Para peneliti menyajikan TerraZero, sebuah simulator mengemudi prosedural dan tumpukan pelatihan self-play yang dirancang untuk melatih agen pengemudi otonom yang robust tanpa demonstrasi manusia. Sistem ini menjalankan simulasi pada CPU dan inferensi kebijakan pada GPU melalui jalur zero-copy, mempertahankan 1,3 juta langkah agen per detik pada satu GPU kelas server.
- Menggunakan data yang dicatat hanya untuk geometri peta dunia nyata, mengisi peta dengan pengguna jalan berbasis aturan yang diacak dan pengontrol sinyal.
- Mengacak dinamika agen, imbalan, dan ukuran per episode untuk menghasilkan set skenario tak terbatas dari setiap peta.
- Melatih kebijakan dari awal melalui pembelajaran penguatan di seluruh GPU tanpa perencana cadangan saat inferensi.
- Mencapai generalisasi zero-shot di seluruh kota dan dataset, termasuk mengemudi lalu kiri yang muncul secara spontan.
- Meraih peringkat teratas pada benchmark InterPlan long-tail sebagai kebijakan sepenuhnya dipelajari pertama yang melakukannya, sambil berada di antara pendekatan paling aman pada routine-driving val14.
TerraZero berfungsi sebagai tumpukan terpadu untuk kebijakan mengemudi di seluruh dinamika mobil dan truk, serta agen simulasi yang secara bersama-sama mengendalikan kendaraan, pejalan kaki, dan pengendara sepeda.