Pesquisadores apresentam o TerraZero, um simulador de direção procedural e uma pilha de treinamento por auto-jogo projetada para treinar agentes robustos de direção autônoma sem demonstrações humanas. O sistema utiliza um motor C configurável para executar a simulação na CPU e a inferência de políticas na GPU por meio de um caminho de cópia zero, sustentando 1,3M passos de agente por segundo em uma única GPU de grau servidor.
- As políticas são treinadas do zero via aprendizado por reforço com zero demonstrações humanas e sem planejador de fallback na inferência.
- O simulador trata os dados registrados apenas como geometria do mapa, populando mapas com usuários de estrada baseados em regras aleatórias para criar cenários ilimitados.
- Como política própria (ego policy), o TerraZero lidera o benchmark InterPlan long-tail e está entre as abordagens mais seguras no val14 de direção rotineira.
- Na medida de realismo Waymo Open Sim Agents, o método supera outros métodos sem demonstrações e é competitivo com o auto-jogo ancorado em referência.
O TerraZero permite que as políticas generalizem zero-shot entre cidades e conjuntos de dados, incluindo a emergência da direção pela esquerda, servindo tanto como simulador de política de direção quanto controlador de agentes para veículos, pedestres e ciclistas.