与百度谢老师关于无人车的问答记录

1. 问：
   

第一天咱们在讲运行时框架时说到了数据兼容性问题，其中提到说原本的ROS通信方式，当一个接口更新时，数据的通信会变得不兼容，这是为什么呢

答：这种情况发生在没有改造的ros情况，比如规划与控制模块各自定义好了消息类型，本来能够实现通讯 但是根据项目需要规划需要增加消息内容改变数据结构 这时如果控制模块开发人员没有更新消息数据结构的话 模块就不能正常接收消息。apollo中ros是经过百度优化改进的 使用protobuf格式作为ros消息话题 即使一个模块改变数据结构 并不影响之前设定好的消息通讯 可以正常工作
（我的理解：通信的话，双方只能按照预先约好的方式和格式通信【所谓协议】，但前一种方法，如果某一方更新了，数据的数据结构变了，后一方没跟上，那就没法通信；而后一种方法，即便某一方更新了，还是可以按照原有的数据结构发过去）

2. 问：谢老师，我还有一个问题想和您探讨一下就是一方面现在无人车已经发展到一个什么地步了（比如咱们的apollo），另一方面，现有的无人车距离普通民众所认知的那种L5无人车还有多远

答：目前大部分乘用车还是在L4阶段进行研发和测试，L4是在有限条件下的完全自动驾驶。L5是无论在任何环境下都可以实现完全自动驾驶，这个对感知和定位的挑战是巨大的，各种传感器的适应性，人工智能的持续发展，我个人觉得这是完全自动驾驶最后1%，也是最难的，需要量变到质变，还真不好说什么时候能够达到目标。但也正因为这个比较困难，自动驾驶才会那么大的魅力和需要去研究和突破的点，也是促进人类社会发展的很大动力
（我的小结：咱们长沙已经可以体验L4的无人车了，但想把无人车放出来跑，一方面肯定是还很难的，另一方面难可能就难在感知和定位）

问：在感知问题上，我看网上也是说，这似乎是无人车难度最大的地方，我光从咱们的网课上来看的话似乎相机+雷达+激光雷达这些传感器就已经可以让无人车的感知十分完备了，谢老师认为在感知上其实还有哪些问题目前处理的不太好，或者是叩待解决的呢

答：相机、毫米波、激光雷达这些传感器各有各的适用场景、相互之间进行融合，取长补短，能够很大提高感知的准确性和对环境的适用性。目前的硬件即时可以适用各种工况，比如振动、高低温、暴雨等各种情况，但软件算法上却很难保证其检测的正确性和稳定性，目前感知基本依赖于深度学习去做，深度学习相比较于传统算法正确率提高了许多，但仍无法保证其在各种环境下的适应能力和各种噪音的影响，感知适应能力能达到人眼水平，其本质在于深度学习其实是一种基于已有的数据的拟合，遇见未知的环境没有很好办法判断其泛发能力，所以还是需要人工智能进一步的发展，个人觉得基础还是理论突破
（我的总结：对于感知，传感器这些硬件层面已经做的很好了，但软件上还是有很多问题，数据处理上可能会有偏差、不稳定；而深度学习虽说给予了很大帮助，到还是无法保证“遇见未知情况时就一定能很好地做出反应”）