汽车机器人百度造——不是所有无人车都叫汽车机器人

什么是汽车机器人？

它可以是客运，Robotaxi、Robobus；

它可以是货运：干线、支线、仓储、配送、特种作业（矿山/港口）的货车；

它甚至可以更贴近我们的生活：比如零售和环卫的低速小车。

……

当然，像类似的产品还有很多，功能场景决定了它不同的形态。

我们的理解中汽车机器人是一类产品的统称，它们以汽车为型、以自动驾驶为神，可以覆盖我们生活的方方面面。

今天，百度召开Create2021 大会，大会上百度正式推出了Apollo7.0，据百度介绍，这是一套经历了数代迭代之后的自动驾驶工具化平台。

基于这样的一套平台，百度 Apollo甚至喊出了「多元汽车机器人连接技术与场景」、「汽车机器人百度造」的口号。

这就让我们颇为好奇，Apollo7.0 是一个什么样的工具？汽车机器人相比传统无人车又有哪些新的定义？在自动驾驶群雄争霸的格局下，百度又是何来的底气敢喊出上面两句口号的？

汽车机器人的技术底座

百度之所以有勇气喊出「多元汽车机器人看百度」、「汽车机器人百度造」这样的口号，核心就在于百度在自动驾驶技术上的长期积累。

截止目前，Apollo测试车队规模已达 500 辆级别，获得专利数 3400 件，在世界范围内的近 30 个城市开放道路测试，测试总里程超过 2100 万公里，是全球唯一一家实现千万公里级路测积累的中国企业。

为了把这些积累快速赋能给合作伙伴，Apollo 平台便应运而生。

今天发布的 Apollo 7.0 便是这套工具化平台不断迭代后的最新版本，它提供了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。

从 2017 年 Apollo 计划开启以来，4 年间，Apollo已经实现了 11 个版本的迭代，升级速度颇为迅速，几乎每一个版本都代表着那个时间段最尖端的自动驾驶技术。

Apollo1.0 主推封闭场景循迹自动驾驶；

Apollo1.5 实现了昼夜定车道自动驾驶；

Apollo5.5 开放「点到点城市自动驾驶」能力，它不仅是全球范围内首次该能力的对外开放，还为可量产落地的自动驾驶场景，升级打造了多套成熟的自动驾驶解决方案；

Apollo6.0 提供包括智能新模型，安全无人化，系统新升级，联动新服务，V2X车路协同五大功能，车辆认证平台、硬件开发平台、开源软件平台和云端服务平台四大平台都有诸多升级。

在前几代 Apollo 的能力之上，最新的 Apollo 7.0 又新增了包括一站式实践云平台 Apollo Studio、业内领先的仿真服务和更高效的新模型、PnC 强化学习训练与评测服务三大模块。

用百度的话说，它实现了 Apollo 从代码到工具、从开源平台到工具化平台的进化。

所谓工具化平台，它的核心特点就是可以让无人车的开发工作更敏捷高效、更轻松上手，让生产无人车的作业流程成为一个「标准动作」。

具体能力需要从这次平台新增的三大特性来讲：

1、Apollo Studio

Apollo Studio 实际上是「数据流水线」功能升级而来，它通过全流程的云端工具链为开发者提供了从上机到上车实践的一站式体验。

无需面对实车，开发者面对电脑就可以一键获取 Apollo 云端实训环境，而且不需要在本地进行安装系统、驱动、下载源码、编译等繁琐步骤。

开发者来到车端，Apollo 7.0 会识别车辆类型，并智能同步云端车辆配置，这就进一步降低了调试车辆的门槛。

我举个例子方便大家理解，Apollo Studio 就好比是一套赛车模拟器，它有各种丰富的赛道环境，你还可以在里面按照自己的需求对赛车进行配置调校，在模拟赛道中苦练车技。回到现实赛道，你甚至能够把模拟器中对车辆的参数设计通过云端直接同步写入到对应的真实赛车中去。

