AnchorDrive：基于锚点引导扩散模型重生成的LLM场景展开
人工智能
2026-03-04 v1
摘要
自动驾驶系统需要在安全关键场景中进行全面评估，以确保其安全性和鲁棒性。然而，这些场景稀有且难以从真实驾驶数据中收集，使得基于仿真的合成成为必要。然而，现有方法在可控性和真实性方面往往存在局限。从能力角度看，LLM在受自然语言指令引导下生成方面表现出色，而扩散模型则更适合产生与真实驾驶分布一致的轨迹。我们提出了AnchorDrive，一个两阶段的安全关键场景生成框架。在第一阶段，我们将LLM部署为驾驶代理 within a closed-loop simulation 中，推理并在自然语言约束下迭代输出控制命令；计划评估器审查这些命令并提供纠正反馈，实现语义可控的场景生成。在第二阶段，LLM从第一阶段的轨迹中提取关键锚点作为指导目标，这些目标与其他指导术语共同引导扩散模型重新生成完整轨迹，以提高真实性同时保持用户指定的意图。highD 数据集上的实验表明，AnchorDrive 在关键性、真实性和可控性方面实现了优异的整体性能，验证了其在生成可控且真实的安全关键场景方面的有效性。
引用
@article{arxiv.2603.02542,
title = {AnchorDrive: LLM Scenario Rollout with Anchor-Guided Diffusion Regeneration for Safety-Critical Scenario Generation},
author = {Zhulin Jiang and Zetao Li and Cheng Wang and Ziwen Wang and Chen Xiong},
journal= {arXiv preprint arXiv:2603.02542},
year = {2026}
}