apollo配置中心搭建_apollo 配置中心默认账号密码

1.创见未来 现代汽车集团中国前瞻数字研发中心正式在沪揭幕

2.spring boot 使用 k8s 的 configMap 作为外部配置

3.消息传输推与拉的比较

4.开发阿波罗有python版本么

5.Disconf原理及分布式配置中心的一般实现思路

6.百度最新L3、L4级别自动驾驶汽车如何？

k8s cronjob 启动顺序如下：

在K8S部署中，有时候容器启动顺序因为我们业务需要是有要求的，比如业务服务可能需要在 配置中心、注册的中心 启动后才启动。

通过 initContainer 来阻塞启动，如下以业务服务需要在apollo配置中心启动后才启动需求为例：

my-namespace为配置中心所在命名空间的名称。svc.cluster.local为固定写法。6166为我的配置中心的端口号。

/info为配置中心启动后可以正常访问的一个URL地址，这个根据你自己实际需求填写，比如 /actuator/metrics 等等。

创见未来 现代汽车集团中国前瞻数字研发中心正式在沪揭幕

先说下为什么要从Consul 换到Nacos？

当然最主要的原因是需要使用Nacos的配置和管理微服务的能力，配置中心之前用过携程开源的Apollo，个人感觉环境搭建起来比较复杂。

下面开始：

具体可以看下 s://nacos.io/zh-cn/docs/quick-start.html 这个是Nacos的官方文档网址，里面有Nacos功能的详细介绍和集成教程。

3.修改项目原来的配置文件 ，将原来的lication.yml 改成 bootstrap.yml配置内容大致如下

common.yaml 内容如下

到这里改造就基本完成了，如有问题可以在评论区讨论。

spring boot 使用 k8s 的 configMap 作为外部配置

易车讯 2021年10月18日，现代汽车集团中国前瞻数字研发中心开幕典礼在上海成功举办。现代汽车集团总裁兼研发部负责人Albert?Biermann通过线上对中国前瞻数字研发中心的开幕表达了衷心祝贺；上海市黄浦区委副书记、区长沈山州，韩国驻上海领事馆总领事金胜镐，现代汽车集团(中国)总裁李光国，现代汽车集团副社长兼现代汽车研发中心(中国)有限公司董事长车锡柱，现代汽车集团中国前瞻数字研发中心总经理杜思凯，现代汽车集团(中国)战略企划副总裁李赫埈，现代汽车集团(中国)事业副总裁李宏鹏等嘉宾及合作伙伴共同出席了开幕典礼。

中国前瞻数字研发中心是现代汽车集团继2013年在烟台成立现代汽车·起亚中国研发中心之后，在华设立的海外首个前瞻数字化智能研发中心。这不仅是现代汽车集团切实落地全新中国战略的重要里程碑，同时还将为现代汽车集团在中国拓展研发布局方面发挥关键作用。

“现代汽车集团中国前瞻数字研发中心是我们志在中国深化本土化研发和拓展研发能力的结晶。”现代汽车集团(中国)总裁李光国表示，“我们期望它能够持续聚焦移动出行、电动化、互联科技和自动驾驶四大领域的创新技术和服务研发，进一步强化集团在中国的研发实力。同时，希望它能继续践行集团对中国市场的承诺，加速助力集团的数字化转型。”

全面展示最新数字化产品和服务，为用户打造智能便捷生活

本次活动上，现代汽车集团全方位展示了其在自动驾驶、车辆造型设计、信息系统和数字服务等方面的最新成果和进展。特别值得一提的是，现代汽车集团首次对外展示了搭载AVP(Apollo?Valet?Parking，自主泊车)技术的IONIQ(艾尼氪)?5，其远程自动泊入泊出操作如“老司机”一般行云流水、一气呵成，让在场的媒体和嘉宾都赞叹不绝。这是现代汽车集团携手百度Apollo联合推出的“L4级可实现无人化能力的自动泊车产品”，其重点针对复杂停车场景进行部署，简称PAVP(Public?Valet?Parking)，主要特点是能够实现超视距泊车，用户只需要把车停在商场及写字楼等地库入口，车辆即可跨层进入地库行驶，到达地面B1甚至更深楼层进行自主泊车，其经历的跨层复杂程度行驶和超远行驶距离在行业内堪称第一。

