无人驾驶从初学到精通，你还缺一个Autoware开源教育套件！

李开复告诉我们，如果让自动驾驶完全取代人工驾驶，还需要至少20年。

因为在室外全开放环境下，载人自动驾驶车辆需要去面对更为多变的路况，这就使得其需要具备更精准的定位模块、安全模块和地图引擎，以及拥有更强的感知、路径规划、控制、交互等能力，这是一整套复杂的系统。

在无人驾驶的同一发展路径下，低速无人驾驶的普及却快上许多。

由于体积相对较小，同时应用场景往往集中在园区、景区、机场这类封闭或半开放的简单固定地点，这导致低速无人驾驶的技术复杂程度相对更低，更容易进行技术开发商业化，商业潜力一点也不少。

作为2020年交通部提倡优先落地的应用主体，综合安全风险、政策风险等因素，无人驾驶技术的商业化会遵循着低速到高速、封闭到开放的路线走。低速无人驾驶车辆有望优先逐步代替传统车辆，在未来一段时间内形成大的行业趋势。

一般情况下，无人驾驶要实现规模经济就要实现量产，没有量产价格就下不来，而量产有四个必要因素，技术、市场、生态和成本，但目前低速无人驾驶的普及仍然处在孵化期，也是社会接受期和市场创新期，这个阶段面临三大难题：

（1）产业链复杂，硬件整合难度大

（2）缺乏相应适配软件

（3）头部化导致的开放程度低

低速无人驾驶的产业链覆盖往往也继承于自动驾驶汽车上下游，如上游的传感器、网络服务商、数据服务商、芯片供应商等，但因为市场量小，往往缺乏相应配套产业链，低速无人驾驶下游的出行服务、第三方应用和服务商更是几近于无。

阿里、京东物流、华为、百度等头部企业，均有低速无人驾驶的产品研发和投入，这种成熟生态体系下，使得初创企业和学校的市场准入门槛和开发难度大大提升。

对于无人驾驶的初学者和后来者，需要一款更完善、更基础、更开放的产品。

松灵抓住了这个市场初期的痛点，Autoware开源教育套件应运而生，毫不夸张地说，Autoware是目前世界上第一款用于自动驾驶汽车的“一体化”开源软件。

让低速无人驾驶简单点

从无人驾驶的大车到低速的小车，需要简单点。

为产品的硬件和软件做减法，却能完成闭环，又足够开放，这是松灵机器人产品经理谢工在接受机器人大讲堂采访时传达出的理念。

对于初入行人员来说，了解和熟悉硬件是基础。无人驾驶的硬件配置简单来说，就是前端的建图、感知、定位，中间的决策导航、路径规划，后端的应用，建立在这个逻辑上，参与无人驾驶开发的人就能很快明白整套系统工作的原理。

但对于教育工作者或者初学者来说，就需要去熟悉产业链、供应链，同时采购完成后需要解决电路、接线、底盘等诸多问题，一旦走入弯路，可能对整个学习和部署过程中造成大量的困难。

对于初创企业来说，实现快速应用才是核心，而解决移动机器人应用第一步往往就是解决机器人导航定位问题，这就需要在感知、决策、执行的过程中，投入大量人力，物力形成一套相对完整的闭环系统，对于初创企业来说这无疑是成本难题。

（Autoware定点路径规划视频）

同时，例如Autoware等国外官方提供的硬件配置往往都要求相对较高，成本也一直居高不下，松灵在Autoware 开源教育套件的配置清单中，对于原先复杂的无人驾驶软件需求进行轻量化裁剪，以较高的适配度降低了硬件成本，完善地集成了计算单元、多线激光雷达、液晶显示模块、通信模块、底盘模块，构建出了一个低速无人驾驶的最小单元，能够满足多个行业的基本需要。

在这种减法下，松灵的Autoware开源教育套件也以低沉本很好实现了一个闭环。

二次开发的更多可能性

松灵考虑到，对于无人驾驶的初入行人员，在对系统有了相对完整的理解后，也往往会有自己下一阶段的目标，这个目标往往就是针对行业应用进行开发。

但因为每一个行业其实都有自己的独特特征，开发者就需要针对行业的特定方向，对系统进行裁剪、增加和调整，例如进行园区物流运输等，就需要评估硬件对现有程序运动的适用性，随后进行二次开发。

二次开发就需要一套较为完善且足够开放的整体性框架，能匹配硬件上的一整套体系，并且能够顺利跑起来，而目前较为简单易上手的分散式独立框架，ROS无疑位居前列。

（激光雷达点云图）

（Autoware建图演示视频）

Autoware就是在 ROS的生态基础上，把市面上较好的自动驾驶相关产品进行了很好融合，又相对保持了 ROS的原生态，可以和ROS进行基础无缝的对接。同时，Autoware还提供了一个算法的容器，能把所有东西都融合在一个相对完全的界面里，这种完整性能带来更多的可能性。

