अपोलो बायडू द्वारा विकसित एक ओपन-सोर्स स्वायत्त ड्राइविंग प्लेटफॉर्म है, जिसे पहली बार अप्रैल 2017 में जारी किया गया था। यह सॉफ्टवेयर, हार्डवेयर और क्लाउड सेवाओं का एक व्यापक सूट प्रदान करता है जो डेवलपर्स और वाहन निर्माताओं को स्व-ड्राइविंग वाहन बनाने और तैनात करने में सक्षम बनाता है। प्लेटफॉर्म को मॉड्यूलर और स्केलेबल बनाने के लिए डिज़ाइन किया गया है, जो उन्नत ड्राइवर सहायता से लेकर पूर्ण स्वायत्त संचालन तक स्वायत्त ड्राइविंग स्तरों की एक श्रृंखला का समर्थन करता है।
अपोलो की वास्तुकला क्लाउड-टू-कार दृष्टिकोण के आसपास बनाई गई है, जो उच्च-परिभाषा मानचित्र, स्थानीयकरण, धारणा, योजना, नियंत्रण और वाहन-से-सब कुछ (V2X) संचार को एकीकृत करती है। यह सेंसर डेटा को संसाधित करने और वास्तविक समय में ड्राइविंग निर्णय लेने के लिए कृत्रिम बुद्धिमत्ता और मशीन लर्निंग तकनीकों का लाभ उठाता है, जिसमें गहन शिक्षण और तंत्रिका नेटवर्क मॉडल शामिल हैं। प्लेटफॉर्म को डेवलपर्स और भागीदारों के वैश्विक समुदाय के योगदान के साथ लगातार अपडेट किया जाता है।
इतिहास और विकास
बायडू ने 2017 शंघाई ऑटो शो में अपोलो की घोषणा की, इसे "स्वायत्त ड्राइविंग उद्योग का एंड्रॉइड" के रूप में स्थापित किया। पहला संस्करण, अपोलो 1.0, जुलाई 2017 में जारी किया गया था, जो उच्च-परिभाषा मानचित्र डेटा और स्व-स्थानीयकरण जैसी बुनियादी क्षमताएं प्रदान करता था। बाद के रिलीज़ ने धारणा, योजना और नियंत्रण मॉड्यूल जैसी सुविधाएं जोड़ीं, जनवरी 2018 में अपोलो 2.0 ने सरल शहरी ड्राइविंग परिदृश्यों को सक्षम किया।
2018 में, अपोलो 3.0 ने व्यावसायिक उपयोग के लिए प्लेटफॉर्म का पहला उत्पादन-तैयार स्वायत्त ड्राइविंग समाधान पेश किया, जिसमें स्वचालित वैलेट पार्किंग और कम गति वाली शटल सेवाएं शामिल थीं। अपोलो 4.0 (2019) ने शहरी सड़क ड्राइविंग पर ध्यान केंद्रित किया, जबकि अपोलो 5.0 (2020) ने उन्नत सुरक्षा सुविधाएं और बेहतर सिमुलेशन उपकरण जोड़े। अपोलो 6.0 (2021) ने प्लेटफॉर्म की स्केलेबिलिटी को बढ़ाया और एक नई विज़न-आधारित धारणा प्रणाली पेश की।
अपोलो 7.0 (2022) ने ट्रांसफॉर्मर-आधारित धारणा मॉडल में महत्वपूर्ण सुधार लाए, जिससे जटिल यातायात परिदृश्यों को बेहतर ढंग से संभाला जा सका। अपोलो 8.0 (2023) ने एक नई वास्तुकला पेश की जो सॉफ्टवेयर स्टैक को मॉड्यूलर घटकों में अलग करती है, जिससे डेवलपर्स के लिए अनुकूलित और विस्तार करना आसान हो जाता है। 2024 तक, अपोलो प्राकृतिक भाषा संपर्क और निर्णय लेने के लिए जनरेटिव एआई और बड़े भाषा मॉडल एकीकरण पर ध्यान केंद्रित करते हुए विकसित हो रहा है।