在传感器和硬件配置方面，IONIQ(艾尼氪)?5搭载的这套AVP技术的感知硬件主要包括5路摄像头和12路超声波传感器，它们共同组成了自动驾驶车的“天眼”。基于此，搭载AVP技术的IONIQ(艾尼氪)?5一方面可通过智能巡航识别道路，自动搜寻停车位，免去人为找车和人为泊车的烦恼，从而在环境复杂的停车场内实现精准泊车，让驾乘者拥有一种时间自由、空间自由的愉悦体验。另一方面，当途中遇到行人或障碍物时，搭载AVP技术的IONIQ(艾尼氪)?5则能及时感知、识别并作出反应，通过取主动避让或停车让行等措施，让整个泊车过程更加安全可靠。

同时，在现场，现代汽车集团还全面演示了与百度Apollo联合开发的智能座舱产品——东风悦达起亚智跑Ace搭载的百度智能互联系统3.0，彰显了其对第三移动空间中性与实用性的重视和关注。该系统用DuerOS语音识别引擎，可实现“能听、会说、懂你”式的智能人机交互。不论是出行时智能导航，还是在线资讯服务方面，百度智能互联系统3.0都能轻松满足用户需求。甚至在车内，驾乘者可以轻呼“小度小度”唤醒美团外卖，即可快速完成点餐操作，车牌号代替门牌号的时代已经来临。更重要的是，该系统还将智能家居融入到整个生态之中，打造了一个车辆-家居-移动终端的三维实时交互，每位用户都将拥有“车控家”和“家控车”智能、便捷的智慧生活方式。

随着中国前瞻数字研发中心的成立，现代汽车集团与百度Apollo等本土头部科技企业的合作将更加密切，未来会让更多中国消费者尽享智能科技带来的便捷出行体验。除此之外，来自中国前瞻数字研发中心的优秀技术人员还生动形象地展示了自动充电机器人、智能虚拟助手、驾驶数据行为分析平台、3D?Looking?Glass等创新产品和技术，让在场的嘉宾和媒体交口称赞。

构建“4+6”先行研发体系，加速本土数字化转型

作为集团海外首个前瞻数字研发中心，现代汽车集团中国前瞻数字研发中心将秉持“为中国及其他地区用户提供独特且无忧的出行体验(Provide unique & seamless experiences for China & beyond)”这一愿景，以顾客需求为中心，聚焦当下移动出行(Mobility)、电动化(Electrification)、互联科技(Connectivity)和自动驾驶(Autonomous?driving)等四大技术方向，建立以本土为导向的先行研发体系，加速现代汽车集团在中国的数字化转型，并在未来持续引领中国市场。

与位于烟台的现代汽车·起亚中国研发中心负责车辆整体开发的职责不同，位于上海的中国前瞻数字研发中心主要致力于为中国用户提供与众不同的移动出行体验，并根据未来汽车行业的范式转变，审时度势，加强前沿数字技术和服务方面的研发投入。为此，现代汽车集团中国前瞻数字研发中心共设立六大职能部门：信息新技术开发部、无人驾驶开发部、UX(User?Experience)研究部、现代上海造型设计部、起亚上海造型设计部以及创新发展部。

信息新技术开发部主要侧重先行开发中国特色的信息系统相关的产品和服务；无人驾驶开发部则为推进自动驾驶全球平台的本土化应用，开发并提案相关技术和产品；专为中国市场设立的UX(User?Experience)研究部是集团除韩国之外的首个UX研究部，主要专注于中国未来出行趋势研究和开发拥有区域特色的用户体验，以及建立用户体验的全球协作体系；现代上海造型设计部和起亚上海造型设计部则致力于孵化未来造型设计创意，并发掘本土化特色元素，提升现代汽车和起亚在中国市场的品牌感召力；创新发展部主要负责整合内外部，开发从用户需求到车载应用系统的整体解决方案。未来，六大职能部门将协同现代汽车集团总部、现代汽车集团(中国)各业务部门、韩国南阳研发中心、现代汽车·起亚中国研发中心(烟台)、现代汽车集团创新中心(北京)以及其他内外部合作伙伴，先行开发适合中国用户的高新技术和服务，共同塑造现代汽车集团在中国的生态体系。