理论上，开发者只需要有一台搭载了 Apollo 7.0 的电脑，就可以随时随地开发无人车，并且还能很容易地把代码注入到实车中。Apollo Studio 提供的就是云端工具链以及云端同步的能力。

2、PnC强化学习

具备了云端能力只是第一步，仿真环境哪里来？这就需要一套强大的引擎构建这个环境，并且提供测试能力，而搭台唱戏的就是 PnC 强化学习模型训练与仿真评测平台。

首先，它是「出卷人」。

它必须具备海量基于真实路测数据还原的仿真场景，也就是真实道路中会出现的复杂场景，它都会收录。它的任务就是尽可能地 1：1 还原真实路况，甚至模拟出更复杂的环境。

再者，它是「阅卷人」。

不仅要出卷，它还具备「批卷」的能力。开发者在它建立的环境中「学习」、「做题」，系统就需要作出相应的「评价」。

评价体系的建立来自于交规、安全、体感、智能性等方方面面，系统需要针对这些对代码上车之后的实际表现作出评估。

另外就是拓展性，每一个开发者强化学习的级别可能有所不同，这就需要系统提供可扩展的接口，开发者既可以调参，也可以拓展实现自己的强化学习算法。简单来说，就是因人而异，满足不同段位开发者的个性化需求。

3、模型升级

在新一代的 Apollo 7.0 上，百度对感知和预测算法模块进行了升级，通过引入了三个基于深度学习的模型，有效减少了漏检、抖动等问题。

Lidar 感知实现了 MaskPillars 激光点云障碍物识别模型，相比上代在准召性能上有了较大提高。

Camera感知实现了SMOKE视觉障碍物模型，提供端到端单目 3D 障碍物检测能力，不用依赖后处理操作。

预测上提供了Inter-TNT障碍物交互预测模型，通过引入障碍物与主车轨迹交互、高效编解码器，预测精度和性能都有显著提升。相比上一代，新模型的前向计算时间从15ms提升至 10ms，minADE 和 minFDE 等关键指标均有 20% 以上提升。

简单来说就是感知更准、预测更快。

从最开始的封闭场地循迹自动驾驶，到城市路况自动驾驶，再到迈向无人化的自动驾驶，正是 Apollo 一次又一次的迭代把自动驾驶技术的能力边界一步一步地向外拓展，让无人车的研发变得越来越「容易」。

技术+场景=汽车机器人

汽车机器人和狭义上的无人车究竟有何区别？答案并不难想，是场景化。

通过 Apollo 7.0 的开源技术，百度 Apollo 可以轻松地打造无人车，但无人车作为产品终究是服务于人的，自动驾驶只是它作为新时代载具的基础能力，而它的核心是具备应对各种场景的能力。

从无人车到汽车机器人，百度在 2020 年 12 月提出了 Apollo X 计划。

通过在人才、技术、资本、场景等多个维度对不同赛道独角兽的扶持，百度希望将产品与场景串联，基于自动驾驶技术打造出能够适应各行各业的丰富多样的汽车机器人，让自动驾驶技术能够快速地商业化落地。

这并不是一个泛泛而谈的计划，事实上，通过 Apollo 一代又一代的技术沉淀、Apollo X 计划的积极串联，百度已经和各个领域的合作伙伴编织出了一张颇具规模的产品网格。

比如在客运赛道，百度Apollo有自动驾驶出行服务“萝卜快跑”，推出Robotaxi第五代无人车Apollo moon，作为出租汽车机器人；在无人化公交，推出公交汽车机器人阿波龙；在货运和运输赛道，布局 DeepWay 重卡机器人；在生活服务，有新石器的零售汽车机器人。

最为人所熟知的是公交汽车机器人：阿波龙。

今年 8 月 5 日，全新一代自动驾驶小巴阿波龙二代在广州黄埔正式亮相。

自量产下线至今，阿波龙二代已在北京、广州、雄安、重庆、佛山等 22 个城市落地部署，作为大规模常态化运营的自动驾驶小巴，它累计服务人次超过 12 万人，累计自动驾驶里程超 12 万。

