从 2015 年 8 月至今，近 50 个人工智能、前端开发、移动开发、云计算、架构、运维、安全、测试等 IT 技术领域的技能图谱陆续在 GitHub 上上线，帮助开发者、工程师梳理知识框架结构，并尝试提供路径指导和精华资源，方便技术人学习和成长。
本文引用地址：http://www.eepw.com.cn/article/201801/374920.htm
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。
这也是极客邦科技联手百度 Apollo 团队，共同推出《Apollo 自动驾驶工程师技能图谱》的原因所在——希望 Apollo 将其在自动驾驶领域的研发实力、技术沉淀、行业洞察，以及 Apollo 核心能力和技术框架，进行一个梳理和沉淀，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。
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？我们邀请这个技能图谱的策划人——Apollo 布道师团队和技术团队进行解答。
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？
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;
期望后续版本可以极大降低无人车成本，实现量产;
希望提供能力进阶地图;
希望细化知识点，把软硬件、算法的接口信息定义出来。
