Para peneliti mempresentasikan TerraZero, sebuah simulator mengemudi prosedural dan tumpukan pelatihan self-play yang dirancang untuk melatih agen pengemudi otonom yang robust tanpa demonstrasi manusia. Sistem ini memanfaatkan mesin C yang dapat dikonfigurasi untuk 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.
- Kebijakan dilatih dari awal melalui pembelajaran penguatan tanpa demonstrasi manusia dan tanpa perencana cadangan saat inferensi.
- Simulator memperlakukan data yang dicatat hanya sebagai geometri peta, mengisi peta dengan pengguna jalan berbasis aturan yang diacak untuk menciptakan skenario tak terbatas.
- Sebagai kebijakan ego, TerraZero memimpin benchmark InterPlan long-tail dan berada di antara pendekatan paling aman pada routine-driving val14.
- Pada Waymo Open Sim Agents realism, metode ini mengungguli metode bebas demonstrasi lainnya dan kompetitif dengan self-play yang berjangkar pada referensi.
TerraZero memungkinkan kebijakan untuk melakukan generalisasi zero-shot melintasi kota dan dataset, termasuk mengemudi lalu lintas kiri yang muncul, sambil berfungsi sebagai simulator kebijakan mengemudi dan pengontrol agen untuk kendaraan, pejalan kaki, dan pesepeda.