論文の概要: ConicFlow: constrained Inference-time optimal control for flow matching models

• arxiv url: http://arxiv.org/abs/2610.14307v1
• Date: Fri, 09 Oct 2026 20:32:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.031297
• Title: ConicFlow: constrained Inference-time optimal control for flow matching models
• Title（参考訳）: ConicFlow: フローマッチングモデルのための制約付き推論時間最適制御
• Abstract要約: ConicFlowフレームは、最適制御問題として、推論時のフローマッチングモデルからのサンプリングを制約した。 我々は,各ステップの軌跡のショートウィンドウのみを最適化し,遅延水平制御を適用して計算的トラクタビリティを向上する。 最近の大規模フローマッチングモデルによる低次元および高次元の両方の実験により、ConicFlowは高い報酬と強い制約満足度を達成することが示された。
• 参考スコア（独自算出の注目度）: 72.24720987598323
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose ConicFlow, which frames constrained sampling from a flow matching model at inference time as an optimal control problem that balances deviation from the pretrained trajectory against reward, subject to hard terminal constraints. We discretize this problem and adapt receding-horizon control, optimizing only a short window of the trajectory at each step for computational tractability. We address the resulting sequence of receding-horizon subproblems with a receding-horizon primal-dual algorithm. Its dual multipliers capture the difficulty of satisfying each constraint and are refined throughout sampling, steering generation toward feasible final samples. We further propose a terminal-estimate variant that avoids accumulating local truncation errors by evaluating the reward and constraints at the predicted terminal point rather than at the end of the current horizon. Under standard regularity assumptions, we establish finite-horizon guarantees on suboptimality. Under convex-affine structure, we derive a sharper bound that scales linearly with omitted horizon length, and we show that the terminal-estimate variant is provably tighter when the flow dynamics change slowly. Experiments in both low- and high-dimensional settings with a recent large-scale flow matching model show that ConicFlow achieves high reward and strong constraint satisfaction while deviating less from the pretrained flow than recent baselines.
• Abstract（参考訳）: 本研究では,予測時におけるフローマッチングモデルからのサンプリングの制約を,事前学習した軌道から報酬への偏差をバランスさせる最適制御問題として,ハード端末制約を条件として,ConicFlowを提案する。 我々はこの問題を識別し、回帰水平制御を適用し、各ステップにおける軌道のショートウィンドウのみを最適化し、計算的トラクタビリティを最適化する。 本研究は, 後退水平2次アルゴリズムを用いて, 降下水平サブプロブレムの列に対処する。 その双対乗算器は各制約を満たすことの難しさを捉え、サンプリングを通じて洗練され、実現可能な最終サンプルへの操舵生成を行う。 さらに,現在地平線の終端ではなく,予測終点における報酬と制約を評価することにより,局所的乱れ誤差の蓄積を回避する端末推定式を提案する。 標準的な正則性仮定の下では、準最適性に関する有限水平保証を確立する。 凸-アフィン構造の下では, 水平方向の省略長と線形にスケールするシャープな境界を導出し, 流れの速度が緩やかに変化すると, 終端推定変動がより強くなることを示す。 近年の大規模フローマッチングモデルを用いた低次元および高次元の両方の実験により,コニックフローは,事前学習した流れから逸脱しながら,高い報酬と強い制約満足度を達成できることが示された。

