Cet article propose une politique de diffusion basée sur les connaissances (KDP) pour relever les défis de la génération d'actions multimodales, de la stabilité temporelle et de la généralisation à travers divers scénarios de conduite autonome de bout en bout. KDP intègre une modélisation par diffusion générative et un mécanisme de routage mixte d'experts clairsemés pour générer des séquences d'actions multimodales temporellement cohérentes et activer des experts contextuels, spécialisés et réutilisables, permettant ainsi une construction modulaire des connaissances. Les résultats expérimentaux obtenus dans divers scénarios de conduite démontrent que KDP atteint des taux de réussite plus élevés, des risques de collision plus faibles et un contrôle plus fluide que les méthodes existantes. Des analyses plus approfondies confirment l'efficacité de l'activation d'experts clairsemés et du réseau de base Transformer, ainsi que la spécialisation structurelle et la réutilisation inter-scénarios des experts. Ces résultats démontrent que le modèle de diffusion avec routage d'experts est un paradigme évolutif et interprétable pour la conduite autonome de bout en bout.
