從 2015 年 8 月至今，近 50 個人工智能、前端開發(fā)、移動開發(fā)、云計算、架構(gòu)、運維、安全、測試等 IT 技術(shù)領(lǐng)域的技能圖譜陸續(xù)在 GitHub 上上線，幫助開發(fā)者、工程師梳理知識框架結(jié)構(gòu)，并嘗試提供路徑指導(dǎo)和精華資源，方便技術(shù)人學(xué)習(xí)和成長。
在時下非常受關(guān)注的自動駕駛領(lǐng)域，大部分開發(fā)者的感受都是只見樹木不見森林，不知道如何建立對自動駕駛的宏觀認(rèn)知，不知道自動駕駛涉及的專業(yè)技能都有哪些，更不了解自動駕駛的學(xué)習(xí)路徑。
這也是極客邦科技聯(lián)手百度 Apollo 團隊，共同推出《Apollo 自動駕駛工程師技能圖譜》的原因所在——希望 Apollo 將其在自動駕駛領(lǐng)域的研發(fā)實力、技術(shù)沉淀、行業(yè)洞察，以及 Apollo 核心能力和技術(shù)框架，進行一個梳理和沉淀，為希望深入自動駕駛領(lǐng)域的開發(fā)者和工程師，呈現(xiàn)一個自動駕駛的技能全景圖。
技能圖譜十問十答
為什么這份技能圖譜值得你收藏、甚至打印出來掛在辦公室里或者書桌前？我們邀請這個技能圖譜的策劃人——Apollo 布道師團隊和技術(shù)團隊進行解答。
問題 1：為什么要規(guī)劃這樣一份技能圖譜？
技術(shù)發(fā)展太快，技術(shù)模塊涉及繁多，自動駕駛領(lǐng)域需要這樣一個技術(shù)和技能的梳理，幫助自動駕駛工程師全面了解、快速學(xué)習(xí)和成長，也給有志于轉(zhuǎn)行自動駕駛的技術(shù)人一個指引。
問題 2：該技能圖譜面向哪些人群？可以幫助學(xué)習(xí)者達(dá)到什么目標(biāo)？
主要面向兩類人群，他們都希望學(xué)習(xí)自動駕駛，他們或是學(xué)生，或是 Apollo 生態(tài)中的合作伙伴。一類就是懂得開發(fā)工具和語言開發(fā)的開發(fā)者和工程師，他們可以從這份技能圖譜中補充機器學(xué)習(xí)和車輛相關(guān)的知識；另外一類人群就是機器學(xué)習(xí)從業(yè)者，他們可以通過這份技能圖譜，深入了解自動駕駛的各個模塊，因為 Apollo 不同模塊之間的差異性大，即使對于百度內(nèi)部工程師，這個技能圖譜也有借鑒意義。
問題 3：這份技能圖譜包括哪些學(xué)習(xí)模塊？模塊設(shè)立和劃分規(guī)則是什么？
這份技能圖譜包括兩大模塊，首先是基礎(chǔ)層，就是 Apollo 開發(fā)會用到的共性的語言和編程方式；其次是 Apollo 層，既包括 Apollo 開放的感知、決策規(guī)劃、智能控制、End-to-End 等自動駕駛核心能力，也包括硬件，比如 GPS、雷達(dá)、傳感器、車輛相關(guān)的知識和技能。
問題 4：這份技能圖譜是怎么策劃出來的？
在策劃階段，按照模型、算法、硬件、車輛相關(guān)背景知識四個維度，以問卷、面聊等多種形式，收集百度內(nèi)部 7、8 個團隊近 30 位技術(shù)專家的專業(yè)反饋，再把反饋按照目前的基礎(chǔ)層、Apollo 層整理分類，經(jīng)歷多次 Review，最后與大家見面。
問題 5：自動駕駛領(lǐng)域的開發(fā)者，哪部分的學(xué)習(xí)能力需要加強？
大部分自動駕駛開發(fā)者的『軟實力』較強，硬件方面的學(xué)習(xí)能力相對較弱，尤其基于 GPU 或者 FPGA 的芯片編程方面的能力繼續(xù)增強。
問題 6：對于學(xué)習(xí) Apollo 的開發(fā)者來說，最大挑戰(zhàn)是什么？
最大挑戰(zhàn)就是 Apollo 運行起來，下一步該怎么做？因此 Apollo 會在 2.0 版本中開放很多調(diào)試、繪圖、排查問題的工具；
