Alphabet的自動駕駛汽車研究部門Waymo今天詳細介紹了一個系統-漸進人口基礎增強（PPBA）-它聲稱在改善自動駕駛系統性能的同時減少了訓練它們所需的數據量。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手動注釋數據。但是PPBA通過發現合成其他數據的方法來自動執行整個過程。

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）來變形和變換數據。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。