[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-terrazero-zero-demo-self-play-driving-zh":3,"article-related-terrazero-zero-demo-self-play-driving-zh":30,"series-research-87d984ef-084b-41cc-b339-187275e9e8f7":75},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"87d984ef-084b-41cc-b339-187275e9e8f7","terrazero-zero-demo-self-play-driving-zh","TerraZero：零示範自玩學開車","\u003Cp>TerraZero 怎麼做到不靠示範就能訓練自駕？\u003C\u002Fp>\u003Cp data-speakable=\"summary\">TerraZero 用程序化駕駛模擬器與自玩訓練，讓自駕策略從零開始學習，不靠人類示範。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>研究機構\u003C\u002Fstrong>：arXiv 摘要未明確標註\u003C\u002Fli>\u003Cli>\u003Cstrong>核心數據\u003C\u002Fstrong>：1.3M agent-steps per second\u003C\u002Fli>\u003Cli>\u003Cstrong>突破點\u003C\u002Fstrong>：CPU 模擬、GPU 推論零拷貝\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這篇論文想解的，是自駕訓練裡很老的難題：要夠快、要夠真、還要能碰到平常資料很少出現的危險情境。TerraZero 的答案不是再多蒐集一批人類示範，而是把訓練管線重新設計成「可大規模自玩」的樣子。它用程序化模擬器把真實地圖結構保留下來，再把交通參與者、控制器、動態與獎勵隨機化，讓同一張地圖長出很多不同劇本。\u003C\u002Fp>\u003Cp>從開發者角度看，這不是單純多了一個模擬器，而是把模擬、資料、訓練三件事綁成一條流水線。論文主張，這樣做可以同時處理三個痛點：模擬太慢、場景太少、長尾太稀。對自駕來說，真正麻煩的往往不是一般道路，而是那些少見但一出事就很嚴重的情境。\u003C\u002Fp>\u003Ch2>TerraZero 想補哪個洞\u003C\u002Fh2>\u003Cp>傳統自駕訓練常卡在取捨。模擬器太慢，強化學習就很難跑大規模。模擬器太簡化，學到的策略又可能只會在虛擬世界裡開車。若只重播已記錄的路況，系統就容易被常見行為塞滿，卻碰不到真正重要的長尾案例。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784099000811-9l5n.png\" alt=\"TerraZero：零示範自玩學開車\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>TerraZero 的切入點，就是把這三件事一起往前推。摘要明講，既有 object-level 模擬器比較慢；而較輕量的單車系統，則少了異質 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa>、多種動態\u003Ca href=\"\u002Fnews\u002Fseriality-gap-video-diffusion-models-zh\">模型\u003C\u002Fa>，以及完整交通規則執行。換句話說，很多方案不是快但不夠真，就是真但跑不動。TerraZero 想把速度、保真度和多樣性盡量放進同一套設計。\u003C\u002Fp>\u003Cp>它對資料的態度也很明確。論文不是把 logged driving data 當成完整訓練集，而是把它拿來重建真實地圖幾何。地圖回來之後，系統再把隨機化的道路使用者與控制器填進去。這代表它不是照著錄影重播，而是用真實地圖當骨架，自己生出更多情境。\u003C\u002Fp>\u003Ch2>方法怎麼運作\u003C\u002Fh2>\u003Cp>TerraZero 的核心是一個可配置的 C 引擎。模擬跑在 CPU，策略推論跑在 \u003Ca href=\"\u002Ftag\u002Fgpu\">GPU\u003C\u002Fa>，兩邊透過 zero-copy 路徑溝通。摘要給出的數字是：在單一 server-grade GPU 上可達 1.3M agent-steps per second。這個數字很關鍵，因為它直接決定強化學習能不能真的跑起來，而不只是停留在 demo 等級。\u003C\u002Fp>\u003Cp>這種架構的重點，不只是快，而是把資料搬運成本壓下來。很多 RL 系統不是算不動，而是卡在模擬器與模型之間來回傳資料。TerraZero 把 CPU 模擬和 GPU 推論拆開，再用零拷貝路徑串起來，等於把「要不要餵得動 policy」這件事先處理掉。\u003C\u002Fp>\u003Cp>另一個重點是隨機化。論文說它會在每個 episode 隨機化 agent dynamics、reward 和 size，也會在每張地圖中放入隨機的 rule-based road users 與 signal controllers。這樣一來，一張地圖不只是一個場景，而是一個能吐出很多變體的場景生成器。對長尾覆蓋來說，這比單純堆更多錄製片段更有彈性。\u003C\u002Fp>\u003Cp>TerraZero 也不是只做 ego vehicle。摘要提到，這套系統可以訓練跨不同動態的駕駛策略，涵蓋 car 和 truck，也能當成 sim-agent 系統，讓車輛、行人、腳踏車一起被控制。這讓它比只管單一主車的設定更通用，也更接近真實交通裡的多角色互動。\u003C\u002Fp>\u003Ch2>論文實際證明了什麼\u003C\u002Fh2>\u003Cp>摘要裡最具體的系統數字，就是前面提到的 1.3M agent-steps per second。作者並把這個吞吐量形容為比既有 object-level simulators 快很多。不過摘要沒有放出完整比較表，所以這個說法在這裡應該理解成論文的方向性主張，而不是完整 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 明細。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784099004149-pz3x.png\" alt=\"TerraZero：零示範自玩學開車\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>在學習方式上，論文的態度很硬：所有報告的 policy 都是從零開始訓練，只用 \u003Ca href=\"\u002Ftag\u002Freinforcement-learning\">reinforcement learning\u003C\u002Fa>，沒有 human demonstrations，也沒有 \u003Ca href=\"\u002Ftag\u002Finference\">inference\u003C\u002Fa> 時的 fallback planner。