现代汽车集团中国前瞻数字研发中心坐落于由法国著名建筑大师让·努维尔(Jean Nouvel)掌舵设计的“魔都打卡圣地”The?Roof恒基·旭辉天地，规模约为5,200㎡，兼具历史与时尚、传承与创新、复古与新潮的多重碰撞。开放式的办公环境在激发研究人员创意灵感的同时，还大大提升团队的高效协作能力。

“今天的汽车已经不再仅仅是一种交通工具，而是通往智能互联生活方式的门户。”现代汽车集团中国前瞻数字研发中心总经理杜思凯表示，“中国目前是全息通信技术和数字化转型实践方面最活跃的地区。通过携手内外部合作伙伴，我们将全面挖掘中国创新力量，让技术和服务充分契合，打破束缚，更好地服务于中国用户。”

上海-烟台-贵州三地协同联动，构筑本土研发矩阵

作为全球第一大汽车市场，中国也是现代汽车集团全球最重要的市场之一。今年4月，面对即将到来的移动出行时代，现代汽车集团提出了推动未来发展的四大核心战略：第一，加强本土化研发；第二，向中国市场导入纯电动专用车型；第三，助力中国向氢能社会转型；最后，根据中国消费者的需求进行积极投资，成为备受中国消费者青睐的品牌。本次中国前瞻数字研发中心的开幕正是现代汽车集团有效落地全新中国战略，持续深耕中国市场的有力佐证。

如今，随着“新四化”浪潮涌动，中国汽车产业技术正在快速迭代升级。在智能互联领域，智能移动出行已成为广泛共识，中国消费者也正全面拥抱数字化。基于此，现代汽车集团总裁兼研发部负责人Albert?Biermann表示：“凭借全球第一大汽车市场的稳固地位，中国市场已经开始向技术创新转型。因此，中国前瞻数字研发中心将为我们提供众多契机，以便更全面深入地了解中国用户，并迅速推出满足其需求的尖端科技。<font style=

消息传输推与拉的比较

spring boot 应用以容器的方式运行在 k8s 集群上面是非常方便的，但是不同的环境需要不同的配置文件，我们可以使用外部的配置中心，比如 nacos 、 apollo 。 k8s 也提供了 configMap 用来将环境配置信息和容器镜像解耦，便于应用配置的修改。本文主要从以下几个方面介绍 spring boot 使用 k8s 的 configMap 作为外部配置的使用方法：

当应用程序启动时，Spring Boot 会自动从以下位置查找并加载 lication.properties 和 lication.yaml 文件。

配置文件优先级从高到底的顺序如下：

高优先级配置会覆盖低优先级配置

如果我们运行时想指定运行哪个环境的配置文件，可以有三种方式：

ConfigMap 是一种 API 对象，用来将非机密性的数据保存到键值对中。使用时 pod 可以将其用作环境变量、命令行参数或者存储卷中的配置文件。

创建 configMap 的几种方式：

从前面的介绍我们可以知道，spring boot 加载配置文件的最高优先级是 项目根路径下的 /config 子目录 ，所以可以将 configMap 中的配置文件挂载到容器中的项目根路径下的 config 子目录中。

