“百度在保證自動駕駛汽車的安全方面做了哪些工作”、“我是新加坡的留學生，所以想了解下Apollo在海外的下一步計劃是什么”、“開發者在Apollo生態中的商業化空間和機會點在哪里”……自百度AI開發者大會召開以來，Apollo無疑是當前自動駕駛行業最熱門的話題，開發者們更是對Apollo充滿了期待和好奇。7月22日，這些對Apollo開放細節的研究、利用Apollo開發時遇到的問題都在第73期百度技術沙龍上得到了解答。在這個Apollo首次面向開發者的技術交流會上，除了來自車企、Tier1、自動駕駛創業公司、科研機構的專業人士，甚至還吸引來了關注自動駕駛的長者和學生。主辦方布置了100多人的座位，現場卻來了近350多名聽眾，火爆程度可見一斑。

　　由于需要大量的數據、前沿技術和人力物力投入，自動駕駛之前一直是大公司的“專利”，而Apollo就是要為奮斗在研究一線的開發者們提供資源、技術和能力，從而降低自動駕駛研究的門檻。而且Apollo不僅要“授人以魚”，還要“授人以漁”，此次技術沙龍，百度就特別從Apollo數據開放平臺的使用、ROS系統在自動駕駛研發中的改進、End to End模式自動駕駛方案的實踐等實際操作層面為開發者們“現場教學”。

　　百度自動駕駛事業部資深架構師、數據平臺專家楊凡通過《Apollo能力開放與資源開放》為開發者介紹了Apollo平臺具體開放了哪些能力與資源，以及如何利用平臺進行應用開發。據楊凡介紹，7月5日發布的Apollo 1.0開放了封閉場地自動駕駛能力，目前包括控制、定位等技術模塊以及3D障礙物數據、紅綠燈標注數據、Road Hackers數據等。百度數據開放平臺首期開放數據量十分可觀，根據其官網顯示，目前百度開放了3D障礙物數據共20000幀，其中含障礙物共約23.6萬;紅綠燈標注數據包括20000幀圖片，采集時間段覆蓋白天的上午、中午與下午，也包含了晴天、陰天 和霧霾等豐富的場景;而Road Hackers數據集更是覆蓋了中國整個公路網，總長達百萬公里。此外，伴隨Apollo平臺的不斷深入開放，平臺開放的數據量也將持續增長，成為開發者在機器學習訓練過程中的寶貴資源。

　　在其后的《Apollo代碼開放框架—ROS在百度自動駕駛的探索與實踐》演講中，百度自動駕駛資深架構師何瑋展示了如何優化ROS系統在自動駕駛領域中的應用，據了解，百度通過通信性能優化、去中心化的網絡拓撲以及數據兼容性擴展等方法巧妙對ROS進行了改進，解決了ROS在工程化應用中的缺陷，為開發者提供了更為高效的開發環境。

　　在今年6月的CES Asia中，百度與英偉達、長城合作共同打造的自動駕駛汽車在室外展區大放異彩，加減速、出入彎都十分熟練，而這輛車正是基于單攝像頭的端到端深度學習自動駕駛解決方案。那么“端到端深度學習自動駕駛解決方案”有何優勢呢?百度資深架構師郁浩帶來了此次沙龍的最后一個主題演講——《基于深度學習的 End to End自動駕駛方案》。End to End(端到端)，是一種較為新型的自動駕駛解決方案。與rule based(規則式)相比，端到端的解決方案具有復雜度低、廣鋪成本低、傳感器成本低等優勢，同時對于車載計算資源的利用率也高于傳統的規則式解決方案。郁浩表示，端到端與規則式的融合方案是公認的未來自動駕駛主流模式，百度也在努力將二者的優勢相結合。

　　百度集團總裁兼首席運營官陸奇在百度AI開發者大會上表示，“開發者的成功，才是百度的成功。”百度通過籌辦技術競賽、舉行技術講座、孵化潛力項目等方式深入賦能開發者。