TerraZero Supera o Benchmark InterPlan Sem Dados Humanos

TerraZero, um novo simulador de condução procedural e pilha de treinamento de self-play detalhada em um artigo arXiv de Wu et al., alcança 1,3 milhões de passos de agente por segundo em uma única GPU de nível de servidor, utilizando um caminho de memória de CPU para GPU sem cópia. Isso marca a primeira política totalmente aprendida para superar o benchmark de longa-tail InterPlan sem demonstrações humanas ou planificadores de fallback.

A arquitetura da pilha divide tarefas, com um motor C configurável lidando com a simulação na CPU e a inferência de política na GPU, conectados por um caminho de memória sem cópia que elimina a sobrecarga de serialização. O simulador utiliza a geometria do mapa HD nuPlan, compilando-a em binários enquanto omite trajectórias registradas, estados iniciais, ações humanas e tráfego reproduzido. Veículos controlados são gerados proceduralmente a partir de linhas de centro de faixa, com um conjunto único de parâmetros controlando todos os agentes, e a cabeça de planejamento aprende do self-play multi-agente, semelhante ao GigaFlow.

A randomização ocorre por episódio em vez de por mapa, com dinâmicas de agente, recompensas e tamanhos variando cada vez, permitindo que uma biblioteca fixa de mapas produza diversidade de cenário ilimitada. A pilha atua tanto como políticas de condução ego para várias dinâmicas de veículo quanto agentes de simulação controlando veículos, pedestres e ciclistas, executando inferência sem um planificador de fallback ou trajetória de referência.

Com 1,3 milhões de passos por segundo, TerraZero supera simuladores de nível de objeto existentes — sem depender de dados de movimento registrados para o comportamento do agente. É a primeira política totalmente aprendida para superar o benchmark de longa-tail InterPlan, à frente de maiores planificadores aprendidos e, em val14 de condução de rotina, entre os melhores métodos e é o mais seguro, apresentando as melhores pontuações de colisão e tempo até a colisão. No realismo do Waymo Open Sim Agents, TerraZero supera outros métodos sem demonstração e competiu com as linhas de base de self-play mais fortes ancoradas em referência.

A abordagem desloca o custo do aprendizado para dirigir para o self-play, que é sem demonstração e reutilizável, mas intrinsecamente intensivo em computação. O artigo não divulga horas de GPU totais ou tempo de treinamento de relógio de parede, deixando o custo geral indeterminado para equipes planejando tempo de cluster. A fidelidade é mais leve do que simuladores de agente único que omitem a aplicação de regras de tráfego ou agentes heterogêneos, o que significa que o ganho de throughput é em detrimento do rendering rico em sensores e fotorealismo. O motor C personalizado e o caminho de cópia zero são rápidos, mas fora do ecossistema Python/JAX, exigindo que equipes gerenciem suas próprias ferramentas de depuração, perfilamento e serialização.

Um conjunto único de parâmetros para todos os agentes simplifica a escalabilidade, mas a adequação de uma cabeça representando dinâmicas de evitação de colisão divergentes para caminhões, pedestres e ciclistas não é examinada. O gerador procedural deve sintetizar o longo rabo crítico de segurança sem priores comportamentais humanas, então a cobertura de casos extremos depende do esquema de randomização.

O roubo: se você estiver treinando políticas de condução, desacople ativos de mapa da diversidade de cenário, randomizando dinâmicas de agente e recompensas por episódio em vez de curar mais mapas — os economias de computação na geração de dados superam o risco de cabeças de agente homogêneas.