Los investigadores presentan TerraZero, un simulador de conducción procedural y una pila de entrenamiento por auto-juego diseñada para entrenar agentes robustos de conducción autónoma sin demostraciones humanas. El sistema utiliza un motor C configurable para ejecutar la simulación en la CPU y la inferencia de políticas en la GPU a través de un camino de copia cero, sosteniendo 1,3M pasos de agente por segundo en una única GPU de grado servidor.
- Las políticas se entrenan desde cero mediante aprendizaje por refuerzo con cero demostraciones humanas y sin planificador de respaldo durante la inferencia.
- El simulador trata los datos registrados únicamente como geometría del mapa, poblando los mapas con usuarios de la carretera basados en reglas aleatorias para crear escenarios ilimitados.
- Como política propia (ego policy), TerraZero encabeza el benchmark InterPlan long-tail y se clasifica entre los enfoques más seguros en val14 de conducción rutinaria.
- En la medida de realismo Waymo Open Sim Agents, el método supera a otros métodos sin demostraciones y es competitivo con el auto-juego anclado a referencias.
TerraZero permite que las políticas generalicen zero-shot entre ciudades y conjuntos de datos, incluyendo la conducción emergente por la izquierda, sirviendo tanto como simulador de política de conducción como controlador de agentes para vehículos, peatones y ciclistas.