2018年6月23日，由百度主辦、佐思產研、佐智汽車承辦的第4期《Hello Apollo，自動駕駛公開課》——“Apollo2.5限定場景低成本技術方案解析”在上海市徐匯區COCOSPACE成功舉辦，吸引了近300位來自車企、零部件企業、自動駕駛初創企業、高校等的開發者參加。本次公開課邀請了百度自動駕駛事業部的資深工程師們以及Apollo的生態合作伙伴，一起與開發者們交流。

2018年4月19日，百度對外發布Apollo 2.5版本。該版本支持限定區域視覺高速自動駕駛，提供更多場景、更低成本、更高性能的能力支持，Apollo平臺開發者真正所需，開放了視覺感知、實時相對地圖、高速規劃與控制三大能力以及更高效的開發工具，助力開發者迅速起步，快速完成驗證。

值得一提的是，Apollo2.5帶來的更低成本的解決方案，通過基于攝像頭的視覺感知方案，傳感器成本可較此前降低90%，大大降低了自動駕駛研發門檻。Apollo2.5版本還開放可視化的調試工具、Apollo高精地圖數據采集器、Apollo云端仿真模擬器等更高效的開發工具，進一步提升開發者研發效率。

在本次公開課中，百度的工程師們對限定場景低成本技術方案及更多應用場景方面與開發者進行案例分享。

楊凡，百度自動駕駛事業部資深架構師，負責產品化解決方案

楊凡老師主要介紹了Apollo開放平臺簡介、Apollo能力開放簡介、Apollo資源開放與研發迭代新模式、Apollo生態階段性成果進行介紹。

楊凡老師提到了Apollo2.5中Relative Map的幾種工作模式。首先是工作場景只有Perception信息，只能完成Lane Keep 和ACC；如果是有Perception信息和導航線，可以完成Freeway和Rural Area的自動行駛，如果有HDMap+Navigator+Perception就可以完成L4級別的自動行駛了。

詹錕，百度自動駕駛事業部資深研發工程師，負責預測核心算法方向

詹錕老師主要從以下3個方面對Apollo2.5的預測系統進行了詳細介紹：

自動駕駛為什么需要預測，預測的作用是什么，如果沒有預測會怎樣？

從代碼層面看一下Apollo的預測系統代碼是怎么實現的，然后每一個模塊分別做什么，如果開發者要改動或者修改應該怎么介入。

Apollo預測系統還遇到實際場景的困惑，展示實際路測遇到的一些困難以及解決方案。

朱帆，百度自動駕駛事業部架構師，負責決策規劃多個核心算法

無人車決策規劃是自動駕駛領域的核心技術之一，自Apollo 1.5開放以來受到了業界的廣泛關注。Apollo 2.5相對于之前版本向大家展示了另一種規劃控制的設計思路 - Lattice Planner。朱帆老師對其框架、算法使用以及優勢進行了分享。

王欣可，青島托爾泰克機器人有限公司技術總監

基于Apollo1.0開源框架實現了農業場景低速無人駕駛

隨著Apollo 1.0開放了封閉園區循跡自動駕駛能力，向汽車行業及自動駕駛領域的合作伙伴提供一個開放、完整、安全的軟件平臺，青島托爾泰克機器人有限公司技術總監分享了Apollo+農業機器人的適配過程。王老師表示，2018年7月5日托爾泰克整套農業場景機器人解決方案將亮相“2018百度AI開發者大會”。2018年秋天，全球首個“無人值守”農場將對外開放。

欒寧，百度Apollo合作發展部物流行業高級經理，負責Apollo生態合作&拓展

欒寧主要介紹了Apollo生態合作的模式，如何從場景、技術、資金等多方面賦能開發者，以及Apollo開放一年多以來，產生的優秀合作案例分享。

2018年無人車將實現量產，大家以后會在更多地區看到無人小巴，以后Apollo會和北汽、江淮、奇瑞合作，生產L3級別的小巴，可用于在機場、碼頭做封閉的運輸，行駛環境相對比較簡單，車道比較清晰，路況比較好，封閉園區內不受法規限制，這樣更有利于在封閉園區的量產應用。

楊凡老師表示Apollo會在2018年、2019年一步一步的達到L4、L5級別。Apollo在Github已經有9000多個活躍的開發者，已經有2000以上的開發者Forks了代碼，進行了自己的自動駕駛開發，總共所有的開發者貢獻的代碼行數已超過20萬行，是世界上最活躍的自動駕駛社區。