शोधकर्ता TerraZero प्रस्तुत करते हैं, एक प्रक्रियात्मक ड्राइविंग सिम्युलेटर और स्व-खेल प्रशिक्षण स्टैक जो मानवीय प्रदर्शन के बिना मजबूत स्वचालित ड्राइविंग एजेंटों को प्रशिक्षित करने के लिए डिज़ाइन किया गया है। सिस्टम CPU पर सिम्युलेशन चलाता है और शून्य-कॉपी पथ के माध्यम से GPU पर नीति अनुमान (policy inference) संचालित करता है, जिससे एकल सर्वर-ग्रेड GPU पर प्रति सेकंड 1.3 मिलियन एजेंट-चरण बनाए रखे जाते हैं।
- लॉग किए गए डेटा का उपयोग केवल वास्तविक दुनिया के मान भूगोल के लिए करता है, यादृच्छिक नियम-आधारित सड़क उपयोगकर्ताओं और सिग्नल नियंत्रकों के साथ मानों को भरता है।
- प्रत्येक एपिसोड के लिए एजेंट गतिशीलता, पुरस्कारों और आकारों को यादृच्छिक बनाता है ताकि प्रत्येक मान से एक असीमित परिदृश्यों का सेट उत्पन्न किया जा सके।
- GPU के बीच पुनर्बल सीखने (reinforcement learning) के माध्यम से नीतियों को शून्य से प्रशिक्षित करता है, अनुमान के दौरान कोई फॉलबैक प्लानर नहीं होता।
- शहरों और डेटासेट्स के बीच शून्य-शॉट सामान्यीकरण हासिल करता है, जिसमें बाएं-हाथ-ट्रैफिक ड्राइविंग सहित उत्पन्न व्यवहार शामिल हैं।
- InterPlan long-tail बेंचमार्क में शीर्ष पर है, ऐसा करने वाला पहला पूर्ण रूप से सीखा गया नीति के रूप में, जबकि routine-driving val14 पर सबसे सुरक्षित दृष्टिकोणों में से एक के रूप में रैंक करता है।
TerraZero ड्राइविंग नीतियों और सिम एजेंट्स दोनों के लिए एक एकीकृत स्टैक के रूप में कार्य करता है जो कारों और ट्रकों की गतिशीलता के लिए, और वाहनों, पैदल यात्रियों और साइकिल सवारों को संयुक्त रूप से नियंत्रित करने वाले सिम एजेंट्स के लिए है।