一份技能图谱告诉你，学习自动驾驶的路径就是这么简单

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。