การพัฒนารถยนต์ไร้คนขับ (AV) จำเป็นต้องมีการทดสอบกับสถานการณ์ที่เสี่ยงต่อการเกิดอุบัติเหตุ (Safety-critical scenarios) ทว่าสถานการณ์เหล่านี้เกิดขึ้นได้ยากในชีวิตจริงและขาดแคลนในชุดข้อมูล งานวิจัยนี้จึงพัฒนาเฟรมเวิร์ก Conditional Flow-VAE ซึ่งใช้เทคนิค Conditional Latent Flow Matching เพื่อสร้างฉากจำลองการจราจรที่อันตรายแต่ยังคงความสมจริง
จุดเด่นของระบบนี้คือการใช้การจับคู่การกระจายข้อมูล (Distribution matching) เพื่อแปลงฉากการขับขี่ทั่วไปให้กลายเป็นสถานการณ์ที่มีความเสี่ยงสูง โดยสามารถใช้ข้อมูลจากทั้งโลกจริงและโปรแกรมจำลองร่วมกันได้ ช่วยให้สามารถผลิตฉากการทดสอบที่หลากหลายและปรับขนาดได้ตามความต้องการ (Scalable) ซึ่งแก้ปัญหาเดิมที่การสร้างฉากจำลองมักทำได้ยากหรือให้พฤติกรรมที่ไม่เป็นธรรมชาติ
ผลการทดสอบยืนยันว่าแนวทางนี้สามารถสร้างสถานการณ์ใหม่ๆ ที่สม่ำเสมอและมีความสมจริงสูง ซึ่งจะเป็นประโยชน์อย่างยิ่งในการนำไปใช้เป็นมาตรฐานในการฝึกฝนและประเมินประสิทธิภาพความปลอดภัยของระบบรถยนต์ไร้คนขับในอนาคต
