การเก็บข้อมูลจริงเพื่อทดสอบรถยนต์ไร้คนขับนั้นมีต้นทุนสูงและทำได้ยาก การใช้ระบบจำลอง (Simulator) จึงเป็นทางออกสำคัญ แต่ระบบเดิมมักมีข้อจำกัดในการกำหนดสถานการณ์จราจรที่สมจริงและหลากหลาย นักวิจัยจึงพัฒนา 'TrafficDiffuser' ซึ่งเป็นเฟรมเวิร์กสร้างสถานการณ์จราจรแบบบนลงล่าง (Top-down) โดยใช้ Diffusion Model เข้ามาช่วย
นวัตกรรมของ TrafficDiffuser คือการสร้างคู่สถานการณ์ 'จุดเริ่มต้นและจุดหมาย' (Initial-Goal State Pairs) พร้อมกัน ซึ่งช่วยให้การสร้างเส้นทางที่เหลือเป็นเพียงการเติมเต็มช่องว่าง (Infilling) ผลการทดสอบกับชุดข้อมูล Argoverse 2 พบว่าระบบนี้สามารถลดความผิดเพี้ยนของการกระจายความเร็วลงได้ 55.3% และลดอัตราการขับขี่ออกนอกถนนลง 2.8% เมื่อเทียบกับเทคโนโลยีที่ดีที่สุดก่อนหน้า
