Alphabet的自動駕駛汽車研究部門Waymo今天詳細介紹了一個系統(tǒng)-漸進人口基礎增強（PPBA）-它聲稱在改善自動駕駛系統(tǒng)性能的同時減少了訓練它們所需的數(shù)據(jù)量。Waymo說，具體來說，PPBA增強了其汽車的目標檢測功能，同時降低了成本并加快了培訓過程。

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

Waymo的汽車在現(xiàn)實世界和模擬中遇到的情況使該公司的工程師有機會訓練Waymo Driver（Waymo的全棧無人駕駛平臺）所基于的模型。作為背景技術，Waymo Driver（現(xiàn)在已經是第五代產品）依賴于定制的激光雷達，照相機和雷達套件，以及使它能夠解釋和響應傳感器數(shù)據(jù)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(shù)據(jù)并招募人員來手動注釋數(shù)據(jù)。但是PPBA通過發(fā)現(xiàn)合成其他數(shù)據(jù)的方法來自動執(zhí)行整個過程。

PPBA借鑒了AutoAugment的線索，AutoAugment是Google Research和Google Brain項目的一個項目，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）來變形和變換數(shù)據(jù)。通過強化學習訓練，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），同時降低了搜索策略的計算成本。