Исследователи представляют TerraZero, процедурный симулятор вождения и стек обучения методом self-play, предназначенный для обучения устойчивых агентов автономного вождения без использования человеческих демонстраций. Система выполняет симуляцию на CPU и инференс политики на GPU по пути с нулевым копированием, поддерживая 1,3 миллиона шагов агента в секунду на одном серверном GPU.

  • Использует записанные данные исключительно для геометрии реальной карты, заполняя карты случайными на основе правил участниками дорожного движения и контроллерами сигналов.
  • Случайным образом изменяет динамику агентов, вознаграждения и размеры в каждом эпизоде, чтобы генерировать неограниченное количество сценариев из каждой карты.
  • Обучает политики с нуля с помощью обучения с подкреплением на нескольких GPU без резервного планировщика при инференсе.
  • Демонстрирует zero-shot обобщение между городами и наборами данных, включая спонтанное вождение по левостороннему движению.
  • Занимает первое место в бенчмарке InterPlan long-tail как первая полностью обученная политика, делающая это, а также входит в число самых безопасных подходов на routine-driving val14.

TerraZero служит единым стеком для политик вождения с различными динамиками для легковых автомобилей и грузовиков, а также симуляционных агентов, совместно управляющих транспортными средствами, пешеходами и велосипедистами.