這件事很重要，因為它同時拿掉了兩個常見支撐：一個是 imitation learning 的專家示範，另一個是手工設計的安全或控制備援。\u003C\u002Fp>\u003Cp>摘要還提到，訓練出的 policy 可以 zero-shot 泛化到不同城市與不同資料集，甚至能在沒有明確監督下出現左側通行。這代表它不是只會背某一張地圖，而是有機會跨區域、跨地圖風格移動。對要做多城市部署的團隊來說，這種訊號很有吸引力。\u003C\u002Fp>\u003Cp>評估結果方面，摘要給的是相對排名，不是完整分數。它說 TerraZero 作為 ego policy，是第一個在 InterPlan long-tail benchmark 上拿到頂部表現的 fully learned policy，而且贏過更大的 learned planners。在 routine-driving 的 val14 上，它也被描述為名列前茅，且在 collision 和 time-to-collision 指標上最安全。至於 Waymo \u003Ca href=\"\u002Fnews\u002Fopenpencil-scriptable-figma-escape-hatch-zh\">Open\u003C\u002Fa> Sim Agents realism，它則優於其他不靠 demonstrations 的方法，並且能和最強的 reference-anchored self-play 方法競爭。\u003C\u002Fp>\u003Cp>要注意的是，這些都是摘要層級的結果描述，沒有公開完整數字。也就是說，論文確實給出很強的方向性證據，但如果你要做嚴格比較，還是得回到全文看表格、設定與消融。\u003C\u002Fp>\u003Ch2>對開發者有什麼影響\u003C\u002Fh2>\u003Cp>如果你在做自駕、模擬器或 RL 基礎設施，TerraZero 的價值在於它示範了一條「不用人類示範也能起跑」的路。這對資料昂貴、資料不完整，或資料本身偏向常見行為的團隊特別有用。因為真正麻煩的場景，往往不是日常開車，而是那些少見、混亂、又很難蒐集的片段。\u003C\u002Fp>\u003Cp>它的程序化地圖加隨機化設計，也很實用。與其為每一種場景都收一份專屬資料，不如把一張真實地圖展成很多 episode，讓交通參與者、控制器、動態與獎勵都能變。這種做法不一定取代真實資料，但很適合拿來補長尾，尤其是你不想把蒐集成本一路拉高的時候。\u003C\u002Fp>\u003Cp>zero-copy 的 CPU\u002FGPU 設計則是另一個工程提醒。高吞吐 RL 系統常常不是被 model 算力卡住，而是被記憶體搬移拖慢。TerraZero 把模擬器與推論的資料路徑一起設計，等於在說：如果你真要做大規模訓練，模擬器架構本身就是訓練架構的一部分。\u003C\u002Fp>\u003Ch2>限制與還沒回答的問題\u003C\u002Fh2>\u003Cp>摘要的訊息很強，但它也留下不少空白。最明顯的是，沒有完整 benchmark 表、沒有消融結果，也沒有把 1.3M agent-steps per second 的測量條件講細。像 zero-copy 路徑、程序化隨機化、異質 agent 這些設計，各自貢獻多少，摘要裡也看不出來。\u003C\u002Fp>\u003Cp>另一個問題是 realism。TerraZero 確實保留了異質 agent、多種動態模型和交通規則執行，但它仍然是程序化模擬器，不是完整的真實世界重播系統。對實務團隊來說，關鍵不是它是不是「絕對真」，而是它對目標任務夠不夠真、夠不夠穩。\u003C\u002Fp>\u003Cp>還有一點值得注意：零示範訓練很吸引人，但也把壓力全放在 reward 和環境設計上。只靠 reinforcement learning，可以很強；設計不好，也可以很脆。摘要沒有交代 reward shaping 的細節，所以這套方法目前看起來是很有前景，但還需要看全文才能\u003Ca href=\"\u002Fnews\u002Fe3-ai-agents-task-complexity-zh\">判斷\u003C\u002Fa>它在不同情境下到底有多穩。\u003C\u002Fp>\u003Cp>整體來看，TerraZero 提供的是一個很清楚的方向：用真實地圖、程序化交通與高速自玩，把自駕策略訓練成不依賴示範、又能碰長尾的系統。它不是在說資料不重要，而是在說資料不一定要用「示範」的形式存在。\u003C\u002Fp>\u003Cul>\u003Cli>高速模擬器正在變成自駕基礎設施的一部分，不只是研究配角。\u003C\u002Fli>\u003Cli>程序化地圖與隨機化，可以把一份地圖資料擴成很多訓練情境。\u003C\u002Fli>\u003Cli>零示範自玩很有吸引力，但成敗高度依賴 reward 與模擬 fidelity。\u003C\u002Fli>\u003C\u002Ful>","TerraZero 用程序化駕駛模擬器與自玩訓練，讓自駕策略從零開始學習，不靠人類示範。","arxiv.org","https:\u002F\u002Farxiv.org\u002Fabs\u002F2607.13028",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784099000811-9l5n.png","research","zh","220d77ea-3f5a-4e96-b557-997a01727119",[17,18,19,20,21],"autonomous driving","self-play","reinforcement learning","procedural simulation","zero-copy",[23,24,25],"TerraZero 證明自駕策略可以從零開始、只靠強化學習與自玩訓練。","它把真實地圖、程序化隨機化與高速 CPU\u002FGPU 管線綁在一起，提升長尾覆蓋。","摘要有強結果，但沒有完整 benchmark 數字與消融細節，還需要全文驗證。",0,"2026-07-15T07:02:41.125362+00:00","2026-07-15T07:02:41.109+00:00","c5cdad73-e818-4953-9d1a-9bfac7a4f68f",{"tags":31,"relatedLang":34,"relatedPosts":38},[32],{"name":19,"slug":33},"reinforcement-learning",{"id":15,"slug":35,"title":36,"language":37},"terrazero-zero-demo-self-play-driving-en","TerraZero