PPR-2503.02924
Paper
Diverse Controllable Diffusion Policy with Signal Temporal Logic
| id | |
|---|---|
| updated | |
| type | paper |
| title | Diverse Controllable Diffusion Policy with Signal Temporal Logic |
| authors | Yue Meng, Chuchu Fan |
| venue | IEEE RA-L 2024 (arXiv:2503.02924) |
| arxiv | 2503.02924 |
| tier | 0 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-09 |
| version | arXiv:2503.02924v1 |
| source-hash | d16afa2d5852517053c47097f15481a54d4378e5a0275bed94e000795ccd103c |
| admitted-under | A2-direct-edge |
| admission-note | G2DP 扩散规划谱系的前置工作（related work 引用，『稀疏时序逻辑引导』分叉）：pSTL 以 STL 规则引导扩散策略做可控多样轨迹——G2DP 的『引导注入』在 STL 规则域的近亲。 |
定位
提出 pSTL（Diffusion Policy with Signal Temporal Logic）的原始论文（IEEE RA-L 2024，MIT）。面向可控、多样且规则合规的驾驶行为生成：规则式模型多样不足，学习式模型不显式守则，真实数据又是“单结果”难以学出多样性。pSTL 用信号时序逻辑（STL）作为规则语言结合扩散/rectified flow 策略学习可控的多样行为。
方法（机制要点）
- STL 校准：在真实驾驶数据上校准 STL 参数，使规则表征贴合实际。
- 合成数据增强：用轨迹优化生成多样合成数据，缓解真实数据“单结果”的多样不足。
- rectified flow 策略：在增强数据集上学习扩散/flow 策略，测试时以 STL 参数为条件生成不同特性轨迹。
与 G2DP 的关系
G2DP（PPR-2606.26017）扩散规划谱系的前置工作：related work 将 pSTL 与 CTG 同归“稀疏时序逻辑引导”分叉（STL 鲁棒性在向量化表示上求值），相对 G2DP 的稠密时空占据场引导是稀疏对照面。库内 SYN-003 记其角色。与 CTG（PPR-2210.17366）为 STL-扩散结合方向的两个实例（CTG 做仿真、pSTL 做策略）。
承重关系
- 谱系锚点：扩散规划/策略谱系的 STL 引导分叉；与 CTG（PPR-2210.17366）并列。库内 SYN-003 记其角色。
- provenance：v1 tarball sha256
d16afa2d…cdd103c，缓存cache/sources/2503.02924/。
关联（3）
- PPR-2210.17366 Guided Conditional Diffusion for Controllable Traffic Simulation
- PPR-2606.26017 G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance
- SYN-003 G2DP 引导谱系四支合成：机制（classifier guidance→CFG→DPS）、扩散规划（Diffuser→MotionDiffuser→Diffusion Planner→FlowPlanner/pSTL/CTG）、安全硬约束（CBF 系）、稠密网格（HYPE/TPP/NaviDiffusor）；G2DP 立四支交点——把『稠密分布性网格』放到『可微+时空+入去噪循环』。