2022年11月29日，百度Apollo Day技术开放日活动线上举办，一起来看看都说了哪些内容？
下图是Apollo自动驾驶技术体系，底层是百度Apollo自己的芯片昆仑芯；中间则是自动驾驶基础技术，包括自动驾驶地图、多模态感知、预测决策、自适应规划控制，百度Apollo已经形成自己的数据闭环，同时有自己的仿真平台对自动驾驶进行训练。
在最上层，则是形成的两项技术应用：全无人自动驾驶技术和高级辅助自动驾驶技术，后续展开聊。
接下来这个就是百度Apollo的预测决策多任务大模型和离线智能仿真系统。
目前，百度Apollo已经形成2800+自动驾驶逻辑场景数量，实现2800+自动驾驶逻辑场景覆盖度。
百度Apollo的观点是：轻成本、重体验的地图对自动驾驶至关重要。
所谓轻：提升高精地图的智能化生产能力，在精度质量那么不变的前提下，持续的降低成本。
自动化数据融合是高精地图大规模生产的重要基础和核心能力，即全自动的将多次采集到的传感器数据，比如说激光点云或者道路影像，在统一的坐标系下进行融合。
百度高精地图构建自动化率已达到96%，从下图中可以看到，Robotaxi高精地图单公里生产成本显著降低，同时智能生产让效率有质的飞跃，并显著缩短了交付周期。
所谓重：分为三个方面：安全、舒适、高效。
安全，提升地图的实时更新能力和地图的鲜度，保障自动驾驶安全。
具体来说，百度Apollo采用车端感知传感器（比如摄像头、激光雷达），基于 Transformer生成BEV Feature Map ，然后生成车端的实时地图，接着将车端实时地图和高精地图以及众源地图进行有效融合，生成在线地图。最后把这个在线地图提供给下游的感知决策和规划模块进行使用。
舒适，基于百度地图1200万公里的路网覆盖范围，日均20亿公里轨迹里程的独有的数据资源，借助于人类司机的驾驶的经验，构建出全路网级别的驾驶知识图谱。
我们可以看到它包含了多维度且丰富的驾驶知识，例如经验速度，变道的时机，变道的轨迹等等，有了驾驶知识图谱的增强，自动驾驶速度转换就可以更合理、变道更及时、转向可以更顺滑，能够显著提升乘坐的舒适度。
高效，交通大脑＋车路协同，基于百度智能交通以及百度地图领先的能力，构建百度交通大脑，赋能自动驾驶；基于百度ACE，智能交通整体解决方案，通过智能信控，那么智能的规划，帮助自动驾驶车辆实现绿波出行，可以显著的提升出行的效率。
下图是Apollo自动驾驶地图全景：
百度Apollo认为，传感器融合是实现L4自动驾驶的必要条件。
百度自动驾驶感知经历了两代，感知1.0，经过了三个阶段，第一个阶段主要依赖激光雷达点云感知，辅助红绿灯的识别，然后同时利用了毫米波目标阵列。阶段二，增加了环视图像的感知，与激光雷达点云感知形成了两层的感知融合，提升了识别效果。在第三阶段，自研了毫米波点云感知算法，形成了三层感知的融合。
这种感知融合实际上是用的是后融合方案，这种基于规则的方法不可学习，相对而言它的泛化能力不够。
于是就有了基于前融合方案的新一代感知2.0。
远视距的视觉感知，通常在200米以上。
多模态前融合端到端方案，在点云和图像的表征层次上进行融合。
近距离鱼眼补盲，实现Freespace 的预测
而后将三者进行融合，在远中近距离实现高质量感知。
此外，百度Apollo 还利用大模型进行数据挖掘和数据的自动标注，提升自动驾驶感知的能力。
百度Apollo 利用文心大模型自动驾驶感知的技术来提升车载小模型的感知能力。「10亿以上参数规模，通过大模型训练小模型，自动驾驶感知泛化能力显著增强。」
