学习自动驾驶的路径是什么？这份技能图谱告诉你

从 2015 年 8 月至今，近 50 个人工智能、前端开发、移动开发、云计算、架构、运维、安全、测试等 IT 技术领域的技能图谱陆续在 GitHub 上上线，帮助开发者、工程师梳理知识框架结构，并尝试提供路径指导和精华资源，方便技术人学习和成长。

在时下非常受关注的自动驾驶领域，大部分开发者的感受都是只见树木不见森林，不知道如何建立对自动驾驶的宏观认知，不知道自动驾驶涉及的专业技能都有哪些，更不了解自动驾驶的学习路径。

这也是极客邦科技联手百度 Apollo 团队，共同推出《Apollo 自动驾驶工程师技能图谱》的原因所在——希望 Apollo 将其在自动驾驶领域的研发实力、技术沉淀、行业洞察，以及 Apollo 核心能力和技术框架，进行一个梳理和沉淀，为希望深入自动驾驶领域的开发者和工程师，呈现一个自动驾驶的技能全景图。

技能图谱十问十答

为什么这份技能图谱值得你收藏、甚至打印出来挂在办公室里或者书桌前？我们邀请这个技能图谱的策划人——Apollo 布道师团队和技术团队进行解答。

问题 1：为什么要规划这样一份技能图谱？技术发展太快，技术模块涉及繁多，自动驾驶领域需要这样一个技术和技能的梳理，帮助自动驾驶工程师全面了解、快速学习和成长，也给有志于转行自动驾驶的技术人一个指引。

问题 2：该技能图谱面向哪些人群？可以帮助学习者达到什么目标？主要面向两类人群，他们都希望学习自动驾驶，他们或是学生，或是 Apollo 生态中的合作伙伴。一类就是懂得开发工具和语言开发的开发者和工程师，他们可以从这份技能图谱中补充机器学习和车辆相关的知识；另外一类人群就是机器学习从业者，他们可以通过这份技能图谱，深入了解自动驾驶的各个模块，因为 Apollo 不同模块之间的差异性大，即使对于百度内部工程师，这个技能图谱也有借鉴意义。

问题 3：这份技能图谱包括哪些学习模块？模块设立和划分规则是什么？这份技能图谱包括两大模块，首先是基础层，就是 Apollo 开发会用到的共性的语言和编程方式；其次是 Apollo 层，既包括 Apollo 开放的感知、决策规划、智能控制、End-to-End 等自动驾驶核心能力，也包括硬件，比如 GPS、雷达、传感器、车辆相关的知识和技能。

问题 4：这份技能图谱是怎么策划出来的？在策划阶段，按照模型、算法、硬件、车辆相关背景知识四个维度，以问卷、面聊等多种形式，收集百度内部 7、8 个团队近 30 位技术专家的专业反馈，再把反馈按照目前的基础层、Apollo 层整理分类，经历多次 Review，最后与大家见面。

问题 5：自动驾驶领域的开发者，哪部分的学习能力需要加强？

大部分自动驾驶开发者的『软实力』较强，硬件方面的学习能力相对较弱，尤其基于 GPU 或者 FPGA 的芯片编程方面的能力继续增强。

问题 6：对于学习 Apollo 的开发者来说，最大挑战是什么？最大挑战就是 Apollo 运行起来，下一步该怎么做？因此 Apollo 会在 2.0 版本中开放很多调试、绘图、排查问题的工具；

另外的挑战就是硬件方面了，如果开发者买一个设备进行调试，在没有官方人员支持的情况下是比较困难的，因此 Apollo 把适配后的硬件设备发到 GitHub，让开放设备在 GitHub 上有现成实例，开发者改过之后就可以用。

问题 7：自动驾驶人才需求缺口大吗？非常大。目前我国汽车从业人员达到 360 万，但其中技术人才不到 50 万，占比不到 15%。这其中虽然很难明确界定自动驾驶人才有多少，但是可以想见肯定不多。而且从自动驾驶专业人才年薪动辄几百万上千万，就可以知道人才有多紧缺。

问题 8：目前 Apollo 最需要哪方面的人才？目前会有很多合作伙伴寻求接入 Apollo 开放平台，为自己的产品注入自动驾驶能力。在接入过程中，车辆、硬件传感器的接入是开发者需要接受的第一关，需要掌握系统集成方面的知识。解决了集成问题后，对自动驾驶的要求就会往感知、决策规划、智能控制等模块方向进行转移。所以，了解整体 Apollo 结构的开发者，会是 Apollo 需要的人才；如果对其中某一模块非常熟知，也会是 Apollo 非常需要的人才。

问题 9：自动驾驶开发者还有什么其他的学习路径？开发者可以从搭建一个 Apollo 的 Demo 环境开始，学习 Apollo 相关模块的技能知识。在 Apollo 的代码注释中，百度工程师列出了模型对应的参考资料，包括参考书或者论文，这也算是一个学习的捷径。如 Apollo2.0 新增控制器 MPC，对应的源文件包含对该控制模型相关的资料推荐： 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.
 */

问题 10：已经拿到技能图谱的同学，他们看过之后希望 2.0 版本有哪些改进？- 能有各分支更细化的知识和技能表，包括推荐一些好的学习资源；

• 期望后续版本可以极大降低无人车成本，实现量产；
• 希望提供能力进阶地图；
• 希望细化知识点，把软硬件、算法的接口信息定义出来。

首批用户对技能图谱评价

我对 Open Modules 最感兴趣，因为我相信开源的力量是非常强大的，在使用开源代码的时候不仅能够促进百度的技术进程，开源还让我思考——我可以利用这些开源项目来做些什么，这是一个多赢的发展方向。从 1.0 版本技能图谱可以看出，Apollo 对于自动驾驶现有问题都能给出成熟的解决方案，已经极尽现有经验和想象。

这份技能图谱让我对自动驾驶所涉及的技术领域有一个清晰认识，便于让我结合自身能力进行相关学习。

我对这份技能图谱感知规划部分非常感兴趣。知识技术都是相通的，可以灵活迁移，该部分对本人现在从事的机器人自主视觉导航具有很大的借鉴意义。

识别以下二维码，关注 Apollo 开发者社区公众号，在输入框回复『技能图谱』，就可获得一份高清电子版。

（文章评论区回复关键词是收不到的哦！）