في عالم القيادة الذاتية، يعد فعالية تخطيط الحركة من العناصر الحيوية لضمان سلامة الركاب وكفاءة النظام. ومع الرغم من التقدم الذي أُحرز في هذا المجال، لا تزال هناك تحديات تواجه مخططات الحركة المعتمدة على التعلم، لاسيما فيما يتعلق بعدم التناسق الزمني. فالاضطرابات البسيطة التي تحدث عبر الإطارات يمكن أن تتراكم إلى مسارات غير مستقرة، مما يؤدي إلى فقدان الراحة والسلامة.

للتغلب على هذه العقبات، يظهر مخطط القوة الانتشاري (Diffusion Forcing Planner - DFP) كحل مبتكر. يعتمد DFP على إطار تخطيط يستفيد من التحكم المسترشد بالتاريخ، حيث يقوم بتفكيك المسار الكامل إلى ثلاثة أجزاء: التاريخ، الحالي، والمستقبلي، مما يسمح بتخصيص مستويات ضوضاء مستقلة لكل جزء.

تعمل هذه التقنية على تحسين تماسك المسارات من خلال عملية تدمير ضوضاء متكاملة تضم الأجزاء التاريخية والمستقبلية بشكل متوازي، مما يوفر بيئة ملائمة لتوجيه مستقبل القيادة. وعند التقييم، يتم استخدام توجيه بدون مصنف (Classifier-Free Guidance - CFG) للمساعدة في توجيه العينة المستقبلية بصورة قابلة للتحكم باستخدام التاريخ المرن.

أثبتت الاختبارات مغلقة الحلقة أن DFP يحقق أداءً تنافسيًا، ويولد خطط حركة مستمرة، مستقرة، وقابلة للتحكم حتى في السيناريوهات المعقدة.

إن ابتكار DFP يمثل خطوة ملحوظة نحو مجابهة التحديات الحالية في مجال القيادة الذاتية، ويعكس كيف يمكن للتقنيات الحديثة أن تساهم في تحسين التجربة على الطرق.