【新年礼物】开工第一天，送你一份自动驾驶工程师技能图谱！
AI时代到来，人才的缺乏是阻碍行业大步发展的主要因素之一。Apollo平台发布以来，我们接触到非常多的开发者他们并不是专业自动驾驶领域工程师，他们或是兴趣，或想转行，都对自动驾驶专业知识学习充满渴望。因此，我们做了一个重大的决定——做一份《Apollo自动驾驶工程师技能图谱》，这也是自动驾驶领域的首份技能图谱。
学习自动驾驶的路径是什么？这份技能图谱告诉你
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。
这也是我们推出《Apollo自动驾驶工程师技能图谱》的原因所在——希望通过Apollo在自动驾驶领域的研发实力、技术沉淀、行业洞察，结合Apollo核心能力和技术框架，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。
温馨提示：微信压缩图片会导致技能图谱模糊不清，
关注Apollo开发者社区公众号，在输入框回复『技能图谱』，就可获得一份高清电子版。
（文章评论区回复关键词是收不到的哦！）
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？看完以下问答你就明白啦。
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？
1.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；
2.期望后续版本可以极大降低无人车成本，实现量产；
3.希望提供能力进阶地图；
4.希望细化知识点，把软硬件、算法的接口信息定义出来。
首批用户对技能图谱评价
上个月底，我们在Hello,Apollo自动驾驶公开课-深圳站首发了此份技能图谱，收到现场开发者们的反馈，他们说：
我对Open Modules最感兴趣，因为我相信开源的力量是非常强大的，在使用开源代码的时候不仅能够促进百度的技术进程，开源还让我思考——我可以利用这些开源项目来做些什么，这是一个多赢的发展方向。
从1.0版本技能图谱可以看出，Apollo对于自动驾驶现有问题都能给出成熟的解决方案，已经极尽现有经验和想象。
这份技能图谱让我对自动驾驶所涉及的技术领域有一个清晰认识，便于让我结合自身能力进行相关学习。
我对这份技能图谱感知规划部分非常感兴趣。知识技术都是相通的，可以灵活迁移，该部分对本人现在从事的机器人自主视觉导航具有很大的借鉴意义。
（知识需要分享，欢迎大家留言并转发，我们也会在评论区选出20位，每人送出纸质版技能图谱一份~）