版本更新日志
Apollo 自动驾驶开放平台自 2017 年首次发布以来，经历了从基础 GPS 循迹到城市复杂道路全场景自动驾驶的完整演进。以下按版本梳理各阶段的核心变更与架构演进。
Apollo 11.0（2026 年 1 月）
Apollo 11.0 聚焦功能型无人车在高价值场景中的大规模部署，全面升级感知、定位、规划与开发工具链，显著降低软硬件开发门槛。
- 面向快递配送、清扫、安防巡逻、园区接驳等高价值场景，新增坡道起停、自动恢复、贴边行驶等关键能力
- 支持端到端运营闭环：车辆准备 → 路线规划 → 自动驾驶 → 任务执行 → 异常处理 → 回场泊车
- 工业级高精度定位：融合 RTK、SLAM、视觉与轮速计，在城市峡谷、地下车库、全室内等 GNSS 受限环境实现厘米级精度
- 新增闸机识别能力，打通公共道路与封闭园区的无缝衔接
- 升级 BEV + OCC 感知架构，深度集成百度百舸 AI 算力平台，支持增量训练
Apollo 10.0（2024 年 12 月）
Apollo 10.0 面向大规模场景化应用进行全面升级，在性能、成本和安全三个维度同步发力。
- CyberRT 框架升级：零拷贝通信，微秒级传输延迟，性能提升 10 倍
- 全新性能分析工具：实时监控 CPU、GPU、内存、显存、IO 五大资源，支持函数级精准定位
- 纯视觉感知方案：引入 BEV 目标检测与占用网络，单 Orin 平台推理帧率达 5Hz
- 框架层对接 ROS 生态，插件化工程设计简化扩展，降低软件复用成本
- 硬件生态扩展至 32+ 厂商、73+ 设备，核心设备数量翻倍
- 功能安全体系：遵循 ISO 26262 与 ISO 21448 标准，从异常检测到 MRC 策略执行延迟低于 1ms
Apollo 9.0（2023 年 12 月）
Apollo 9.0 引入包管理 2.0，重塑 PnC 与感知的扩展开发模式，让开发者更便捷地基于 Apollo 构建自己的自动驾驶应用。
- PnC 扩展开发模式：统一外部接口解耦操作层与 PnC 模块，新增插件扩展方式，全局/局部参数分离
- 感知扩展开发模式：按功能粒度重新拆分感知组件，新增插件开发模式便于替换算法，简化统一配置
- 全新 Dreamview Plus 开发者工具：基于"模式"组织使用场景，面板自定义布局，资源中心提供地图、场景、车辆配置等
- 感知模型全面升级：LiDAR 默认采用 CenterPoint 替代 CNNSeg，Camera 默认采用 YOLOX + YOLO3D 替代原 YOLO 模型
- 支持增量训练与 4D 毫米波雷达
- 适配 ARM 架构，支持在 Orin 上编译运行
Apollo 8.0（2022 年 12 月）
Apollo 8.0 引入包管理（Package）概念，为自动驾驶开发者提供可扩展的软件框架与完整开发周期。
- 基于 Package 重组模块，支持自定义、发布与共享，提供快速安装体验
- 三个全新深度学习模型：CenterPoint（3D 障碍物检测）、CaDDN（相机障碍物检测）、BEV PETR（相机障碍物检测）
- 完整感知开发流程：Paddle3D 模型训练 → 模型部署工具 → Dreamview 可视化验证
- PnC 仿真服务升级：Dreamview 集成本地仿真器，支持在线场景编辑与下载
Apollo 7.0（2021 年 12 月）
Apollo 7.0 引入三个全新深度学习模型，并推出 Apollo Studio 一站式在线开发平台。
- Mask-Pillars 障碍物检测模型（基于 PointPillars）
- Inter-TNT 交互式预测模型
- SMOKE 相机障碍物检测模型
- Apollo Studio：练习环境服务、车辆管理服务
- PnC 强化学习服务：智能训练与评估闭环
- 感知模块代码结构升级
Apollo 6.0（2020 年 9 月）
Apollo 6.0 引入新的深度学习模型与数据流水线服务，并首次集成无人驾驶研究功能。
- PointPillars 障碍物检测模型、语义地图行人预测模型、基于学习的轨迹规划模型
- 数据流水线服务：低速障碍物预测模型训练、PointPillars 模型训练、控制标定、车辆动力学模型训练、开放空间规划标定、控制参数自动调优
- 无人驾驶研究：DreamView 集成远程控制接口、基于音频的紧急车辆检测
Apollo 5.5（2020 年 1 月）
Apollo 5.5 引入路沿到路沿（curb-to-curb）驾驶支持，向全自动城市道路驾驶迈进关键一步。
- 全新 Storytelling 模块
- 场景化规划新增 Park-and-go、Emergency 场景
- 预测模型：Semantic LSTM 评估器、Extrapolation 预测器
