顾维灏：百度阿波罗计划将加速自动驾驶民主化(2)

　　1. DNN（深度神经网络）加速训练模型：我们使用英伟达的 GPU 和相关代码库 (TensorRT) 来加速 DNN 算法。应用英伟达GPU之后，其训练速度快了大约 100 倍，而使用 TensorRT 则又获得了另外 10 倍的加速，因此总体的改进大约为 1000 倍，速度提升整整三个数量级！这种加速帮我们节省了很多时间。

　　顾维灏解释称，“Apollo”平台是一套完整的软硬件和服务系统，包括车辆平台、硬件平台、软件平台、云端数据服务等四大部分，百度还将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力，并且提供完整的开发测试工具。

　　你们很多人可能已经听说过“阿波罗计划”，这是我们几周前在上海车展上发布的自动驾驶开放平台。“Apollo”平台是一套完整的软硬件和服务系统，包括车辆平台、硬件平台、软件平台、云端数据服务等四大部分，百度还将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力，并且提供完整的开发测试工具。百度发布“Apollo”计划，将搭建起一个以合作为中心的生态体系，为合作伙伴赋能，共同促进自动驾驶技术的发展和普及。在众多科技公司中，百度是拥抱人工智能和机器学习的先驱之一。这次，为了鼓励更多创新和机遇，百度主动开放自动驾驶技术，让参与者更好地利用我们的技术推动整个行业的演变。

　　我们想为用户提供什么类型的自动驾驶功能？在当前阶段，百度更关注在不同场景下解决实际问题，主要聚焦于制定三类特定场景下的自动驾驶解决方案。第一，高速公路行驶场景。高速公路行驶占据了一半以上的驾驶总时间，且道路环境相对封闭和稳定，显然是自动驾驶绝佳的应用场景。 第二，自动代客泊车场景。停车位资源在北京、纽约或伦敦这些大城市非常紧张，因此我们希望为司机解决这些问题。第三，卡车或商用车的自动驾驶。当下，运营商用车的费用中，人力和燃料成本分别占据三分之一，剩下的三分之一才是汽车本身。实际上，商用车在环境相对封闭的港口、矿场及工厂等地上按照固定路线低速运行，实现自动驾驶较为容易，将自动驾驶技术应用到物流运输等商用车上，能节约大量的人力成本和燃料成本。因此，发展自动商用车同样具有经济意义。

　　自 2016 年在百度世界大会上宣布联手开发自动驾驶以来，英伟达一直是百度咋在自动驾驶领域最重要的合作伙伴之一。在接下来的幻灯片中，我将展示我们自动驾驶技术在英伟达DRIVE PX 2上的应用成果。

　　1. Road Hackers 是基于深度学习的自动驾驶开放平台，它可提供海量中国路情驾驶数据的开放、基于深度学习的自动驾驶算法的演示和自动驾驶算法基准测试评比。百度在中国有一支庞大的地图采集车队，其中一个优势是具有街景图像和汽车状况的海量数据。此外，我们在采集图像过程中还会记录方向盘转角、刹车、加速和其他动作信息。有了这个庞大的数据库，我们可以使用端到端深度学习算法教汽车像人类一样驾驶。你可以看到我们的算法能很好地记录人类驾驶者的驾驶行为。

　　我是百度智能汽车事业部总经理顾维灏，很高兴能够在这一届 GTC 大会与你们分享百度在自动驾驶上的最新进展。我演讲的主题是“自动驾驶民主化”。

　　实际上，在发布之际，百度发方面便称“Apollo”计划旨在搭建起一个以合作为中心的生态体系，为合作伙伴赋能，共同促进自动驾驶技术的发展和普及。

　　1. 百度的自定位技术运行在 PX2 上，为自动驾驶提供厘米级精度。

　　以下为百度智能汽车事业部(L3)总经理顾维灏演讲实录：

　　在“阿波罗计划”的帮助下，OEM 厂商和其他合作伙伴能够快速搭建一套属于自己的完整的自动驾驶系统。当然，我们希望将自动驾驶从研究项目转变为商业化产品。因此，我们将自己定位为领先的自动驾驶解决方案提供商：为合作伙伴提供数据和技术，推进智能汽车的量产。我们的解决方案的三大价值主张是：安全、舒适和经济。