当卷中使用的 configMap 被更新时，所投射的键最终也会被更新。 kubelet 组件会在每次周期性同步时检查所挂载的 configMap 是否为最新。 不过，kubelet 使用的是其本地的高速缓存来获得 configMap 的当前值。 高速缓存的类型可以通过 KubeletConfiguration 结构 的 ConfigMapAndSecretChangeDetectionStrategy 字段来配置。

configMap 既可以通过 watch 操作实现内容传播（默认形式），也可实现基于 TTL 的缓存，还可以直接经过所有请求重定向到 API 服务器。 因此，从 configMap 被更新的那一刻算起，到新的主键被投射到 Pod 中去，这一 时间跨度可能与 kubelet 的同步周期加上高速缓存的传播延迟相等。 这里的传播延迟取决于所选的高速缓存类型 （分别对应 watch 操作的传播延迟、高速缓存的 TTL 时长或者 0）。

以环境变量方式使用的 configMap 数据不会被自动更新，更新这些数据需要重新启动 Pod。

参考文档：

k8s

spring boot

开发阿波罗有python版本么

在服务器与客户端进行信息传输的时候，是客户端从服务器拉去消息，还是服务器往客户端推送消息，这是在设计一个需要网络通讯系统需要考虑的问题。

本文将介绍推与拉这两种交互方式的优缺点，和一些案例经典的框架是如何选择推和拉的形式的。

推和拉都有各自的优缺点，先说推、拉的实现。推一般情况下是服务端与客户端维护了长连接，服务端使用这个长连接进行的消息推送。而拉则是客户端用轮询的方式定期查看服务端是否有消息变更，如果有就拉去下来。

这就是简单的推和拉的实现，他们的优缺点也比较明显。推的优势在于实时性很高，当服务端发送信息变更之后由服务端主动推送这样的实时性是非常高的。而缺点在于消息都是由服务端主动推送，当服务端很频繁的推送消息的时候，由于客户端的处理速度是不同的，由服务端去推送消息目的是为了让信息及时发送给客户端提高客户端的消费速率，但是当客户端的处理速度低于服务端的推送速度，客户端往往会不堪重负。

而拉的优点在于，由客户端按照自身的处理情况按照一定的周期去服务器拉去信息，这样就不会出现服务端压死客户端的情况。但是拉的形式有一个问题是你拉去的周期是多少？周期太长，服务端与客户端的消息延迟最坏情况就是一个周期，周期太短，当服务端没有信息的时候会导致长期的空轮训。基于这个问题我们可以用长轮询去解决，客户端会一直阻塞直到服务端有数据才返回。

上面介绍了推和拉的实现和各自的优缺点，这里将列举一些经典框架，看它们是如何选择的，这样也会加深对推和拉的认识。

kafak作为消息队列，用的是生产者往broker推消息，消费者往broker拉消息。为什么消费者用的是拉的形式？上面分析过，如果用推的形式，各个消费者的消费速率是不同的很可能将客户端压垮。而且用推在消息系统中还有另外一个不好的点，因为kafak为了提高吞吐量，消息都是批量发送和批量消费，当服务端不知道下游的消费速率的时候，将系统调整为低延迟状态，这就会导致一次只发送一条消息，以至于传输的数据不再被缓冲，这种方式是极度浪费的。 因为 消费者 总是将所有可用的（或者达到配置的最大长度）消息 pull 到 log 当前位置的后面，从而使得数据能够得到最佳的处理而不会引入不必要的延迟。

apollo作为配置中心，当我们更改了配置之后，服务端能够及时的将变动通知给客户端，apollo用的就是拉的形式，下面是apollo客户端获取变更的步骤：

不同于传统的pull，apollo用的是 long pull，简单来说传统的pull当服务端没有消息的时候会立即返回，而long pull在服务端没有变动的时候会将请求挂起，直到有数据或者请求超时才返回请求。这有点类似于jdk中的阻塞队列 BlockingQueue 调用poll方法会一直阻塞当前线程直到有数据返回，只不过这个是跨进程的。