वास्तुकला और घटक
अपोलो की वास्तुकला कई परतों में व्यवस्थित है: वाहन परत, हार्डवेयर परत, सॉफ्टवेयर परत और क्लाउड परत। वाहन परत में भौतिक कार और उसके सेंसर शामिल हैं, जैसे कैमरे, LiDAR, रडार और GPS। हार्डवेयर परत में कंप्यूटिंग इकाइयाँ शामिल हैं, जो अक्सर एनवीडिया-आधारित GPU का उपयोग करती हैं, जो सॉफ्टवेयर स्टैक चलाती हैं। सॉफ्टवेयर परत अपोलो का मूल है, जिसमें धारणा, भविष्यवाणी, योजना, नियंत्रण और स्थानीयकरण के लिए मॉड्यूल शामिल हैं।
धारणा मॉड्यूल वस्तुओं, लेन लाइनों और यातायात संकेतों का पता लगाने के लिए गहन शिक्षण मॉडल का उपयोग करता है, जिसमें अवशिष्ट नेटवर्क और यू-नेट वास्तुकला शामिल हैं। भविष्यवाणी मॉड्यूल अन्य सड़क उपयोगकर्ताओं के भविष्य के प्रक्षेपवक्र का पूर्वानुमान लगाता है, जबकि योजना मॉड्यूल सुरक्षित और कुशल ड्राइविंग पथ उत्पन्न करता है। नियंत्रण मॉड्यूल वाहन के एक्चुएटर्स को कमांड भेजकर इन योजनाओं को निष्पादित करता है।
क्लाउड परत उच्च-परिभाषा मानचित्र अपडेट, सिमुलेशन और ओवर-द-एयर सॉफ्टवेयर अपडेट जैसी सेवाएं प्रदान करती है। अपोलो का क्लाउड प्लेटफॉर्म वास्तविक दुनिया के ड्राइविंग डेटा को एकत्र करने और विश्लेषण करने के लिए एक डेटा पाइपलाइन भी प्रदान करता है, जिसका उपयोग सिस्टम के प्रदर्शन को बेहतर बनाने के लिए किया जाता है।
ओपन सोर्स और समुदाय
अपोलो को Apache 2.0 लाइसेंस के तहत जारी किया गया है, जो मुफ्त उपयोग और संशोधन की अनुमति देता है। परियोजना GitHub पर होस्ट की गई है, जहां इसने कंपनियों, विश्वविद्यालयों और व्यक्तिगत डेवलपर्स से हजारों योगदानकर्ताओं को आकर्षित किया है। बायडू दस्तावेज़ीकरण, ट्यूटोरियल और फोरम के साथ एक समर्पित डेवलपर पोर्टल भी बनाए रखता है।
अपोलो समुदाय में टॉमटॉम जैसे मानचित्रण के लिए, इंटेल जैसे हार्डवेयर के लिए, और विभिन्न ऑटोमोटिव निर्माताओं जैसे भागीदार शामिल हैं। बायडू ने सहयोग और परीक्षण को बढ़ावा देने के लिए कई शहरों में अपोलो इनोवेशन सेंटर स्थापित किए हैं। प्लेटफॉर्म का उपयोग कई पायलट परियोजनाओं में किया गया है, जिसमें बीजिंग और वुहान में स्वायत्त टैक्सी शामिल हैं।
अनुप्रयोग और साझेदारी
अपोलो को रोबोटैक्सी, स्वायत्त शटल और लॉजिस्टिक्स वाहनों सहित विभिन्न अनुप्रयोगों में तैनात किया गया है। बायडू की अपनी स्वायत्त राइड-हेलिंग सेवा, अपोलो गो, कई चीनी शहरों में संचालित होती है, जिसमें 2023 तक 5 मिलियन से अधिक राइडें पूरी हो चुकी हैं। प्लेटफॉर्म का उपयोग अन्य कंपनियों, जैसे वेमो और टेस्ला ऑटोपायलट प्रतिस्पर्धियों द्वारा भी अपनी स्वायत्त ड्राइविंग प्रणाली विकसित करने के लिए किया जाता है।
