Waymo的AI在節(jié)省成本的同時提高了自動駕駛汽車的性能

Alphabet的自動駕駛汽車研究部門Waymo今天詳細(xì)介紹了一個系統(tǒng)-漸進(jìn)人口基礎(chǔ)增強(qiáng)（PPBA）-它聲稱在改善自動駕駛系統(tǒng)性能的同時減少了訓(xùn)練它們所需的數(shù)據(jù)量。Waymo說，具體來說，PPBA增強(qiáng)了其汽車的目標(biāo)檢測功能，同時降低了成本并加快了培訓(xùn)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(jī)會訓(xùn)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(shù)，Waymo Driver（現(xiàn)在已經(jīng)是第五代產(chǎn)品）依賴于定制的激光雷達(dá)，照相機(jī)和雷達(dá)套件，以及使它能夠解釋和響應(yīng)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(xùn)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(qiáng)操作（例如旋轉(zhuǎn)，裁剪，圖像鏡像和顏色偏移）來變形和變換數(shù)據(jù)。通過強(qiáng)化學(xué)習(xí)訓(xùn)練，它為給定的樣本集選擇最佳的強(qiáng)化策略（即，強(qiáng)化操作的組合），同時降低了搜索策略的計算成本。