関連論文リスト

• Across the Loss Landscape with Progressive Growth [51.366966420881646]
  成長を漸進的緩和と見なして、より平坦な地域に向けての訓練戦略がいかに成長・最適化されるかを示す。 制御されたおもちゃの流域や現実的なResNet/CI-100環境でこれらの予測を実証的に検証する。 プログレッシブな部分空間成長は、より平坦な解を確実に生成するが、曲率の低減は、普遍的にテスト性能の向上に変換されず、平坦性一般化接続における微妙さを強調している。
  論文  参考訳（メタデータ） (2026-08-25T13:50:48Z)
• Nonlinear Model Predictive Control via Sequential Convex Programming for Drone-to-Drone Docking [0.0]
  本研究は, ドッキングタスクを外乱状態が拡張された低次非線形モデルに基づいて, 有限水平最適制御問題として定式化する。 その結果, 動的に実現可能なドッキング軌道を生成するために, 後退水平フレームワーク内での逐次凸プログラミングを用いて問題を解く。
  論文  参考訳（メタデータ） (2026-08-11T06:27:45Z)
• Limit Points of Reflow with Minibatch Optimal Transport [5.12067518301035]
  整流流は、2つの確率分布の間の確率曲線を操る時間依存ベクトル場を学習する生成モデルである。 この反復の挙動を研究し、その極限点を特徴づける。 そのような$N$環状モノトンカップリングは、可逆性や直線性などの構造的および安定性の良好な性質を享受する。
  論文  参考訳（メタデータ） (2026-08-07T09:51:33Z)
• Biconvex Optimization for Smooth Minimum-Time Trajectories around Convex Obstacles [49.315843050082925]
  本稿では,最小時間移動計画凸障害物に対して,収束が保証されるバイアプローチを提案する。 提案手法は,変数の最先端分解を生成するために,時間とともに高品質な軌道を生成する。
  論文  参考訳（メタデータ） (2026-08-03T19:48:24Z)
• Hardware-Aware QUBO Reformulation of Constrained Binary Optimization via the Walsh-Fourier Transform [1.3423094548772225]
  本稿では,制約付きバイナリ最適化を準拘束型バイナリ最適化(QUBO)として再構成する新しいフレームワークを提案する。 このハードウェアネイティブサロゲートは、厳密な近似空間から引き出されたにもかかわらず、より高密度な全対射影よりも優れていることを示す。 この利点は量子アニーラーにQUBOが埋め込まれてサンプル化されると、不均衡なペナル化やハードウェアブラインドによる全ての2次項への投射と比較して、最悪のケースと平均的な客観的なギャップを持つサンプルが得られる。
  論文  参考訳（メタデータ） (2026-07-28T23:45:18Z)
• Terminally constrained flow-based generative models from an optimal control perspective [32.87833798690545]
  フローベースモデルを用いた端末最適制御(TOCFlow)は,事前学習したフローに対する幾何対応のサンプリング時間誘導手法である。 制御ペナルティが増加するにつれて、制御されたプロセスは基準分布を回復するが、ペナルティが消えるにつれて、終端法則は制約多様体への一般化されたワッサーシュタイン射影に収束する。 等式,不等式,大域的統計的制約にまたがる3つの高次元科学的課題におけるTOCFlowの評価を行った。
  論文  参考訳（メタデータ） (2026-01-14T13:32:15Z)
• Closed-Form Last Layer Optimization [72.49151473937319]
  正方形損失の下では、線形最終層重みに対する最適解は閉形式で知られている。 これは、バックボーン上の勾配降下ステップと最終層上のクローズドフォーム更新の交互に行われることを示す。
  論文  参考訳（メタデータ） (2025-10-06T09:14:39Z)
• Adaptive Deadline and Batch Layered Synchronized Federated Learning [66.93447103966439]
  フェデレートラーニング(FL)は、データプライバシを保持しながら、分散エッジデバイス間で協調的なモデルトレーニングを可能にする。 我々は,レイヤワイドアグリゲーションのために,ラウンド単位の期限とユーザ固有のバッチサイズを共同で最適化する新しいフレームワークADEL-FLを提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:59:18Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Suboptimality analysis of receding horizon quadratic control with unknown linear systems and its applications in learning-based control [14.279848166377668]
  多くの場合、予測の地平線は制御性能を改善するために1つまたは無限のどちらかであることを示す。 時間対数関数として増加する適応予測地平線は、後悔の最小化に有用であることを示す。
  論文  参考訳（メタデータ） (2023-01-19T04:33:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。