Alphabet的自动驾驶汽车研究部门Waymo今天详细介绍了一个系统-渐进人口基础增强(PPBA)-它声称在改善自动驾驶系统性能的同时减少了训练它们所需的数据量。Waymo说，具体来说，PPBA增强了其汽车的目标检测功能，同时降低了成本并加快了培训过程。
虽然还处于初期阶段，但是这种方法可以提高Waymo车辆在具有挑战性的驾驶场景中的耐用性-即使车队仍然因COVID-19大流行而停飞。
Waymo的汽车在现实世界和模拟中遇到的情况使该公司的工程师有机会训练Waymo Driver(Waymo的全栈无人驾驶平台)所基于的模型。作为背景技术，Waymo Driver(现在已经是第五代产品)依赖于定制的激光雷达，照相机和雷达套件，以及使它能够解释和响应传感器数据的算法。
通常，要确保这些模型具有高度通用性，就需要收集大量多样的培训数据并招募人员来手动注释数据。但是PPBA通过发现合成其他数据的方法来自动执行整个过程。
PPBA借鉴了AutoAugment的线索，AutoAugment是Google Research和Google Brain项目的一个项目，该项目使用各种图像增强操作(例如旋转，裁剪，图像镜像和颜色偏移)来变形和变换数据。通过强化学习训练，它为给定的样本集选择最佳的强化策略(即，强化操作的组合)，同时降低了搜索策略的计算成本。