另外的挑戰(zhàn)就是硬件方面了，如果開發(fā)者買一個設(shè)備進行調(diào)試，在沒有官方人員支持的情況下是比較困難的，因此 Apollo 把適配后的硬件設(shè)備發(fā)到 GitHub，讓開放設(shè)備在 GitHub 上有現(xiàn)成實例，開發(fā)者改過之后就可以用。
問題 7：自動駕駛?cè)瞬判枨笕笨诖髥幔?/div>
非常大。目前我國汽車從業(yè)人員達(dá)到 360 萬，但其中技術(shù)人才不到 50 萬，占比不到 15%。這其中雖然很難明確界定自動駕駛?cè)瞬庞卸嗌?，但是可以想見肯定不多。而且從自動駕駛專業(yè)人才年薪動輒幾百萬上千萬，就可以知道人才有多緊缺。
問題 8：目前 Apollo 最需要哪方面的人才？
目前會有很多合作伙伴尋求接入 Apollo 開放平臺，為自己的產(chǎn)品注入自動駕駛能力。在接入過程中，車輛、硬件傳感器的接入是開發(fā)者需要接受的第一關(guān)，需要掌握系統(tǒng)集成方面的知識。解決了集成問題后，對自動駕駛的要求就會往感知、決策規(guī)劃、智能控制等模塊方向進行轉(zhuǎn)移。所以，了解整體 Apollo 結(jié)構(gòu)的開發(fā)者，會是 Apollo 需要的人才；如果對其中某一模塊非常熟知，也會是 Apollo 非常需要的人才。
問題 9：自動駕駛開發(fā)者還有什么其他的學(xué)習(xí)路徑？
開發(fā)者可以從搭建一個 Apollo 的 Demo 環(huán)境開始，學(xué)習(xí) Apollo 相關(guān)模塊的技能知識。在 Apollo 的代碼注釋中，百度工程師列出了模型對應(yīng)的參考資料，包括參考書或者論文，這也算是一個學(xué)習(xí)的捷徑。如 Apollo2.0 新增控制器 MPC，對應(yīng)的源文件包含對該控制模型相關(guān)的資料推薦：https://github.com/ApolloAuto/apollo/blob/master/modules/control/controller/mpc_controller.h：
/** * @class MPCController * * @brief LQR-Based lateral controller, to compute steering target. * For more details, please refer to "Vehicle dynamics and control." * Rajamani, Rajesh. Springer Science & Business Media, 2011. */
問題 10：已經(jīng)拿到技能圖譜的同學(xué)，他們看過之后希望 2.0 版本有哪些改進？
能有各分支更細(xì)化的知識和技能表，包括推薦一些好的學(xué)習(xí)資源；
期望后續(xù)版本可以極大降低無人車成本，實現(xiàn)量產(chǎn)；
希望提供能力進階地圖；
希望細(xì)化知識點，把軟硬件、算法的接口信息定義出來。
首批用戶對技能圖譜評價
我對 Open Modules 最感興趣，因為我相信開源的力量是非常強大的，在使用開源代碼的時候不僅能夠促進百度的技術(shù)進程，開源還讓我思考——我可以利用這些開源項目來做些什么，這是一個多贏的發(fā)展方向。
從 1.0 版本技能圖譜可以看出，Apollo 對于自動駕駛現(xiàn)有問題都能給出成熟的解決方案，已經(jīng)極盡現(xiàn)有經(jīng)驗和想象。
這份技能圖譜讓我對自動駕駛所涉及的技術(shù)領(lǐng)域有一個清晰認(rèn)識，便于讓我結(jié)合自身能力進行相關(guān)學(xué)習(xí)。
我對這份技能圖譜感知規(guī)劃部分非常感興趣。知識技術(shù)都是相通的，可以靈活遷移，該部分對本人現(xiàn)在從事的機器人自主視覺導(dǎo)航具有很大的借鑒意義。
更多>相關(guān)資訊
0 條相關(guān)評論