此外，利用文心大模型图文弱监督预训练来挖掘长尾数据，来提升模型训练效果。「背靠文心图文大模型数千种物体识别能力，大幅扩充自动驾驶语义识别数据。」
百度Apollo认为：数据闭环是无人驾驶最终实现持续学习能力的一个重要基础架构。
百度Apollo数据闭环整体设计思路：首先自动驾驶的系统是由车端和云端两个部分组成的，而整个数据闭环是由数据提纯以及数据消化这两个部分构成。
其中数据提纯同时出现在车端和云端，它的目标是找到高价值高纯度的数据，而数据消化部署在云端，它的目标是利用高纯度的数据提升自动驾驶的整个的智能水平。
数据提纯路径利用车端小模型和云端大模型，实现高效率数据挖掘和自动化标注
数据消化架构实现自动化训练，具备联合优化和数据分布理解的能力，有效地利用高纯度数据进一步提升自动驾驶系统的整体智能水平。
最后总结一下，百度Apollo提出了以高提纯高消化为核心驱动力的数据闭环的设计思想，这里的高提纯通过小模型和大模型的车云协同，实现高效的数据挖掘和自动化标注，而高消化通过数据模型指标的集中式端到端整合来实现。
除此之外，训练推理以及数据分布是在数据消化中可以形成有效的一个反馈机制，进一步提升数据消化的整体效率和效果。
百度自研A1芯片昆仑芯2代已完成无人驾驶场景端到端性能适配。
不过让人觉得遗憾的是，进度还是有点缓慢，等什么时候可以过车规，然后量产上车，我觉得才是值得庆祝的时候。
在百度Apollo看来，2025是关键年，L2+产品跨越鸿沟，L4商业模式初跑通。
先说L4自动驾驶技术。
目前，百度Apollo 累积L4自动驾驶测试里程已经超过4000万公里，无人驾驶服务累计运营订单数突破140万。
今年8月百度在武汉和重庆国内首次实现全无人商业化运营。目前，自动驾驶技术泛化能力进步速度超预期，落地新城市技术交付时间仅需20天。
百度Apollo宣布将持续扩大业务规模，2023年着力打造全球最大全无人自动驾驶运营服务区。
再说L2+辅助驾驶技术。
发布会上，百度Apollo带来了ANP 3.0 (Apollo Navigation Pilot)产品。
ANP 3.0搭载两套独立系统，一套纯视觉自动驾驶感知方案，一套激光雷达形成的感知系统。「两套系统独立运作，低耦合，大概率是国内唯一能够做到真冗余的环境感知方案。」有点类似Mobileye。
视觉感知运用了BEV感知时空融合新技术框架
ANP 3.0采用了自研“轻量”高精地图。
除了提供软硬一体的完整解决方案，百度Apollo还可以向ANP 3.0的客户提供数据增值服务，通过对数据挖掘标注、模型训练，仿真验证的全生命周期管理，实现数据驱动，自驾能力进化。
2023年后 ，ANP3.0数据反哺L4的规划也在进行中，并已经完成了前期的技术布局。
技术栈层面已实现L4与L2+智驾产品视觉感知方案统一、技术架构统一、地图统一、数据打通及基础设施共享。L4将持续为L2+智驾产品提供先进的技术迁移，L2数据反哺也将助力L4泛化能力提升。
随着ANP3.0产品上市，后续L4和L2+技术的协同飞轮将运转起来，创新带动增长，形成正反馈。
目前，ANP3.0已经进入北上广深多地泛化测试阶段，将在2023年夏天第一个客户的车型上市。
目前已知的是，百度自己的汽车品牌集度会上ANP3.0。
百度Apollo表示：百度领航辅助驾驶产品未来3-5年搭载有望突破百万。
-完-
（注：图片来自网络，如有侵权请联系删除）
以上就是这次发布会的全部内容。如果你觉得内容不错，欢迎点赞评论转发关注，这是我创作的动力。
关注微信
