ECoSim：用于可控流量仿真的数据高效 微调

可控交通模拟对于测试自动驾驶系统至关重要，但现有方法通常需要使用大量注释数据重新训练大型生成模型。我们引入了一种轻量级控制适应框架，该框架能够为预先训练的最先进的扩散和自回归流量模型提供多模式可控性（草图、潜在行为代码和文本）。通过身份初始化的 FiLM 层调制中间特征，我们的方法有效地添加了新的控制模式，同时保留了基本模型的生成先验。在 Waymo Open Sim Agents Challenge 上进行评估，我们的方法显示出强大的可控性，配对控制数据少于 1%。通过上下文感知条件转移，我们的框架能够实现反事实场景生成和长尾综合，同时保持稳定的闭环驾驶真实性和安全性。我们的框架为可控交通模拟带来了新的可能性，通过预训练生成模型的轻量级调整实现目标场景生成。项目页面：https://ecosim-web.github.io/