trains driving agents with no demos","en",[39,45,51,57,63,69],{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"dcf89f35-0a75-4587-9bb3-2b477a9fe7b2","claude-j-space-not-a-black-box-zh","J-space 證明大模型不是黑箱，而是可讀的內部系統","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784100783068-18zd.png","2026-07-15T07:32:38.727346+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"33c9a48b-04f6-48ca-a64d-88f72589796e","seriality-gap-video-diffusion-models-zh","影片擴散模型的串行落差","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784097182922-bzgd.png","2026-07-15T06:32:36.278574+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"ea384347-8519-4c82-9f10-11844c31541d","e3-ai-agents-task-complexity-zh","E3 讓 AI 先判斷任務大小","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784095393494-27zm.png","2026-07-15T06:02:35.952406+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"ea876eb8-0d19-4a43-ab19-c6948188203a","anthropics-j-space-useful-not-breakthrough-en-zh","Anthropic 的 J-space 很有用，但還不是大家想要的突破","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784016184250-h17t.png","2026-07-14T08:02:30.780734+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"e81d26c6-780b-4688-b8da-464af45f209c","low-dimensional-theory-transformer-reasoning-zh","Transformer 推理可落在低維流形","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784012582530-83yn.png","2026-07-14T07:02:35.351024+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":13},"5e470c45-6311-49f4-a6ca-620c610e116b","metacognition-in-llms-foundations-progress-opportunities-zh","LLM 自我覺察研究地圖","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784010785747-eoh1.png","2026-07-14T06:32:32.269184+00:00",[76,81,86,91,96,101,106,111,116,121],{"id":77,"slug":78,"title":79,"created_at":80},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":82,"slug":83,"title":84,"created_at":85},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"53a0dc54-0371-4e40-8d5e-74e94a73840c","geometry-aware-similarity-metrics-for-neural-representations-zh","超越距離測量：用微分幾何重新理解神經網路","2026-03-31T06:01:01.241968+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"fee7d472-a775-4b1d-bbc2-1e8bca1bbf8b","on-the-fly-repulsion-in-the-contextual-space-for-rich-divers-zh","讓AI繪圖更有創意：用排斥力提升生成多樣性","2026-03-31T06:01:25.439673+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"a9901203-d69b-447b-8854-15d14eab32b4","vision-aided-beam-prediction-cnn-eca-zh","影像輔助波束預測升級 CNN","2026-04-01T10:00:25.8073+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"b55e7dd4-0a24-4b3d-804d-b0309a03f498","triple-band-fss-mimo-antenna-sub-6-ghz-zh","三頻 FSS MIMO 天線瞄準 sub-6 GHz","2026-04-01T13:18:36.857305+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"f68290bd-e7f3-4b30-ba22-dcd4e0130a66","openclaw-1299-repos-eight-weeks-analysis-zh","OpenClaw 1299 個 Repo 的資料解讀","2026-04-02T05:03:45.208411+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"ed9f80eb-eb02-4d35-8ad4-0ddf428751dd","beam-coherence-aware-combining-mmwave-mimo-zh","毫米波 MIMO 的雙階合併法","2026-04-02T05:27:26.897188+00:00"]