أصبح التوجيه الذاتي من الطرف إلى الطرف (E2E-AD) من الاتجاهات الواعدة بسرعة لتحقيق الاستقلال الكامل. ومع ذلك، فإن الأنظمة الحالية المبنية على هذا النموذج تعتمد غالبًا على إطار عمل متعدد المهام تقليدي، حيث تُعالج مهام الاستشعار والتنبؤ والتخطيط من خلال وحدات متخصصة منفصلة لكل مهمة. وعلى الرغم من تدريبها بطريقة تمامًا قابلة للتفاضل، لا تزال تعاني من مشكلات في تنسيق المهام، كما تبقى تعقيدات النظام مرتفعة. في هذا العمل، نقدّم DiffAD، وهو نموذج احتمالي انتشاري جديد، يعيد تعريف القيادة الذاتية كمهمة توليد صورة شرطية. من خلال تبديل الأهداف المتنوعة إلى رؤية علوية موحدة (BEV) ونمذجة توزيعها الخفي، يُوحّد DiffAD مختلف الأهداف القيادة ويُحسّن جميع مهام القيادة بشكل مشترك ضمن إطار واحد، مما يقلل بشكل كبير من تعقيد النظام ويُنسّق بشكل أفضل بين المهام. وخلال العملية العكسية، يتم تحسين صورة BEV المولّدة تدريجيًا، ما يؤدي إلى سلوك قيادة أكثر متانة وواقعية. أظهرت تقييمات الدائرة المغلقة في بيئة Carla تفوق الطريقة المقترحة، حيث حققت أداءً جديدًا على مستوى الحالة الراهنة من حيث معدل النجاح ودرجة الأداء في القيادة. وسيتم إتاحة الكود المصدر علنًا.