スキルマップは、自動運転技術の開発経路が非常にシンプルであることを示しています

2015年8月から現在までに、人工知能、フロントエンド開発、モバイル開発、クラウドコンピューティング、アーキテクチャ、運用と保守、セキュリティ、テストなどのIT技術分野の約50のスキルマップがGitHubで公開され、開発者とエンジニアが知識フレームワークの構造を整理するのに役立ち、技術者の学習と成長を促進するためのパスガイダンスと必須リソースを提供するよう努めています。

この記事の参照アドレス: http://www.eepw.com.cn/article/201801/374920.htm

現在、大きな注目を集めている自動運転の分野では、ほとんどの開発者が「木しか見えず、森は見えない」と感じています。自動運転に対するマクロレベルの理解をどのように確立すればよいのか、自動運転にどのような専門スキルが必要なのか、自動運転の学習パスを理解していません。

これは、GeekBang TechnologyがBaidu Apolloチームと提携して「Apollo自動運転エンジニアスキルマップ」を共同で立ち上げた理由でもあります。Apolloが自動運転分野におけるR＆Dの強み、技術の蓄積、業界の洞察、Apolloのコア機能と技術フレームワークを整理・統合し、自動運転分野をさらに深く探求したい開発者やエンジニアに自動運転スキルの全体像を提示することを期待しています。

スキルマップに関する10の質問と回答

このスキル マップを収集したり、印刷してオフィスやデスクに貼ったりする価値があるのはなぜでしょうか?このスキルマップの企画者であるアポロ エバンジェリスト チームとテクニカル チームを招待して質問に答えてもらいました。

質問 1: なぜこのようなスキル マップを計画する必要があるのでしょうか?

テクノロジーの発展は急速に進んでおり、多くの技術モジュールが関わっています。自動運転の分野では、自動運転エンジニアが完全に理解し、学習し、迅速に成長できるようにするためのテクノロジーとスキルの組み合わせが必要であり、自動運転への移行に関心のある技術者へのガイダンスも必要です。

質問 2: このスキル マップは誰を対象にしていますか?学習者がどのような目標を達成するのに役立ちますか?

これは主に、自動運転を学びたい 2 つのグループを対象としています。彼らは、Apollo エコシステムの学生またはパートナーです。 1 つのグループは、開発ツールと言語開発を理解している開発者とエンジニアです。彼らはこのスキル マップから機械学習と車両に関する知識を補うことができます。もう 1 つのグループは、機械学習の実践者です。彼らはこのスキル マップを使用して、自動運転のさまざまなモジュールを深く理解することができます。さまざまな Apollo モジュールには大きな違いがあるため、このスキル マップは Baidu の社内エンジニアにとっても参考価値があります。

質問 3: このスキル マップにはどのような学習モジュールが含まれていますか?モジュールの設置と分割のルールは何ですか?

このスキル マップには、2 つの主要なモジュールが含まれています。1 つ目は基本レイヤーで、これは Apollo 開発で使用される共通言語とプログラミング方法です。2 つ目は Apollo レイヤーで、これには Apollo のオープン パーセプション、意思決定計画、インテリジェント制御、エンドツーエンドなどの自律運転のコア機能のほか、GPS、レーダー、センサーなどのハードウェア、車両関連の知識とスキルが含まれます。

質問 4: このスキル マップはどのように計画されましたか?

企画段階では、アンケートや対面インタビューなどを通じて、モデル、アルゴリズム、ハードウェア、車両関連の背景知識の4つの側面で、百度内の7〜8チームの約30人の技術専門家から専門的なフィードバックを集め、現在の基本層とアポロ層に応じてフィードバックを整理・分類し、複数回のレビューを経て、最終的に全員に提示しました。

質問5：自動運転分野の開発者にとって、学習能力のどの部分を強化する必要がありますか？

自動運転開発者の多くは「ソフトパワー」は強いものの、ハードウェアの学習能力は比較的弱く、特にGPUやFPGAに基づくチッププログラミング能力は向上し続けています。

質問 6: Apollo を学習する開発者にとって最大の課題は何ですか?

最大の課題は、Apollo を稼働させることです。次に何をすべきでしょうか?したがって、Apollo バージョン 2.0 では、多くのデバッグ、描画、およびトラブルシューティング ツールが利用可能になります。

もう 1 つの課題はハードウェアです。開発者がデバッグ用にデバイスを購入した場合、公式サポートがなければ困難です。そのため、Apollo は適合したハードウェア デバイスを GitHub に送信し、オープン デバイスには GitHub 上に既製のインスタンスが用意され、開発者はそれを変更後に使用できるようにしています。

質問7：自動運転の人材に対する需要に大きなギャップはありますか？

とても大きいです。現在、我が国の自動車産業に従事する人は360万人ですが、そのうち技術系従事者は50万人未満で、15％未満を占めています。自動運転の才能がどれだけあるかを明確に定義することは難しいですが、決して多くはないと考えられます。さらに、自動運転の専門家の年収は数百万、数千万になることが多いことからも、人材不足がいかに深刻であるかが分かります。

質問8: アポロに現在最も必要な才能は何ですか?

現在、多くのパートナーが、自社製品に自動運転機能を組み込むために、Apollo オープン プラットフォームへのアクセスを模索しています。アクセス プロセス中、車両とハードウェア センサーへのアクセスは開発者が受け入れる必要のある最初のハードルであり、システム統合の知識を習得する必要があります。統合問題を解決した後、自動運転の要件は、認識、意思決定計画、インテリジェント制御などのモジュールへと移行します。したがって、Apollo の全体的な構造を理解している開発者は、Apollo が必要とする人材となります。また、モジュールの 1 つに精通している場合も、Apollo が必要とする人材となります。

質問 9: 自動運転開発者向けの他の学習パスにはどのようなものがありますか?

開発者は、まず Apollo デモ環境を構築し、Apollo 関連モジュールのスキルと知識を習得することができます。アポロコードのコメントでは、百度のエンジニアがモデルに対応する参考資料をリストアップしており、参考書や論文も含まれており、学習への近道と言える。たとえば、Apollo 2.0 では新しいコントローラー MPC が追加され、対応するソース ファイルには制御モデルに関連する推奨情報が含まれています。

https://github.com/ApolloAuto/apollo/blob/master/modules/control/controller/mpc_controller.h

/**

* @class MPCController

*

* @brief LQR ベースの横方向コントローラー。ステアリングターゲットを計算します。

※詳細については、「車両のダイナミクスと制御」を参照してください。

* ラジャマニ、ラジェッシュ。Springer Science & Business Media、2011年。

*/

質問 10: すでにスキル マップを受け取っている学生は、それを読んだ後、バージョン 2.0 でどのような改善を期待していますか?

各部門について、優れた学習リソースの推奨事項を含む、より詳細な知識とスキルの表を作成できます。

今後のバージョンでは、無人車両のコストを大幅に削減し、大量生産を実現できると期待されています。

能力向上マップの提供を希望します。

知識ポイントを洗練し、ソフトウェア、ハードウェア、アルゴリズムのインターフェース情報を定義したいと考えています。