- 控制模块：模型参考自适应控制（MRAC）、控制标定服务
- 数据流水线：传感器标定服务
Apollo 5.0（2019 年 6 月）
Apollo 5.0 面向地理围栏自动驾驶的量产支持，车辆具备 360 度感知能力。
- 场景化规划升级：新增 Open Space Planner，支持交叉路口（停车标志、红绿灯、无保护路口）、泊车（代客泊车、靠边停车）
- 全新感知算法与传感器标定服务
- 仿真平台 Dreamland：场景编辑器、控制在环仿真
- Apollo 合成数据集发布
Apollo 3.5（2019 年 1 月）
Apollo 3.5 是架构演进的里程碑版本，引入全新运行时框架 CyberRT，具备 360 度感知能力，可在住宅区和市中心等复杂场景中自动驾驶。
- Apollo CyberRT：专为自动驾驶设计的全新运行时框架，替代此前基于 ROS 的架构，显著提升实时性与可靠性
- 传感器套件升级：VLS-128 线激光雷达、FPD-Link 相机、大陆远程毫米波雷达、Apollo 扩展单元（AXU）
- 场景化规划与 Open Space Planner
- V2X 车路协同能力
- 开放车辆认证平台新增 GAC GE3、GWM WEY VV6
Apollo 3.0（2018 年 7 月）
Apollo 3.0 实现 L4 级产品化方案，支持封闭场地低速自动驾驶，车企可直接使用而无需自行定制。
- 全新安全模块 Guardian，增强监控模块 Monitor
- 硬件服务层平台化改造，开发者可灵活集成自有硬件
- Apollo 传感器单元（ASU）与超声波传感器
- 感知模块重大升级：
- CIPV（最近车道内车辆）检测与跟车
- 异步传感器融合：LiDAR、Radar、Camera 数据异步融合
- 在线位姿估计：逐帧估计自车位姿，提升坡道场景 3D 理解
- 超声波传感器支持，可用于 AEB 与垂直泊车
- 完整车道线检测与视觉定位
- 16 线激光雷达支持
Apollo 2.5（2018 年 4 月）
Apollo 2.5 支持地理围栏高速公路自动驾驶，车辆可进行车道保持巡航并避免与前车碰撞。
- 多传感器融合（MSF）定位升级
- DreamView 可视化功能增强
- 高精地图数据采集工具
- 基于视觉的感知：障碍物与车道线检测
- 相对地图支持 ACC 与车道保持
- Docker 镜像支持
Apollo 2.0（2017 年 12 月）
Apollo 2.0 支持简单城市道路自动驾驶，车辆可巡航、避障、识别红绿灯并变道到达目的地。
- 红绿灯检测
- 障碍物分类：车辆、行人、骑行者、未知
- 规划模块升级：支持变道到达目的地
- 点云定位算法融合 RTK
- MPC 控制算法
- RNN 交通预测模型
- HMI 与 DreamView 整合重构，新增调试可视化工具
- Docker 镜像安全 OTA 升级、USB 相机与雷达驱动支持
Apollo 1.5（2017 年 9 月）
Apollo 1.5 支持固定车道巡航，首次引入感知、预测、规划等核心模块。
- 感知：基于 3D 点云的障碍物检测与跟踪（GPU 加速）
- 预测：深度神经网络 MLP 预测模型，多预测器处理不同类别障碍物
- 规划：交通法规模块，DP/QP 多轮优化路径与速度
- 端到端：卷积 LSTM（纵向）+ FCNN（横向）混合深度神经网络
- HD Map 引擎 API
- Velodyne 64 线激光雷达驱动
- DreamView 实时交通显示与场景回放
Apollo 1.0（2017 年 7 月）
Apollo 的首个版本，实现基于 GPS 航点的自动循迹，适用于测试场或停车场等封闭场地。
- 定位：RTK
- 控制：纵向标定表 + 横向 LQR
- GPS/IMU GNSS 驱动
- HMI 轨迹录制与回放，DreamView 轨迹可视化
架构演进总览
| 阶段 | 版本范围 | 核心变化 |
|---|---|---|
| 基础能力建设 | 1.0 — 2.5 | GPS 循迹 → 感知/预测/规划模块逐步引入 → 城市道路与高速公路基础能力 |
| 框架革新 | 3.0 — 3.5 | Guardian 安全模块、硬件平台化；CyberRT 替代 ROS，360 度感知，场景化规划 |
| 深度学习驱动 | 5.0 — 7.0 | 量产导向，数据流水线服务，深度学习模型持续迭代，Apollo Studio 上线 |
| 开发者生态 | 8.0 — 9.0 | Package 包管理体系，Dreamview Plus，插件化扩展，ARM/Orin 适配 |
| 规模化落地 | 10.0 — 11.0 | CyberRT 零拷贝通信，ROS 生态互通，功能安全体系，纯视觉方案，功能型无人车大规模部署 |
Steven Moder