Résumé technique : Imposition de contraintes dans l'échantillonnage génératif via une planification adaptative des corrections

Énoncé du problème

Les modèles génératifs sont de plus en plus appliqués dans des domaines exigeant que les sorties satisfont des contraintes rigides, telles que la synthèse de trajectoires, la planification robotique et la génération structurée. Dans ces contextes, les échantillons doivent se situer sur des variétés spécifiques définies par des structures géométriques, physiques ou liées à la tâche. L'approche standard consiste à exécuter le processus génératif dans l'espace ambiant et à imposer la faisabilité via un opérateur de projection.

La pratique actuelle repose généralement sur deux stratégies binaires pour le timing de cette projection :

1. Correction terminale : La projection n'est appliquée qu'une seule fois à la fin du déroulement de l'échantillonnage.
2. Correction pas à pas : La projection est appliquée après chaque mise à jour générative.

L'article soutient que ce cadre binaire néglige un problème fondamental : les mises à jour génératives dépendent de l'état. Une fois qu'un déroulement quitte l'ensemble des contraintes, les mises à jour subséquentes sont calculées à partir d'états qu'une trajectoire contrainte ne visiterait jamais. Bien qu'une projection ultérieure puisse restaurer la faisabilité au point final, elle ne peut pas annuler le décalage distributionnel induit par ces états intermédiaires hors de la variété. Par conséquent, les échantillons corrigés de manière terminale sont souvent faisables mais dynamiquement incohérents avec la dynamique d'échantillonnage visée. Le problème central est reformulé comme un problème de planification des corrections : comment allouer un budget limité d'opérations de projection au cours d'un déroulement pour préserver la cohérence de la trajectoire, plutôt que de simplement assurer la faisabilité du point final.

Méthodologie : Planification adaptative des corrections

Les auteurs proposent une planification adaptative des corrections, une politique dépendante de l'état qui traite l'imposition de contraintes comme un problème d'allocation de ressources. La méthode fonctionne en ligne sans nécessiter de gradients à travers l'opérateur de projection ni de réentraînement du modèle génératif.

Mécanisme central

Le planificateur alloue un budget fixe $B$ d'appels de projection sur un déroulement de longueur $T$. À chaque étape $t$, le planificateur :

1. Propose une mise à jour d'état $\tilde{x}_{t+1} = \Phi_h(x_t)$ en utilisant l'opérateur génératif appris.
2. Calcule un défaut de contrainte à un pas $s_t = d(\tilde{x}_{t+1}, \mathcal{M})$, mesurant la distance de l'état proposé par rapport à l'ensemble des contraintes $\mathcal{M}$.
3. Décide de projeter ou non en fonction d'un seuil conscient du budget $\lambda_{t,b}$, où $b$ est le budget restant.

La règle de mise à jour est :
$$x_{t+1} = \begin{cases} \Pi(\tilde{x}_{t+1}) & \text{si } b > 0 \text{ et } s_t \ge \lambda_{t,b} \\ \tilde{x}_{t+1} & \text{sinon} \end{cases}$$

Construction du seuil

Les seuils $\lambda_{t,b}$ sont précalculés à l'aide de déroulements de calibration tenus à l'écart. Ils représentent la valeur marginale de l'engagement d'une correction au temps $t$ avec $b$ corrections restantes. Plus précisément, $\lambda_{t,b}$ est fixé à un quantile de la distribution future des défauts, garantissant que le planificateur réserve du budget pour les événements à fort défaut survenant plus tard dans le déroulement. Cela empêche le « mode de défaillance » des règles à seuil fixe, qui pourraient épuiser le budget sur des défauts modérés précoces, laissant le planificateur incapable de corriger des écarts plus grands et plus critiques ultérieurement.

Cas particuliers

Ce cadre unifie les stratégies existantes comme cas limites :

• Correction terminale : Obtenue en fixant tous les seuils à $+\infty$ (aucune projection jusqu'à la fin).
• Correction pas à pas : Obtenue en fixant tous les seuils faisables à $0$ (projeter à chaque étape).
• Correction périodique : Une stratégie d'allocation uniforme servant de ligne de base principale.

Contributions clés

1. Le timing comme variable de conception : L'article démontre qu'une correction retardée modifie la distribution des mises à jour futures, produisant des écarts au point final qu'une projection terminale seule ne peut résoudre. Le timing des contraintes est identifié comme une variable de conception de premier ordre dans l'échantillonnage génératif.
2. Formulation de l'allocation de budget : L'imposition de contraintes est formalisée comme un problème d'allocation budgétisée dans le temps. Cela permet la comparaison directe des stratégies terminales, périodiques et adaptatives sous des budgets de calcul appariés.
3. Le défaut comme proxy de valeur : Les auteurs montrent que le défaut de contrainte à un pas sert de proxy en ligne efficace pour la distorsion de trajectoire en aval. En dépensant des corrections sur les étapes à fort défaut, le planificateur approxime l'allocation optimale des ressources de projection limitées.
4. Frontière améliorée coût-précision : La planification adaptative proposée améliore le compromis entre le coût de projection et la précision de la trajectoire. Elle récupère une fidélité proche du pas à pas tout en utilisant significativement moins d'appels de projection.

Résultats expérimentaux

La méthode a été évaluée sur des déroulements de variétés contrôlés (domaines SO(3), SE(3) et Terrain) et un échantillonneur de Modèle de Diffusion Projeté (PDM) appris.

• Déroulements de variétés : Dans des domaines à défaut concentré (par exemple, les variantes « Impulsion » ou « Crête » où les erreurs surviennent en rafales spécifiques), la planification adaptative a nettement surpassé la correction périodique. À un budget fixe de $B/T \approx 0,25$, la planification adaptative a réduit l'Erreur de Trajet Excédentaire Normalisée (NEPE) de 41 % par rapport à la correction périodique dans le domaine SE(3)-Levier.
• Modèles de diffusion projetés : Lorsqu'appliquée à un échantillonneur PDM existant, la planification adaptative a récupéré 71,2 % du bénéfice complet du pas à pas tout en n'utilisant que 25 % des appels de projection (une réduction de 75 % du coût). En revanche, la correction périodique au même budget n'a récupéré que 51,4 % du bénéfice.
• Généralisation : Les résultats indiquent que les violations de contraintes sont hautement hétérogènes dans le temps. Corriger sélectivement les étapes à fort défaut surpasse constamment les stratégies uniformes, en particulier lorsque le profil de défaut est volatil.

Importance et affirmations

L'article affirme que l'imposition de la faisabilité seule est insuffisante pour préserver la dynamique d'échantillonnage contrainte visée. La contribution principale est la démonstration que le timing des contraintes est un degré de liberté fondamental dans l'échantillonnage génératif.

Les auteurs affirment que :

• La projection n'est pas simplement une opération de faisabilité mais une intervention dans la dynamique. La retarder modifie les états à partir desquels les mises à jour futures sont calculées.
• La planification adaptative permet aux praticiens de dépenser l'effort de correction là où cela compte le plus (régions à fort défaut) plutôt que de manière uniforme ou uniquement à la fin.
• Cette approche est agnostique au modèle, ne nécessite aucun calcul de gradient à travers la projection et introduit une surcharge négligeable au-delà de l'évaluation du défaut.

Ce travail suggère que la génération contrainte future devrait traiter les opérations de faisabilité comme des interventions au niveau de la trajectoire, reconnaissant que le chemin emprunté pour atteindre un échantillon faisable est aussi critique que l'échantillon lui-même.