Alphabet的自動(dòng)駕駛汽車(chē)研究部門(mén)Waymo今天詳細介紹了一個(gè)系統-漸進(jìn)人口基礎增強(PPBA)-它聲稱(chēng)在改善自動(dòng)駕駛系統性能的同時(shí)減少了訓練它們所需的數據量。Waymo說(shuō)，具體來(lái)說(shuō)，PPBA增強了其汽車(chē)的目標檢測功能，同時(shí)降低了成本并加快了培訓過(guò)程。

雖然還處于初期階段，但是這種方法可以提高Waymo車(chē)輛在具有挑戰性的駕駛場(chǎng)景中的耐用性-即使車(chē)隊仍然因COVID-19大流行而停飛。

Waymo的汽車(chē)在現實(shí)世界和模擬中遇到的情況使該公司的工程師有機會(huì )訓練Waymo Driver(Waymo的全棧無(wú)人駕駛平臺)所基于的模型。作為背景技術(shù)，Waymo Driver(現在已經(jīng)是第五代產(chǎn)品)依賴(lài)于定制的激光雷達，照相機和雷達套件，以及使它能夠解釋和響應傳感器數據的算法。

通常，要確保這些模型具有高度通用性，就需要收集大量多樣的培訓數據并招募人員來(lái)手動(dòng)注釋數據。但是PPBA通過(guò)發(fā)現合成其他數據的方法來(lái)自動(dòng)執行整個(gè)過(guò)程。

PPBA借鑒了AutoAugment的線(xiàn)索，AutoAugment是Google Research和Google Brain項目的一個(gè)項目，該項目使用各種圖像增強操作(例如旋轉，裁剪，圖像鏡像和顏色偏移)來(lái)變形和變換數據。通過(guò)強化學(xué)習訓練，它為給定的樣本集選擇最佳的強化策略(即，強化操作的組合)，同時(shí)降低了搜索策略的計算成本。