Els models generatius (de difusió o de flux) s'usen cada cop més per planificar moviments de robots o controlar processos físics, però en aquests contextos una solució «aproximadament correcta» no serveix: una trajectòria que gairebé evita una col·lisió, per exemple, és una trajectòria que falla. Els mètodes actuals per imposar aquestes restriccions dures solen forçar-les a cada pas intermedi de la generació, cosa que limita la qualitat de la solució final.
Un equip del Laboratory for Information and Decision Systems (LIDS) del MIT, format per Zeyang Li (estudiant de doctorat en enginyeria mecànica i el LIDS, autor principal), Kaveh Alim (estudiant del Institute for Data, Systems, and Society i el LIDS) i Navid Azizan (professor associat d'enginyeria mecànica i investigador principal del LIDS, autor sènior), ha publicat HardFlow, un mètode que reformula el mostreig amb restriccions com un problema d'optimització de trajectòries basat en control òptim. En lloc d'obligar cada pas intermedi a complir la norma, dona llibertat al model durant tot el procés de generació i només aplica les restriccions dures al resultat final, mentre descompon l'optimització en subproblemes més petits per fer-la computacionalment viable. L'estudi, publicat el 14 de setembre a IEEE Transactions on Pattern Analysis and Machine Intelligence, el va provar en manipulació robòtica, navegació per laberints i edició d'imatges, i en tots els casos va obtenir «satisfacció perfecta de les restriccions» superant els mètodes de referència, per exemple trobant camins lliures de col·lisions més curts.
El que fa rellevant HardFlow és que és una tècnica de connectar i usar («plug-and-play») que s'aplica en el moment del desplegament, sense haver de reentrenar el model generatiu de base: en principi es pot afegir a models ja existents per fer-los servir en contextos de seguretat crítica —robòtica industrial, control de processos físics— on fins ara calia renunciar-hi o acceptar-ne un compliment només aproximat.
Les proves, tot i ser rigoroses, es limiten a tres dominis controlats (manipulació, laberints i imatge); el mètode encara no s'ha validat en desplegaments reals a fàbrica o carretera, i l'article no detalla com escala el cost computacional quan el conjunt de restriccions es torna molt més complex que en aquests experiments.