配置中心对于变更的实时性要求不是很高，所以apollo用了拉的形式，而且为了避免客户端的空轮训用长轮询的方式。

zookeeper作为分布式协调框架，提供丰富的功能，其中一个就是watcher机制。Watcher是zookeeper中很重要的功能。客户端通过对znode创建watcher当节点发生变化的时候(节点删除、数据更改、子节点变化等)，ZooKeeper将会通知注册Watcher的客户端节点已经变更。

zookeeper实现watcher用的是推和拉结合的方式，节点的变化是需要实时通知的所以用推的模式，但是zookeeper这里推送的信息只是节点的变化事情，告诉客户端这个节点发生了变动，而非推送这次变动的信息。具体的变动信息是客户端按照自己的需要去从服务端拉去变动的信息。用这样方式每次变动只需要传输少量数据，减少变动通知的IO传输。

经过分析了kafka、apollo、zookeeper三个案例之后，发现推和拉并没有什么绝对的使用场景，还是需要在自己特定的创建选择合适的方法，必要时候两个也可以同时存在，适合自己才是最好的。

Disconf原理及分布式配置中心的一般实现思路

有。Apollo（阿波罗）是携程框架部门研发的开源配置管理中心，能够集中化管理应用不同的配置，修改后能够实时推送到应用端，根据查询结果显示，apollo的官方开发文档中显示是有python的客户端接入方式的，用户可以自行阅读。

百度最新L3、L4级别自动驾驶汽车如何？

因为新公司没有用独立的配置中心,每次修改配置参数只能通过手动修改配置文件的方式,然后再重启重启重启,而且机器又是多台,这种方式无疑是非常低下的,而且极容易出错,所以才有了下面的配置中心选型。

其实自己开发一个简单的配置中心也是非常容易的,基于redis+DB就能简单实现。但是要设计一个合格的配置中心还需要考虑如下几点:

所以要自己开发一个独立的配置中心,还是要考虑得比较全面的。而且项目还是以业务为主,也没有足够人力来重新开发一套配置中心,所以就打算借助于开源的力量来满足目前的使用场景。

因为现在的配置中心还是有一些开源实现的。像百度的Disconf,阿里的Diamond,携程的Apollo,还有基于Github的pull模式来实现。我为什么选择Disconf,主要有下面几个点的考量:

Disconf是百度的一个分布式配置中心,目前已经开源。而且它是基于ja实现的,有简单的配置页面，而且官方还提供了一个相对完善的 文档 .开发者只需按照它上面的步骤来即可安装,但是的安装文档比较扯淡,总结起来就是如下几点:

然后启动Nginx.

Disconf主要是依靠zookeeper的Watch机制来做配置实时修改的,我们都知道ZK是通过目录挂载的方式来做服务的自动注册与发布。客户端启动时注册了一个回调接口,当zk目录发生变化时会回调所有客户端节点,从而做到"实时"更新配置的目的。

在配置中心添加的配置数据都被持久化到了DB中,每次客户端启动的时候会调用Disconf的Http接口获取最新的配置数据,如果网络不通,默认会重试三次,如果还不通,则抛出异常。如果第一次拉取配置就有问题,作为配置中心来讲是肯定是无解的,需要客户端去解决（一般这种情况是网络问题或者配置中心服务不可用导致）。

我们这里不需要考虑第一次加载配置就失败的情况.那么问题来了：

答案:不会,因为disconf会单独起一个线程做重连操作。

答案:没有做这方面的保证。因为客户端连接到配置中心上以后会将机器名挂载到zk目录下,可以通过界面查看配置使用的机器数。

所以要使用一个开源产品,还是要尽可能的掌握它,如果有太多未知因素在里面的话,出了问题很难被发现,对自己也是一个提升。

去年 4 月，在陆奇的带领下，百度宣布对外开放自家的自动驾驶能力，“阿波罗平台”（Apollo）就此诞生。不过那时，没有人知道 Apollo 平台是何走向。

3 个月后，在百度 AI 开发者大会上，陆奇再次站台，对外公布了 Apollo 1.0 的具体细节，1.0 主要发布的是完整的封闭场地循迹自动驾驶。具体开放能力集中在数据平台 1.0、3D 障碍物标注数据、Road Hackers 数据、高精地图数据等方面。

