การฝึกระบบขับขี่อัตโนมัติแบบ End-to-end ปกติแล้วต้องใช้ข้อมูลการขับขี่จริงมหาศาลซึ่งมีต้นทุนสูงและมักขาดสถานการณ์ที่อันตราย TerraTransfer++ เปลี่ยนมาใช้วิธีการฝึกฝนผ่านการเล่นกับตัวเอง (Self-play) ในโปรแกรมจำลองแบบเวกเตอร์ที่มีความเร็วสูง ช่วยให้ระบบได้เรียนรู้จากสถานการณ์ที่หลากหลาย เช่น การชน การเกือบชน และการฟื้นตัวจากสภาวะผิดปกติ ซึ่งหาได้ยากในข้อมูลบันทึกการขับขี่จริง
ทีมวิจัยใช้วิธีฝึกนโยบายหลักหนึ่งตัวแล้วนำผลลัพธ์มากลั่นกรอง (Distill) ลงสู่โมเดลนักเรียนผ่าน Flow-matching Trajectory Teacher และใช้ Adapter ขนาดเล็กเชื่อมกับโมเดลการมองเห็นที่ถูกแช่แข็งไว้ (Frozen vision backbone) ผลการทดสอบแสดงให้เห็นว่าระบบนี้มีประสิทธิภาพเหนือกว่าวิธีที่ใช้การเลียนแบบมนุษย์ (Imitation Learning) ในมาตรฐาน NAVSIM และ HUGSim โดยไม่ต้องใช้ข้อมูลสาธิตจากผู้เชี่ยวชาญเลย
