Les chercheurs présentent TerraZero, un simulateur de conduite procédural et une pile d'entraînement par auto-play conçue pour former des agents de conduite autonome robustes sans démonstrations humaines. Le système exécute la simulation sur le CPU et l'inférence de politique sur le GPU via un chemin zéro copie, maintenant 1,3 million d'étapes d'agent par seconde sur un seul GPU de niveau serveur.
- Utilise les données enregistrées uniquement pour la géométrie des cartes du monde réel, remplissant les cartes avec des usagers de la route et des contrôleurs de signalisation basés sur des règles randomisées.
- Randomise la dynamique, les récompenses et les tailles des agents par épisode pour générer un ensemble non borné de scénarios à partir de chaque carte.
- Entraîne les politiques à partir de zéro via l'apprentissage par renforcement sur plusieurs GPU sans planificateur de repli lors de l'inférence.
- Réalise une généralisation zéro-shot à travers les villes et les ensembles de données, y compris la conduite à gauche émergente.
- Premier à atteindre le sommet du benchmark InterPlan long-tail en tant que première politique entièrement apprise à le faire, tout en se classant parmi les approches les plus sûres sur routine-driving val14.
TerraZero sert de pile unifiée pour les politiques de conduite sur la dynamique des voitures et des camions, ainsi que pour les agents de simulation qui contrôlent conjointement les véhicules, les piétons et les cyclistes.