循着“每周更新，两个月左右进行一次新版本和总体能力的提升”的节奏，去年 9 月，Apollo 1.5 对外发布，据当时新智驾的报道，整个系统新增了 65000 行代码，重点开放了 5 种能力：障碍物感知、决策规划、云端仿真、高精地图服务、端到端的深度学习，其中前四种能力均为首次开放。而且，1.5 支持昼夜定车道自动驾驶，可实现夜间环境下的障碍物识别，以及非典型交通场景下的异性障碍物识别。

距离 Apollo 1.5 发布，3 个多月的时间过去了，Apollo 也即将迎来 2.0 的更新。这一次，百度将重布放到了 CES 2018 上。在此之前，百度将国内诸多媒体请到其硅谷的新研发中心，举行了一场规模庞大的展前自动驾驶汽车体验活动。

该研发中心位于硅谷桑尼韦尔（Sunnyvale），旁边就是旧金山湾。去年 10 月正式揭幕，未来主要用于自动驾驶和互联网安全领域的相关研发工作。加上百度此前在硅谷库比蒂诺（Cupertino）以及西雅图开设的研发中心或办公室，如今，百度在美国已经形成了三地联动。

据了解，百度美国研究院拥有超过 200 名员工，主要集中在人工智能、安全和硬件、自动驾驶三个领域进行先进技术的研究。

此次自动驾驶体验活动上，百度还邀请了 Apollo 平台的诸多合作伙伴到场，其中包括 GPU 巨头英伟达、自动驾驶汽车改装企业 AutonomouStuff、汽车零部件供应商埃孚（ZF）以及汽车分时租赁企业盼达用车。

这些企业之间形成的合作，你中有我、我中有你，构成了百度所期待的“生态圈”。

去年 1 月，埃孚成为第一家宣布用英伟达 Drive PX2 计算平台的汽车供应商，双方要打造自动驾驶控制平台 ZF ProAI；

去年 7 月，百度与英伟达宣布联合开发自动驾驶技术，二者结成联盟；百度目前基于林肯 MKZ 改装的自动驾驶汽车便是与 AutonomouStuff 合作完成；几乎同一时间，AutonomouStuff 宣布为英伟达旗下的自动驾驶平台——Drive PX 以及传感器提供相关套件；

去年 9 月，埃孚与百度共同宣布，双方正式达成新的战略合作，将在自动驾驶、车联网以及移动出行服务领域展开合作，为中国市场开发完备的自动驾驶解决方案；

去年 11 月，百度与盼达用车展开合作，百度将其 Apollo 平台的自动驾驶技术集成到盼达的共享运营车辆上，后者将率先在重庆两江新区开展自动驾驶共享汽车的试运营，可以达到 L3 级别，支持自主泊车以及 App 叫车。而百度与盼达合作的自动驾驶车辆便用了埃孚 ProAI 控制平台。

当然，这并不是百度 Apollo 自动驾驶生态的全部。今年 CES，趁着 Apollo 2.0 的更新，百度的更多伙伴将齐聚“Baidu World”大会。

不过，在此之前，所有风头都是属于自动驾驶车辆试乘。这一次，百度把与埃孚、盼达（包括力帆）合作的 L3 级别自动驾驶分时租赁车型以及搭载了 Apollo 2.0 最新技术的 L4 级别自动驾驶车型都展示了出来并且提供试乘。

Apollo 2.0 + Drive PX2 = L4 自动驾驶

这就是搭载了百度 Apollo 2.0 系统，具备 L4 级别能力的自动驾驶原型车。

这款自动驾驶汽车是由百度和 AutonomouStuff 联手基于林肯 MKZ 车型改造而成，车顶搭载了 Velodyne 的一枚 64 线激光雷达和两枚 16 线激光雷达，同时还配有 GPS 定位传感器。在激光雷达的左右两侧，各自安装了一枚前视摄像头，可通过视觉途径识别目标物，比如红绿灯。在车辆前脸部位，其搭载的是一款来自大陆的毫米波雷达，安装位置经过了精确的调校。

当然，这样的一套传感器配置是可以灵活应变的，这其中起关键作用的是传感器融合的技术。只要针对传感器的数据修改相应的算法，便可以实现传感器配置的变化，都是可以定制的。

