研究人员展示了 TerraZero，这是一个程序化驾驶模拟器和自我对弈训练栈，旨在无需人类演示的情况下训练鲁棒的自动驾驶智能体。该系统利用可配置的 C 引擎在 CPU 上运行模拟，并通过零拷贝路径在 GPU 上进行策略推理，在单台服务器级 GPU 上可持续实现每秒 130 万智能体步数。

  • 策略通过强化学习从零开始训练，无需人类演示，且在推理时没有备用规划器。
  • 模拟器仅将记录的数据视为地图几何结构，通过填充基于随机规则的规则道路用户来创建无界场景。
  • 作为自车策略，TerraZero 在 InterPlan long-tail 基准测试中排名第一，并在 routine-driving val14 上跻身最安全方法之列。
  • 在 Waymo Open Sim Agents 真实度方面，该方法优于其他无演示方法，并与参考锚定自我对弈具有竞争力。

TerraZero 允许策略在城市和数据集之间进行零样本泛化，包括自发左侧通行驾驶，同时作为驾驶策略模拟器和车辆、行人及骑行者的智能体控制器。