Les chercheurs présentent TerraZero, un simulateur de conduite procédural et une pile d'entraînement par auto-apprentissage conçue pour former des agents de conduite autonome robustes sans démonstrations humaines. Le système utilise un moteur C configurable pour exécuter 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.
- Les politiques s'entraînent à partir de zéro par apprentissage par renforcement sans démonstration humaine et sans planificateur de repli lors de l'inférence.
- Le simulateur traite les données enregistrées uniquement comme une géométrie de carte, remplissant les cartes avec des usagers de la route basés sur des règles randomisées pour créer des scénarios illimités.
- En tant que politique propre (ego policy), TerraZero domine le benchmark InterPlan long-tail et se classe parmi les approches les plus sûres sur routine-driving val14.
- Sur Waymo Open Sim Agents realism, la méthode surpasse d'autres méthodes sans démonstration et est compétitive par rapport à l'auto-apprentissage ancré sur une référence.
TerraZero permet aux politiques de généraliser en zéro-shot à travers les villes et les jeux de données, y compris la conduite à gauche émergente, tout en servant à la fois de simulateur de politique de conduite et de contrôleur d'agent pour les véhicules, les piétons et les cyclistes.