연구진이 폐쇄 루프 교통 시뮬레이션의 어려움을 해결하기 위해 제안 조건부 잠재 확산 프레임워크를 개발했어요. 이 프레임워크는 인스턴스 중심의 장면 맥락과 다중 모달 제안 우선순위에 기반하여 시나리오를 생성하며, 안전 관련 행동을 형성하기 위한 테스트 시간 가이드도 선택적으로 제공돼요. Waymo Open Motion 데이터셋 실험 결과, 현실감, 안전, 제어 가능성 간 균형을 유지하며 다양한 상호 작용 시나리오에서 효과적임을 입증했어요.
연구진은 샘플링 효율성을 높이고 단계별 실행 시간을 줄이기 위해 압축된 행동 잠재 표현과 제안 기반 초기화를 사용했어요. 이를 통해 자율 주행차 계획 및 시뮬레이션의 시간 제약된 재계획 루프에 배포하기 위한 계산 비용 문제를 해결했어요.
테스트 시간 가이드 기능을 통해 경쟁 목표 간 체계적인 균형을 맞출 수 있으며, 이는 폐쇄 루프 교통 시뮬레이션의 현실적인 구현 가능성을 높여줘요.