辆将突破100万台。

    我们和北汽还共同探讨了在云服务领域的相关合作,希望打造全新云生态系统,探索智慧交通、移动出行等大数据增值服务。

    在规划中,合作的解决方案将逐步应用于北汽集团的乘用车、商用车、新能源汽车的各个车型上,形成北汽集团“集团化2.0”时代智能化发展的新格局,百度Apollo开放平台在汽车产业实现全面落地。

    百度选择以“Apollo”命名自己的自动驾驶开放平台的初衷,就是希望我们的开放平台具备开创性的同时,也汇聚共同参与者们的力量,能为社会发展带来巨大推动力。希望那个每个人开车时也能自由地仰望星空的未来,快些到来。让我们,一起期待,一起加油吧!

发表评论

电子邮件地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>