7月22日， 百度Apollo开放平台举行了首次技术沙龙，主题为“Apollo平台与智能驾驶方案深度解析”。尽管这天是周六，中关村车库咖啡馆100平米左右的活动现场仍聚集了超过350位参会者，从大学生到科研学者，从职场精英到个人开发者，听众年龄跨度超过50岁，这也充分证明了当下AI、自动驾驶等领域已成为热门的行业。
Apollo开放平台自百度AI开发者大会宣布正式开放以来，持续是行业的热门话题之一。Apollo平台开放首日就在开源社区Github的热门项目排行榜中，升至C++语言类项目的榜首，成为了科技极客圈的新晋“网红”。开发者对Apollo的热情持续高涨，很多开发者非常期待可以深入了解Apollo平台的开放内容，以便更充分高效的利用Apollo平台， 研究并落地自己对于自动驾驶的诸多想法。也正是为此，百度特地组织了这次技术交流活动。
这次技术沙龙，从Apollo整体框架及数据平台的使用，到整体代码框架的改进方法，再到智能驾驶完整解决方案的实践经验，解答了许多开发者在智能驾驶研发过程中遇到的诸多实际问题。
沙龙主要包括三个主题演讲环节，百度自动驾驶事业部资深架构师、数据平台专家杨凡，通过《Apollo能力开放与资源开放》为开发者讲解了如何获取Apollo代码框架，并进行应用开发。据杨凡介绍，Apollo 1.0的开放能力共有四个核心特点：高效易扩展的架构、立即可用的硬件、一键启动的更新功能以及完备的开发工具。此外，杨凡还对Apollo云端开放资源，即数据开放平台的逻辑架构和使用流程进行了详细介绍，开发者们可以十分便捷地通过Apollo数据开放平台进行云端模型训练和分析调试。他表示，开放自动驾驶能力和数据资源并非最终目的，与合作伙伴密切合作并形成行业化的解决方案才是百度开放Apollo平台的增量价值。
第二个部分是《Apollo代码开放框架―ROS在百度自动驾驶的探索与实践》。ROS是机器人(18.83 -0.42%,诊股)研究领域中使用最广泛的开发框架，它可以起到类似操作系统的作用，但因为它本身主要用作学术领域，所以在工程化方面仍存在一些缺陷。主讲人何玮是百度专注于自动驾驶车载计算框架的资深工程师，他分享了百度在ROS使用中遇到的一些问题和解决方案：大数据量传输性能瓶颈、单中心结构存在单点风险以及数据格式缺乏后向兼容。并分别从去中心化的网络拓扑、共享内存、数据兼容性扩展等三方面对策介绍了百度是如何改进ROS系统的。
如何利用Apollo开放的能力、技术和资源设计并实现一整套自动驾驶方案？针对这个问题，百度资深架构师郁浩带来了当天最后一个主题演讲――《基于深度学习的 End to End自动驾驶方案》。End to End（端到端），是一种较为新型的自动驾驶解决方案。与rule based（规则式）相比，端到端的解决方案具有复杂度低、广铺成本低、传感器成本低等优势，同时对于车载计算资源的利用率也高于传统的规则式解决方案。
.jpg&h=124&w=218&zc=1)
