Los investigadores presentan TerraZero, un simulador de conducción procedural y una pila de entrenamiento de auto-juego diseñada para entrenar agentes robustos de conducción autónoma sin demostraciones humanas. El sistema ejecuta la simulación en la CPU y la inferencia de políticas en la GPU a través de un camino de copia cero, sosteniendo 1,3 millones de pasos de agente por segundo en una única GPU de grado servidor.
- Utiliza datos registrados únicamente para la geometría del mapa del mundo real, poblando los mapas con usuarios de la carretera basados en reglas aleatorias y controladores de señales.
- Aleatoriza la dinámica de los agentes, las recompensas y los tamaños por episodio para generar un conjunto ilimitado de escenarios desde cada mapa.
- Entrena políticas desde cero mediante aprendizaje por refuerzo entre GPUs sin planificador de respaldo en la inferencia.
- Logra generalización zero-shot entre ciudades y conjuntos de datos, incluyendo la conducción emergente de tráfico a la izquierda.
- Encabeza el benchmark InterPlan long-tail como la primera política totalmente aprendida en hacerlo, mientras se clasifica entre los enfoques más seguros en routine-driving val14.
TerraZero sirve como una pila unificada para políticas de conducción tanto para dinámicas de coches y camiones, como agentes de simulación que controlan conjuntamente vehículos, peatones y ciclistas.