본 논문은 자율 주행을 위한 강건한 계획 방법을 제시합니다. 이는 모션 예측을 위해 훈련된 확산 모델이 출력하는 정상 및 적대적 에이전트 예측을 혼합하는 방법입니다. 먼저, 정상적인 에이전트 행동의 편향되지 않은 분포를 학습하도록 확산 모델을 훈련시킵니다. 그런 다음, 후보 계획과 충돌할 가능성이 높은 예측을 생성하도록 테스트 시 확산 모델에 편향을 가하여 적대적 예측 분포를 생성합니다. 정상 및 적대적 예측의 혼합 분포에 대한 기대 비용을 사용하여 계획을 평가합니다. 이를 통해 적대적 행동에 강건하지만 에이전트가 정상적으로 행동할 때 지나치게 보수적이지 않은 계획자가 됩니다. 기존 방법과 달리, 적대적 행동에 과도한 가중치를 부여하면서 저비용 정상 행동에는 거의 또는 전혀 가중치를 부여하지 않는 위험 측정값을 사용하거나 모든 운전 시나리오에 적합하지 않을 수 있는 하드 안전 제약 조건을 사용하지 않습니다. 단일 에이전트 및 다중 에이전트 무단횡단 시나리오와 적색 신호 위반 시나리오에서 이 방법의 효과를 보여줍니다.
