Pesquisadores apresentam o TerraZero, um simulador de condução procedural e uma pilha de treinamento de auto-jogo projetada para treinar agentes robustos de condução autônoma sem demonstrações humanas. O sistema executa a simulação na CPU e a inferência de políticas na GPU por meio de um caminho de cópia zero, sustentando 1,3 milhão de passos de agente por segundo em uma única GPU de grau servidor.

  • Usa dados registrados exclusivamente para a geometria do mapa do mundo real, populando mapas com usuários de estrada aleatórios baseados em regras e controladores de sinais.
  • Randomiza a dinâmica dos agentes, recompensas e tamanhos por episódio para gerar um conjunto ilimitado de cenários a partir de cada mapa.
  • Treina políticas do zero por meio de aprendizado por reforço entre GPUs sem planejador de fallback na inferência.
  • Alcança generalização zero-shot entre cidades e conjuntos de dados, incluindo condução emergente de tráfego à esquerda.
  • Lidera o benchmark InterPlan long-tail como a primeira política totalmente aprendida a fazer isso, enquanto se classifica entre as abordagens mais seguras no routine-driving val14.

O TerraZero serve como uma pilha unificada para políticas de condução tanto para dinâmicas de carros e caminhões, quanto agentes de simulação que controlam conjuntamente veículos, pedestres e ciclistas.