Cet article présente « Efficient Virtuoso », une méthode performante permettant de générer des distributions de trajectoires futures diversifiées et plausibles pour les systèmes de planification de véhicules autonomes. Cette méthode utilise un modèle de diffusion latente conditionnel (LDM) qui préserve le rapport hauteur/largeur géométrique et garantit des cibles d'entraînement stables grâce à un pipeline de régularisation en deux étapes. Elle effectue un débruitage efficace à l'aide d'un simple débruiteur MLP dans un espace latent de faible dimension et conditionne un contexte de scène riche à l'aide d'un StateEncoder basé sur un transformateur. Elle atteint des performances de pointe (minADE 0,25) sur le jeu de données Waymo Open Motion. Une étude d'ablation de la représentation de l'objectif démontre que si un objectif à point final unique résout l'ambiguïté stratégique, les itinéraires clairsemés à plusieurs étapes permettent une exécution tactique précise et fidèle.
