评估自动驾驶车辆规划算法需要复杂交通场景模拟。我们提出了一种基于引导扩散模型的闭环模拟框架，生成安全关键场景。该方法增强了可控性和互动性，降低了碰撞率。通过NuScenes数据集验证，框架在现实性和可控性上有显著改进。

通过引入基于引导扩散模型的闭环模拟框架，提出一种新的方法来生成现实世界情景的安全关键场景，并通过增强的可控性使评估更全面和互动性更强。通过相关的引导目标，改善了道路进展，同时降低了碰撞和离道率。通过去噪过程中的对抗项，开发了一种模拟安全关键场景的新方法，使对抗性代理能够通过可行的操纵手段挑战规划器，同时场景中的所有代理均表现出反应灵敏和逼真的行为。通过使用 NuScenes 数据集的实证验证了框架，证明了在现实性和可控性方面的改进。这些发现肯定了引导扩散模型为安全关键、互动式交通模拟提供了强大而通用的基础，进一步扩展了其在自动驾驶领域的实用性。