自2019年起，百度Apollo开发者社区在智东西公开课持续推出八场公开课和专场直播，对Apollo中的激光雷达感知、仿真可视化、高精地图与定位、预测引擎、低速微型车开发套件等核心技术和解决方案进行了深入讲解。

3月31日，「百度Apollo决策规划公开课」上线。百度高级架构师、百度PNC强化学习方向技术负责人“向往蓝天的鹰”将围绕主题《 深度强化学习在自动驾驶运动规划中的应用》，直播讲解自动驾驶决策规划与DRL架构。

运动规划是无人驾驶系统的核心模块之一。运动规划模块承接上游感知、定位、地图等模块，规划无人驾驶车一段时间内的具体的驾驶行为，以轨迹的形式输出给下游控制模块执行。常规做法是划分成预测、决策、路径规划和速度规划等模块，混合Learning、优化、规则等多种手段、采用场景化的方式分治解决问题，但存在模块间不匹配和缺乏联动协同等问题，并且由于自动驾驶场景复杂和各种不确定性问题，导致迭代效率较低。

而深度强化学习在大规模游戏领域的成功，以及大量的理论研究成果也证实了深度强化学习的可行性。因此越来越多的无人驾驶科技公司也开始相信强化学习，将深度强化学习和自动驾驶实践相结合，并取得了一定的成果。

当然，深度强化学习虽然已经被证实能够解决无人驾驶中的部分问题，但还面临诸多挑战。比如深度强化学习在解决复杂问题需要大量的训练时间和反复模型优化。需要设计一个稳定的智能系统解决仿真和现实之间的gap差距。同时，模型的精度和整个智能系统的架构设计也会影响深度强化学习的可用性。

在本次公开课中，百度PNC强化学习方向技术负责人“向往蓝天的鹰”将围绕自动驾驶决策规划宏观建模和DRL架构、基于深度学习的Mid2Mid的运动规划系统、强化学习落地经验以及ApolloRL这四个方面，深度解析百度Apollo基于深度学习的Mid2Mid的运动规划系统，以及基于预监督和大规模仿真的深度强化学习相结合来优化模型效果的方案。

“向往蓝天的鹰”是百度高级架构师、百度PNC强化学习方向技术负责人，致力于Robotaxi 决策规划系统的提升和数据驱动路径探索和研究。

本次公开课将以视频直播形式进行，包含40分钟主讲和20分钟问答。同时，针对本次公开课，也组建了专属交流群，届时主讲人也将加入，欢迎感兴趣的开发者申请。