बायडू ने अपोलो को उत्पादन वाहनों में एकीकृत करने के लिए जीली, फोर्ड और हुंडई जैसे वाहन निर्माताओं के साथ साझेदारी की है। 2021 में, बायडू ने जीली के साथ एक संयुक्त उद्यम की घोषणा की, जो जीडू ब्रांड के तहत इलेक्ट्रिक वाहनों का उत्पादन करेगा, जो अपोलो की तकनीक का उपयोग करता है। अपोलो क्लाउड इंफ्रास्ट्रक्चर के लिए अलीबाबा क्लाउड और अमेज़न वेब सर्विसेज के साथ भी सहयोग करता है, और एज कंप्यूटिंग समाधान के लिए क्वालकॉम और एआरएम होल्डिंग्स के साथ सहयोग करता है।
सुरक्षा और विनियमन
सुरक्षा अपोलो के विकास का एक महत्वपूर्ण पहलू है। प्लेटफॉर्म में ब्रेकिंग और स्टीयरिंग जैसे महत्वपूर्ण घटकों के लिए अनावश्यक प्रणाली शामिल हैं, और सिस्टम विफलता के मामले में वाहन को सुरक्षित स्टॉप पर लाने के लिए एक फेल-सेफ तंत्र का उपयोग करता है। अपोलो में एक सिमुलेशन वातावरण भी शामिल है जो वास्तविक दुनिया में तैनाती से पहले व्यापक परीक्षण की अनुमति देता है।
बायडू ने स्वायत्त वाहन परीक्षण और तैनाती के लिए दिशानिर्देश स्थापित करने के लिए चीन में नियामक निकायों के साथ काम किया है। अपोलो वाहनों ने कई शहरों में सड़क परीक्षण के लिए लाइसेंस प्राप्त किए हैं, और अपोलो गो को कुछ क्षेत्रों में व्यावसायिक संचालन के लिए अनुमोदन प्राप्त हुआ है। प्लेटफॉर्म का सुरक्षा रिकॉर्ड सकारात्मक रहा है, 2024 तक कोई बड़ी दुर्घटना दर्ज नहीं की गई है।
प्रभाव और भविष्य की दिशाएं
अपोलो ने उन्नत तकनीक तक पहुंच को लोकतांत्रिक बनाकर स्वायत्त ड्राइविंग उद्योग को महत्वपूर्ण रूप से प्रभावित किया है। इसका ओपन-सोर्स मॉडल कई कंपनियों के लिए नवाचार को तेज करने और विकास लागत को कम करने में सहायक रहा है। गहन शिक्षण और कंप्यूटर विज़न में अपोलो के योगदान ने कृत्रिम बुद्धिमत्ता के व्यापक क्षेत्र को भी आगे बढ़ाया है।
आगे देखते हुए, अपोलो का लक्ष्य यात्रियों के साथ प्राकृतिक भाषा संपर्क सक्षम करने और जटिल परिदृश्यों में निर्णय लेने में सुधार करने के लिए अधिक बड़े भाषा मॉडल क्षमताओं को एकीकृत करना है। प्लेटफॉर्म प्रशिक्षण डेटासेट को बढ़ाने के लिए सिंथेटिक डेटा उत्पन्न करने हेतु जनरेटिव एआई के उपयोग की भी खोज कर रहा है। जैसे-जैसे स्वायत्त ड्राइविंग तकनीक परिपक्व होती है, अपोलो सुरक्षित और अधिक कुशल परिवहन प्रणालियों में संक्रमण में एक महत्वपूर्ण भूमिका निभाने के लिए तैनात है।