林荫道路 GPS 信号弱：一般树木环绕的环境下 GPS 定位效果都不佳，Apollo 采用的解决办法是在高精地图里面嵌入多个定位的锚点，通过锚点精准定位出一条导航线路，解决弱 GPS 环境下的导航问题;
红绿灯是定位与感知：采用停止线关联对应的红绿灯方式，高精地图内部包含红绿灯的精确位置和高度信息，来降低感知难度，避免误识别;
复杂路口：对于复杂的路口，高精地图在路口所有的左转 / 右转车道上绘出虚拟车道及其关联线，来降低决策规划的难度，并在所有左转 / 右转的路口标志 ROI 区域，减少计算量的同时保证也能安全。
据毛继明介绍，Apollo 高精地图是最懂自动驾驶的高精地图，也是业界精细化程度最高、生产率最高、覆盖面最广的高精地图。目前，Apollo 高精地图的自动化程度已经达到了 90%、准确识别率达到了 95% 以上，预计 2020 年可以覆盖全国所有的重点道路。
云端仿真平台及应用
仿真平台可以说是自动驾驶的加速器，在上路实践之前，自动驾驶的各项性能测试在云端的仿真必不可少。Apollo 1.5 开放的仿真平台内置高精地图，拥有海量真实中国交通场景与强大的云端计算能力，并且通过交规类、模块类、体感类等 200+ 维度评估，能够精准而又全方位的评测自动驾驶各项能力，是为自动驾驶量身打造的专业度量体系。
Apollo 1.5 仿真平台开放了大量的仿真场景、算法上传与场景运行、智能判别系统以及算法的 3D 可视化功能，支持整体算法和单一模块的验证，在用法上也比较简单，如果要把具体的模块替换掉，只要 follow Apollo 的接口，就可以运行起来。当然如果不符合 Apollo 的规则，可以以整包的方式提交。
据悉，Apollo 2.0 版本会在 12 月底或者 1 月初发布。届时仿真平台的度量纬度、计算能力都会有大幅度的提升。预计在 2018 年底，可以为使用者交付日行百万公里的计算能力，或者仿真能力。
3基于深度学习的 End-to-End 自动驾驶方案
基于深度学习(以 End-to-End 为主)的自动驾驶方兴未艾。百度拥有超大规模的训练数据，同时也在国内首次实车展示了这种自动驾驶。百度资深架构师郁浩就 Apollo 1.5 开放的最后一个核心功能：基于深度学习的 End-to-End 自动驾驶方案做了详细介绍。
Rule-Based 系统与 End-to-End 系统的对比
目前，对于自动驾驶系统的选择，业界有两种不同的看法和选择：传统的 Rule based 系统与 基于深度学习的 End-to-End 系统，这两种系统实现方式不同，在性能和应用上各有优缺点。
传统的 Rule-Based 系统：与 End-to-End 相对应的是传统规则式的无人驾驶系统，它经历了二三十年的研究和试跑过程，运用业界和学术界主流的 Rule-Based 系统，从车辆、到传感器感知、World Model、然后进行决策、控制、最后到车辆，形成了比较完整的闭环系统。不过，其在实际的应用上还是有比较明显的瓶颈：系统复杂(人工设计)、高精地图成本高(需要广铺以及实时更新)，计算性能(资源浪费)等都是硬伤。而 End-to-End 方式能够很好的解决这些问题。
End-to-End 系统：人类在驾驶的时候有两种行为：第一种是潜意识行为，人们不需要知道路面的每一个特点，不需要精确的位置和车距，多数时间是靠下意识完成;第二种是需要集中注意力和实时判断，比如变道时要考虑前后车辆的情况、盲区等，依靠充分的深入判断做出决策。而 End-to-End 系统对应的是第一种潜意识的行为，它更细化的是输入原始的传感器数据。
上图为 Rule-Based 与 End-to-End 优劣对比，通过对比，可以看到 End-to-End 方案虽然解决了 Rule-Based 在应用上的部分缺点，但其在基本功能实现上需要进一步的探索和实践。郁浩认为，这两种方案，均有各自的优劣势，在现阶段，无法完全依靠某一种深度学习方案实现自动驾驶功能，Rule-Based 和 End-to-End 在未来的趋势上必将是吸收对方的优点进行融合而绝非对立。
Apollo 实践：数据与模型
Apollo 1.5 平台的 End-to-End 系统目前已经有很多公开数据集，大概可以分成分两类：一类是真实的采集数据，一类是模拟器的数据。从采集成本来看，真实数据采集成本是适中，可用性高，不过目前百度采集到的数据较少，难以支撑上路实用;另一方面，模拟器的采集成本相较而言极低，当然可用性亦有限，在真实的场景无法完全可用，需要有新的技术突破。
免责声明：科技狗对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。 本网站转载图片、文字之类版权申明，本网站无法鉴别所上传图片或文字的知识版权，如果侵犯，请及时通知我们，本网站将在第一时间及时删除：yzl_300@126.com