在车辆的后备箱内，是对于自动驾驶最为关键的车载电脑，是整个系统的计算单元。

百度的这辆自动驾驶汽车配备了两台车载电脑：一台是基于 Apollo 2.0 所需要的工控机（使用的是 Neousys Nuvo-6108GC，这是一款性能强大的 X86 解构工业控制计算机）；旁边则是英伟达用于自动驾驶的 Drive PX2。据百度方面的技术负责人介绍，这两台电脑虽然服务的是两套不同的系统，但 Apollo 系统会对这两套系统都进行支持。

实际上，任何一台电脑工作都可以实现车辆的自动驾驶，而百度之所以这样配置，是为了免去测试过程中来回拆机器的过程。问及两台电脑之间的性能区别，该技术负责人向新智驾表示，英伟达的 Drive PX2 在图像处理的性能上更加优异，因为其有自带的 GPU 以及进行图像处理的软件；而针对另一台普通的工控机，百度在其中添加了英伟达的 GPU，用于处理图像数据以及激光雷达扫描产生的点云数据，工控机的运算能力相比 Drive PX2 则要强一些。

百度方面称，现阶段，这款车支持在简单的城市道路、高速上行驶。这次试乘，也是百度 Apollo 2.0 首次在加州的公路上进行路测。

百度搭载了 Apollo 2.0 的 L4 级别自动驾驶车辆试乘是在百度美研办公楼周围的一段公共道路上进行的。整个行驶区域的道路相关信息已经进行过集，百度专门为这段路制作了高精地图来辅佐自动驾驶车辆。

在试乘的整个过程中，会碰到红绿灯、交叉路口、其他机动车以及自行车等，车辆需要自己进行刹车、启动、变道、加速等操作。加之当日是阴雨天，也给自动驾驶汽车带来了一些难度。

整体体验来看，因为是简单的城市道路，这个过程完成得还是比较顺利的，最高时速达到 56 公里/时，车辆刹车、变道的平稳度还是可圈可点的。但是在加速操作时，这辆车还显得有些不够沉稳。

百度相关技术负责人告诉新智驾，目前，Apollo 2.0 的相关更新代码已经上传至 Github，包括相关的软硬件指导。而 Apollo 2.0 的最终发布要在几天后到来的 CES 2018 上进行。

Apollo 2.0 + ProAI + 盼达 = L3 自动驾驶落地

除了 L4 级别的自动驾驶汽车外，作为百度 Apollo 平台的合作伙伴，总部位于重庆的新能源汽车分时租赁企业盼达用车将双方合作的成果空运到了硅谷百度美研。

其实称双方并不准确，这款车其实是五方合作的成果，包括百度、埃孚、博世、力帆以及盼达。其中埃孚提供的技术非常特别，是其与英伟达合作研发的自动驾驶控制平台 ZF ProAI，这个平台刚刚量产不久，就得到了盼达方面的用。从几方宣布合作，到自动驾驶汽车落地，整个过程据称只花了一个多月的时间。

在传感器方面，这款车算是非常简约，只有前后两个摄像头以及周身的 12 枚超声波雷达，这样的传感器配置已让其具备了 L3 级别的自动驾驶能力，而且，还支持自动找车位和自主泊车的操作。

实际上，低速、简约的传感器配置以及自动找车位和自主泊车的能力某种程度上让这款车非常适合于分时租赁或者其他共享服务。

盼达用车 CEO 高钰告诉新智驾，目前盼达已经在重庆两江新区启动了自动驾驶分时租赁车辆的试点运营，先期将投放数十辆车进行尝试。这到底是不是一门好生意，现在谁也不知道。

从真实体验来看，这款车因为目前还不能开上公共道路，所以行驶的速度很慢；在刹车、转向时，整体体验不如此前 L4 自动驾驶汽车那样顺畅。

无论是 L3 还是 L4，看完完整的你对于百度自动驾驶的能力应该有所拿捏。Apollo 2.0，CES 2018 上再见。