近日，Waymo詳細(xì)介紹了一個(gè)系統(tǒng)，即基于漸進(jìn)種群的增強(qiáng)（PPBA）。該公司稱，該系統(tǒng)提高了自動(dòng)駕駛系統(tǒng)的性能，同時(shí)減少了訓(xùn)練所需的數(shù)據(jù)量。具體而言，PPBA提高了其汽車的目標(biāo)檢測(cè)能力，同時(shí)降低了成本，并加快了訓(xùn)練過程。
由于Waymo的汽車在現(xiàn)實(shí)世界和仿真中會(huì)遇到各種情況，因此工程師需要對(duì)Waymo全棧無人駕駛平臺(tái)Waymo Driver的基礎(chǔ)模型進(jìn)行訓(xùn)練。而第五代Waymo Driver依賴于定制的激光雷達(dá)、攝像頭和雷達(dá)，以及使其能夠解釋和響應(yīng)傳感器數(shù)據(jù)的算法。通常，要確保這些模型高度通用，需要收集大量不同的訓(xùn)練數(shù)據(jù)，并需要人工團(tuán)隊(duì)手動(dòng)添加注釋。而PPBA通過合成其他數(shù)據(jù)的方法，使大部分過程自動(dòng)化。
PPBA從谷歌大腦項(xiàng)目AutoAugment獲取靈感。AutoAugment使用各種圖像增強(qiáng)操作，如旋轉(zhuǎn)、剪切、圖像鏡像和顏色轉(zhuǎn)換，來變形和轉(zhuǎn)換數(shù)據(jù)。通過強(qiáng)化學(xué)習(xí)訓(xùn)練，AutoAugment為給定的樣本集選擇最佳增強(qiáng)策略，同時(shí)降低搜索策略的計(jì)算量。PPBA還以Waymo現(xiàn)有的數(shù)據(jù)擴(kuò)展工作為基礎(chǔ)。2019年初，該公司開始將谷歌大腦和谷歌研究算法RandAugment用于基于圖像的分類和檢測(cè)任務(wù)。Waymo稱，其一些分類器和探測(cè)器的性能顯著提高，包括分類陌生物體，如建筑設(shè)備和動(dòng)物的分類器。
PPBA旨在提高激光雷達(dá)的檢測(cè)能力。激光雷達(dá)通過激光照射和測(cè)量反射脈沖來測(cè)量車輛與物體之間的距離。除了3D空間信息，激光雷達(dá)傳感器的日志還包含距離、運(yùn)算強(qiáng)度和采樣概率等參數(shù)。PPBA在一個(gè)點(diǎn)云增強(qiáng)搜索空間上運(yùn)行，以發(fā)現(xiàn)為點(diǎn)云數(shù)據(jù)集設(shè)計(jì)的策略。該搜索空間包含8個(gè)操作，每個(gè)操作都與一個(gè)概率和特性參數(shù)相關(guān)。這些操作分別為：原始數(shù)據(jù)樣本（The original data sample）、真值增強(qiáng)（其參數(shù)表示采樣車輛、行人和騎行者的概率）、隨機(jī)翻轉(zhuǎn)（random flip）、世界縮放、全局平移噪聲（具有某些坐標(biāo)上平移操作的畸變量參數(shù)）、截錐丟失（Frustum dropout）、截錐噪聲（Frustum noise）、隨機(jī)旋轉(zhuǎn)、隨機(jī)丟棄激光點(diǎn)。
受生物進(jìn)化論的啟發(fā)，PPBA從多個(gè)搜索空間開始，用后代模型取代表現(xiàn)差的模型，從而優(yōu)化擴(kuò)展策略。在每次迭代中，都采用在過去的迭代中發(fā)現(xiàn)的最佳參數(shù)。
Waymo聲稱，在實(shí)驗(yàn)中，PPBA實(shí)現(xiàn)了跨檢測(cè)架構(gòu)的性能改進(jìn)，并節(jié)省了成本，因?yàn)槠渲恍铇?biāo)記激光雷達(dá)數(shù)據(jù)就可進(jìn)行訓(xùn)練。Waymo還表示，“實(shí)驗(yàn)表明，將自動(dòng)數(shù)據(jù)增強(qiáng)用于激光雷達(dá)數(shù)據(jù)，可以顯著提升3D目標(biāo)檢測(cè)，而無需額外的數(shù)據(jù)收集或標(biāo)記。在基線3D檢測(cè)模型中，該方法比沒有使用增強(qiáng)算法的數(shù)據(jù)效率提高了10倍，使我們能夠使用更少的標(biāo)記示例訓(xùn)練機(jī)器學(xué)習(xí)模型，或以更低的成本使用相同數(shù)量的數(shù)據(jù)，以獲得更好的結(jié)果。”
這并非Waymo首次使用AI來加速如數(shù)據(jù)增強(qiáng)和搜索等后端任務(wù)。此前，Waymo曾與DeepMind合作開發(fā)基于種群的訓(xùn)練（PBT）方法，成功地將行人、騎自行車的人和騎摩托車的人的識(shí)別錯(cuò)誤率降低了24%，同時(shí)將訓(xùn)練時(shí)間和計(jì)算資源減少了一半。在一項(xiàng)試點(diǎn)研究之后，PBT被直接集成到Waymo的技術(shù)基礎(chǔ)設(shè)施中。
最近，Waymo拉開了內(nèi)容搜索的帷幕，利用類似于支持谷歌照片和谷歌圖像搜索的技術(shù)，讓數(shù)據(jù)科學(xué)家能夠快速定位Waymo的駕駛歷史和日志中幾乎所有的物體。該公司表示，這使其系統(tǒng)取得了許多改進(jìn)，例如能夠檢測(cè)到校車上的兒童即將踏上人行道，人們騎著電動(dòng)滑板車，以及一只貓正穿過馬路。
