一份技能圖譜告訴你，學習自動駕駛的路徑就是這么簡單

　　從2015年8月至今，近50個人工智能、前端開發、移動開發、云計算、架構、運維、安全、測試等IT技術領域的技能圖譜陸續在GitHub上上線，幫助開發者、工程師梳理知識框架結構，并嘗試提供路徑指導和精華資源，方便技術人學習和成長。

　　在時下非常受關注的自動駕駛領域，大部分開發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知，不知道自動駕駛涉及的專業技能都有哪些，更不了解自動駕駛的學習路徑。

　　這也是極客邦科技聯手百度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將其在自動駕駛領域的研發實力、技術沉淀、行業洞察，以及 Apollo核心能力和技術框架，進行一個梳理和沉淀，為希望深入自動駕駛領域的開發者和工程師，呈現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布道師團隊和技術團隊進行解答。

　　問題1：為什么要規劃這樣一份技能圖譜?

　　技術發展太快，技術模塊涉及繁多，自動駕駛領域需要這樣一個技術和技能的梳理，幫助自動駕駛工程師全面了解、快速學習和成長，也給有志于轉行自動駕駛的技術人一個指引。

　　問題2：該技能圖譜面向哪些人群?可以幫助學習者達到什么目標?

　　主要面向兩類人群，他們都希望學習自動駕駛，他們或是學生，或是Apollo生態中的合作伙伴。一類就是懂得開發工具和語言開發的開發者和工程師，他們可以從這份技能圖譜中補充機器學習和車輛相關的知識;另外一類人群就是機器學習從業者，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習模塊?模塊設立和劃分規則是什么?

　　這份技能圖譜包括兩大模塊，首先是基礎層，就是Apollo開發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、傳感器、車輛相關的知識和技能。

　　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、車輛相關背景知識四個維度，以問卷、面聊等多種形式，收集百度內部7、8個團隊近30位技術專家的專業反饋，再把反饋按照目前的基礎層、Apollo層整理分類，經歷多次Review，最后與大家見面。

　　問題5：自動駕駛領域的開發者，哪部分的學習能力需要加強?

　　大部分自動駕駛開發者的『軟實力』較強，硬件方面的學習能力相對較弱，尤其基于GPU 或者FPGA的芯片編程方面的能力繼續增強。

　　問題6：對于學習Apollo的開發者來說，最大挑戰是什么?

　　最大挑戰就是Apollo運行起來，下一步該怎么做?因此Apollo會在2.0版本中開放很多調試、繪圖、排查問題的工具;

　　另外的挑戰就是硬件方面了，如果開發者買一個設備進行調試，在沒有官方人員支持的情況下是比較困難的，因此Apollo把適配后的硬件設備發到GitHub，讓開放設備在GitHub 上有現成實例，開發者改過之后就可以用。

　　問題7：自動駕駛人才需求缺口大嗎?

　　非常大。目前我國汽車從業人員達到360萬，但其中技術人才不到50萬，占比不到15%。這其中雖然很難明確界定自動駕駛人才有多少，但是可以想見肯定不多。而且從自動駕駛專業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者需要接受的第一關，需要掌握系統集成方面的知識。解決了集成問題后，對自動駕駛的要求就會往感知、決策規劃、智能控制等模塊方向進行轉移。所以，了解整體Apollo結構的開發者，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：自動駕駛開發者還有什么其他的學習路徑?

　　開發者可以從搭建一個Apollo的Demo環境開始，學習Apollo相關模塊的技能知識。在 Apollo的代碼注釋中，百度工程師列出了模型對應的參考資料，包括參考書或者論文，這也算是一個學習的捷徑。如Apollo2.0新增控制器MPC，對應的源文件包含對該控制模型相關的資料推薦：

　　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：已經拿到技能圖譜的同學，他們看過之后希望2.0版本有哪些改進?

　　能有各分支更細化的知識和技能表，包括推薦一些好的學習資源;

　　期望后續版本可以極大降低無人車成本，實現量產;

　　希望提供能力進階地圖;

　　希望細化知識點，把軟硬件、算法的接口信息定義出來。