TerraZero: ゼロデモンストレーション自己対戦スケールのための手続き型運転シミュレーション
TerraZero: Procedural Driving Simulation for Zero-Demonstration Self-Play at Scale
強化学習スケールで高速かつ現実的な地図構造に基づく多様な運転シナリオを生成する手続き型シミュレータと自己対戦学習スタックを提案し、ゼロデモンストレーションで汎化する運転ポリシーを訓練した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Zhouchonghao Wu, Akshay Rangesh, Weixin Li, Wei-Jer Chang, Zachary Lee, Saeed Bonab, Tim Wang, Wei Zhan
分類: cs.LG, cs.AI, cs.RO
原文アブストラクト
Training robust autonomous driving agents requires a simulator fast enough for reinforcement learning at scale, realistic enough to ground behavior in real-world map structure, and diverse enough to cover the safety-critical long tail that logged data rarely contains. We present TerraZero, a procedural driving simulator and self-play training stack that meets these goals. A configurable C engine runs simulation on the CPU and policy inference on the GPU over a zero-copy path, sustaining 1.3M agent-steps per second on a single server-grade GPU, far faster than existing object-level simulators, while keeping fidelity lighter single-agent systems omit: heterogeneous agents, multiple dynamics models, and full traffic-rule enforcement. TerraZero uses logged data only as a source of real-world map geometry, populating each map with randomized rule-based road users and signal controllers and randomizing agent dynamics, rewards, and sizes per episode, so one map yields an effectively unbounded set of scenarios. Every reported policy trains from scratch by reinforcement learning alone, with zero human demonstrations, no imitation, no logged trajectories, and no fallback planner at inference, on a compute-efficient self-play recipe scaled across GPUs. The policies generalize zero-shot across cities and datasets, including emergent left-hand-traffic driving without explicit supervision. As an ego policy, a single checkpoint is, to our knowledge, the first fully learned policy to top both val14 and the interactive long-tail InterPlan suite. On Waymo Open Sim Agents realism the same recipe outperforms other demonstration-free methods and is competitive with the strongest reference-anchored self-play method. One stack serves both roles: state-of-the-art demonstration-free driving policies across dynamics for cars and trucks, and sim agents that jointly control vehicles, pedestrians, and cyclists.
関連論文
- 制御可能でフォトリアルな歩行者危険動作生成によるエンドツーエンド運転安全評価自動運転/シミュレーション
- BehaviorWorldGen: 行動モデルとワールドシミュレータのループを閉じる、制御可能な行動認識型構造化ワールド生成自動運転/シミュレーション
- DecoupleGS: エンドツーエンド自動運転テストのためのインタラクティブ3Dガウススプラッティング自動運転/シミュレーション
- エージェント駆動による自動運転のロングテールシミュレーション自動運転/シミュレーション
- CARLA-GS: 自動運転コーナーケース合成のための表現・推論・物理シミュレーションの分離自動運転/シミュレーション
- ReactSim-Bench: 自動運転における反応的行動ワールドモデルシミュレーションのベンチマーク自動運転/シミュレーション