媒体和试乘者们对阿波龙 2.0的普遍评价是拥有比肩 Robotaxi 的自动驾驶能力和优秀智能座舱体验。

它取消掉了方向盘、油门刹车，没有独立的驾驶舱，车内空间完全让渡给了乘客使用，55 英寸的 AR 智慧车窗化身交互大屏，颇为科幻，可以说是一台方方方面为乘客考虑的公交汽车机器人。

干线物流汽车机器人：Deepway

狮桥作为 Apollo X 计划第一家落地的公司，它把物流运营场景与百度的自动驾驶技术深度结合，推出了 Deepway 这一新能源重卡品牌。

通过专业的场景化调度和自动驾驶的加持，Deepway 的推出有望能够大大减轻了重卡司机的工作压力，提升运营效率的同时还能进一步降低卡车运输的交通事故率。

物流作为自动驾驶的重要场景之一，同样是一片万亿级的市场，百度 Apollo 与狮桥的合作前景不言而喻。前者的技术赋能与后者在车型上量身定制的能力合二为一，这就能更好地打造出理想型的物流汽车机器人。

特种作业机器人、慧矿山解决方案：华能伊敏自动驾驶矿卡

矿山一直都是自动驾驶公司必争的场景之一，百度 Apollo 为此打造了一套车路云一体化的解决方案。

首先，在车端赋予矿卡定位、感知、规划决策、控制等自动驾驶能力；

再者赋能路段，V2V 技术为矿卡提供实时精准的位置及作业状态信息，支持动态对铲、路权管理、编组作业等场景。V2I 基于路侧感知及计算提供协同调度、主动防碰撞等特色功能。

最后是云端，百度提供了远程驾驶、高精地图、OTA、仿真、数据管理等工具及平台，为车队高效精细及数据化运维提供平台支撑。

零售汽车机器人：新石器

由百度 Apollo 和新石器打造的零售汽车机器人不仅在雄安新区等多地的园区开启了零售运营，更在去年的防疫工作中立下了汗马功劳。

在抗疫期间，零售机器人化身「外卖机器人」、「消毒机器人」在各地的医院来回穿梭，承担了送餐、消毒工作，大大减少了人流交集带来的感染风险。

从上述的合作可以看出，百度在寻求合作伙伴这件事上并不是盲目地「广撒网」，它一般先是瞄准一条场景化赛道，再去这条赛道中挖掘独角兽企业，然后推出定制化的产品。

上述提到的干线物流、矿山作业、园区配送一直都被认为是自动驾驶最容易技术落地的领域，它们的共性是场景单一、速度可控，同时市场需求巨大，用机器可以大大减少人力成本，是自动驾驶商业化的最佳标的。

而百度 Apollo 的这些合作无论是广度还是深度，都是一般竞争对手所无法企及的。

事实上，也只有百度这样大厂，才能有如此丰富资源支撑其在多条赛道上全面开花。

最后

自动驾驶产品不仅仅是技术导向，更加是场景导向，无法服务于人的自动驾驶 Demo 始终是空中楼阁。

行业里很多人都说百度是中国自动驾驶行业的领军企业，这种判断并不是没有根据。

作为重场景、重体验的产品，无人车绝非简单的自动驾驶载具，它需要因「场景」制宜地进行个性化开发。技术服务于产品，而产品服务于场景，服务于人。

这也可以说是自动驾驶商业化目前可以想到的终局。

通过此次大会，我们清晰地看见，百度正在通过 Apollo 7.0 和 Apollo X 计划努力将技术和产品打通，让合作伙伴可以轻松高效地将自动驾驶产品快速商业化落地。

不谋全局者不足谋一域，打造多元化的汽车机器人这件事要比打造无人车想得更远、想象空间更大，这也正是百度这家巨头公司和初创企业布局上的差异。