研究人员推出了 TerraZero，这是一个程序化驾驶模拟器及自对弈训练栈，旨在无需人类演示的情况下训练鲁棒的自动驾驶智能体。该系统在 CPU 上运行模拟，在 GPU 上通过零拷贝路径执行策略推理，在单台服务器级 GPU 上可持续达到每秒 130 万次智能体步数。

  • 仅使用记录的数据用于真实世界地图几何结构，用基于规则的随机道路用户和信号控制器填充地图。
  • 对每个 episode 的智能体动力学、奖励和尺寸进行随机化，从而从每张地图生成无限数量的场景。
  • 通过 GPU 间的强化学习从头训练策略，在推理时没有备用规划器。
  • 在城市和数据集之间实现 zero-shot 泛化，包括自发产生的靠左行驶驾驶行为。
  • 作为首个做到这一点的完全学习策略，在 InterPlan long-tail 基准测试中排名第一，同时在 routine-driving val14 上排名最安全的方法之列。

TerraZero 作为一个统一栈，服务于汽车和卡车等不同动力学下的驾驶策略，以及共同控制车辆、行人和自行车的模拟智能体。