When Diffusion Breaks Constraints: Sequential Autoregressive Generation with RL and MCTS

작성자

Haebom

카테고리

Empty

저자

Zirui Zhao, Boye Niu, Harold Soh, David Hsu, Wee Sun Lee

💡 개요

본 연구는 데이터 기반 생성 모델, 특히 확산 모델이 언어 및 비전 분야에서는 뛰어나지만, 엔지니어링 역설계, 분자 생성, 로봇 계획, 평면 설계 등과 같이 엄격한 제약 조건이 있는 계획 및 설계 작업에서 심각한 제약 위반을 보이는 문제를 다룹니다. 이러한 제약 조건은 명확하게 명시하기 어려운 의미론적 목표와 기하학적/물리적 제약을 결합하며, 연구진은 이를 언어로부터의 탱그램 생성과 같은 작업을 통해 분석합니다.

🔑 시사점 및 한계

•

확산 모델이 저차원 다양체 근처의 샘플 생성에 어려움을 겪는 구조적 한계가 있으며, 이는 제약 조건 만족 실패로 이어집니다.

•

제약 조건이 있는 생성을 이산적인 자기회귀 순차 생성으로 재구성하고 강화 학습 및 몬테카를로 트리 탐색을 적용하면 제약 조건 만족도와 작업 성공률을 크게 향상시킬 수 있습니다.

•

연속적인 밀도 매칭 방식의 제약 조건 생성 문제에 대한 구조적 한계가 확인되었으며, 순차적 제약 조건 인식 생성이 유망한 대안으로 제시됩니다.

PDF 보기

Made with Slashpage