约束引导的交通扩散中的有效性优先空间智能
计算机视觉与模式识别
2025-09-30 v1
摘要
现代扩散模型生成的交通仿真虽然逼真，但系统性地违反物理约束。在对 SceneDiffuser++进行大规模评估后，我们发现 50% 的生成轨迹违反基本物理法则——车辆发生碰撞、驶离道路或生成在建筑物内部。这揭示了当前模型将物理有效性视为一种渐现象属性，而非建构性要求的根本性局限。我们提出了有效性优先空间智能(Validity-First Spatial Intelligence，VFSI)，通过在扩散采样期间采用能量基准方法强制执行约束，无需模型重新训练。通过将碰撞规避和运动学约束作为能量函数纳入系统，引导去噪过程朝向物理有效轨迹。我们在 Waymo Open Motion 数据集中的 200 个城市场景中进行评估，VFSI 将碰撞率降低 67%（从 24.6% 降至 8.1%），整体有效性提升 87%（从 50.3% 提升至 94.2%），同时在现实感指标上也取得改进（ADE 从 1.34m 降至 1.21m）。我们的模型中性方法表明，推断期间的显式约束强制是实现物理有效交通仿真既必要又充分的条件。
引用
@article{arxiv.2509.23971,
title = {VFSI: Validity First Spatial Intelligence for Constraint-Guided Traffic Diffusion},
author = {Kargi Chauhan and Leilani H. Gilpin},
journal= {arXiv preprint arXiv:2509.23971},
year = {2025}
}