针对模仿学习依赖稀缺安全关键日志、闭环强化学习受渲染与视觉骨干前向成本制约的问题,TerraTransfer++ 把“学会驾驶/规划”与“学会看”解耦:先在向量化模拟器 TerraZero 中经多智能体自博弈 PPO 无人类轨迹预训练策略教师,再将其 rollout 蒸馏为 flow-matching 轨迹教师,最后在冻结 DINOv3 骨干上加轻量 adapter,用动作 KL、低秩结构化关系损失(规划学生另加轨迹匹配)在成对 (image, scene-state) 帧上对齐,无需在线渲染。作者报告,该教师经 16 A100 自博弈后,闭环学生在 HUGSim 全部划分以聚合 0.548 HD-Score 超过所有已发表模仿基线;规划学生达 59.4 EPDMS(对比 DriveZero-Scale 57.1)和 95.5 PDMS,均列传感器方法第一。消融显示二者损失均必要,且模式由教师低秩谱决定。局限是教师可依赖相机被遮挡的智能体、以及配对数据缺少极端天气与罕见场景。
为什么重要 对自动驾驶数据闭环:用 2.4B km 自博弈仿真替代车队日志稀有事件采集,对齐只用 1.83M+300K 固定配对帧,免在线渲染。适合 关注端到端规划、仿真闭环评测与数据闭环成本的自动驾驶工程师。
HUGSim 闭环
436 场景聚合
navtest PDMS
NAVSIMv1
教师性能保留
相对 teacher 0.562
教师 nuPlan
val14
注释 · 所有分数来自论文主结果;teacher 行是特权参考,不作为图像方法比较。出自 §3.3、§3.4
注释 · 同组均不使用人类轨迹监督;数值为 NAVSIMv2 navhard EPDMS。出自 Table 2


Ours 在四个 split 全部领先已发布基线,KITTI-360 为 0.321 对 ECO 0.310。
| 方法 | nuScenes | PandaSet | KITTI-360 | Waymo |
|---|---|---|---|---|
| UniAD | 0.259 | 0.295 | 0.106 | 0.315 |
| VAD | 0.267 | 0.241 | 0.063 | 0.189 |
| LTF | 0.404 | 0.311 | 0.082 | 0.292 |
| ECO | 0.452 | 0.446 | 0.310 | 0.510 |
| Teacher | 0.647 | 0.554 | 0.363 | 0.710 |
| Ours | 0.636 | 0.565 | 0.321 | 0.695 |
注释 · 数值为 Table 1 左块 Close-loop HD-Score 的 All 难度聚合。出自 Table 1