虽然ROS本身是个完善的系统以及很好的平台，但是也存在局限性。尤其对于无人驾驶这个非常新颖的板块来说，ROS的功能显得太大且分散，基于ROS搭建的Autoware作为一个大平台，和百度投入了非常多人力财力物力开发的无人驾驶平台阿波罗非常类似，由于Autoware和阿波罗平台非常庞大，算力要求和硬件的要求比较高，这对于不是很专业的研究人员和较低层次开发人员，消化难度非常大，也导致初学者在不了解整个体系的过程中开发会遇到非常多的实际困难，对于可能只有两三个人的初创团队来说，直接进行平台优化和精进开发的成本无疑远超预期。

松灵为此在Autoware平台和硬件上花费了大量的时间进行优化和改进，完成了例如小底盘协议适配、低成本计算单元、感知单元集成，让Autoware平台能够很好地与国内低成本的硬件进行适配，最后以一个整体产品的形式呈现。

软硬件打造功能闭环

Autoware开源教育套件的整体硬件产品已经具备了较为完善的前端定位导航、地图定位导航决策规划、路径避障等基础功能，HUNTER2.0具备150公斤负载，而套件整体由于采取铝型材结构，整体重量还不超过15公斤，同时车体有非常多的空间，usb转can模块和usb转type-c线、24v转12v或19v等丰富的通信和电源模块设计，也意味着Autoware 开源教育套件下还有非常大的扩展空间，能够再次搭载gps、rtk、传感器等应用设备。

同时松灵也提供了许多应用案例，方便购买者熟悉整套产品，例如建图、线控、导航、定位、避障、路径规划等典型应用都能找到直接的案例，大大加快了上手速度。

套装功能包括了：

• 开箱即用，整合线控底盘、感知决策、避障套件，轻易上手

• 内置线控控制、地图构建、定位导航、避障等功能详细说明，代码开源，由浅及深

• 高精度地图构建、路径跟踪、A*导航、局部规划、全局规划，应有尽有

• 内置应用案例，快速验证，快速迭代

• 详细丰富开发文档和研发工程师售后跟踪，解决后顾之忧

这些能让用户一步步轻松理解和实现无人驾驶的基础开发。

（Autoware视频）

但是松灵的产品工程师表示，松灵对Autoware 开源教育套件的实际参数却没有进行硬性设定，也没有进行实际规范。之所以如此，是由于松灵完成产品的集成后，其实并没有做太多的封装和加工，由于每一步操作都是开源，同时松灵会将整套代码同步给出，这种开放性使得Autoware 开源教育套件更像是一个定制品。

更为贴心的是，松灵Autoware 开源教育套件也打通了用户使用上的难题，在Autoware 开源教育套件有完整的产品手册，用户根能根据手册对于产品有更全面的认知和规划，慢慢消化整套完整产品，也能随后进行某部分的修改和精进，测试不同的算法，并都用来和最初的产品参数进行比对，从而能在后期不断优化细节，并方便进行横向对比，起到1+1的作用，也大大加快产业化进程。

生态建设

Autoware这个开源教育套件中的整个移动机器人硬件系统，其实已经实现了一个最小闭环，这使得其能够融合更多的算法容器，而Autoware本身是一个开源的社区，它能提供非常多的开放资源，让更多开发者愿意参与其中，进行相互交流和互动，创造更多的开发价值。

松灵的产品工程师对机器人大讲堂表示，未来Autoware开源教育套件后续也将会不断迭代，加入例如深度学习、机器学习、到线检测、交通信号灯检测，性能检测等多元化功能，加速例如视觉传感器和激光雷达传感器、IMU传感器和激光雷达传感器等多传感器的融合，同时也将测试和融入更多的算法，推出不同的算力和配置版本，最终让更多的人加入进来，培养更多的无人驾驶开发者，构建中国无人驾驶的生态圈，加速无人驾驶的整体落地进程。

（Autoware开源教育套件配置清单）

目前，Autoware开源教育套件已经进入了量产阶段，能够正常配货。由于Autoware开源教育套件每个产品的代码其实都具有工程师唯一性，目前采购后都是随机配送，能不能抽到松灵特别款的彩蛋，全凭实力（运气）！

最后，牛年即将到来，机器人大讲堂和松灵一起，祝大家牛年开鸿运、牛来运转、牛气冲天！新的一年，大家一起牛起来！

END