🤖 machine learning

Logic-Guided Vector Fields for Constrained Generative Modeling

यह शोध पत्र लॉजिक-गाइडेड वेक्टर फील्ड्स (LGVF) प्रस्तुत करता है, जो एक न्यूरो-सिंबोलिक फ्रेमवर्क है जो फ्लो मैचिंग जनरेटिव मॉडल्स में डिफरेंशिएबल लॉजिकल कंस्ट्रेंट्स को ट्रेनिंग-टाइम पेनल्टी लॉस और इन्फरेंस-टाइम ग्रेडिएंट एडजस्टमेंट्स के संयोजन के माध्यम से एकीकृत करता है, जिससे विविध कंस्ट्रेंड जनरेशन कार्यों में डिस्ट्रिब्यूशनल फिडेलिटी को बनाए रखते हुए या उसमें सुधार करते हुए कंस्ट्रेंट उल्लंघनों को काफी कम किया जाता है।

मूल लेखक: Ali Baheri

प्रकाशित 2026-05-26

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ali Baheri

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबट को चित्र बनाना सिखा रहे हैं। आप चाहते हैं कि रोबट सुंदर, वास्तविक चित्र बनाए (जैसे सूर्यास्त या एक बिल्ली), लेकिन आपके पास एक सख्त नियम है: रोबट कभी भी लाल रेखा नहीं खींचेगा।

AI की दुनिया में, यह एक आम समस्या है। अधिकांश AI मॉडल यह सीखने में बहुत अच्छे होते हैं कि क्या बनाना है, लेकिन वे "यह मत करो" जैसे सख्त नियमों का पालन करने में बहुत खराब होते हैं। आमतौर पर, यदि रोबट गलती से एक लाल रेखा खींच देता है, तो हम बस उस चित्र को फेंक देते हैं और फिर से कोशिश करते हैं। लेकिन अगर "वर्जित" क्षेत्र बहुत छोटा है, तो रोबट सही होने के लिए हजारों बार प्रयास कर सकता है। यह धीमा और बर्बादी भरा है।

यह पेपर एक नई विधि पेश करता है जिसे लॉजिक-गाइडेड वेक्टर फील्ड्स (LGVF) कहा जाता है। इसे एक "स्मार्ट कंपास" की तरह समझें जो रोबट को चित्र बनाने के दौरान ही लाल रेखाओं जैसे वर्जित क्षेत्रों के आसपास रास्ता खोजने में मदद करता है, बजाय इसके कि वह चित्र के बिल्कुल अंत में जाकर उसे चेक करे।

यह कैसे काम करता है, यहाँ सरल चरणों में दिया गया है:

1. समस्या: "सीधी रेखा" का जाल

कल्पना कीजिए कि रोबट एक खाली कैनवास (शोर/नॉइज़) से शुरू करता है और उसे एक बिल्ली का चित्र बनाना है।

पुराना तरीका: रोबट "खाली कैनवास" से "बिल्ली" तक एक सीधा रास्ता सीखता है। लेकिन कभी-कभी, वह सीधा रास्ता किसी वर्जित क्षेत्र (जैसे लाल रेखा या दीवार) के ठीक बीच से गुजर जाता है। रोबट को आखिरी सेकंड तक इसकी परवाह नहीं होती, जब उसे एहसास होता है, "ओह, मैंने एक लाल रेखा खींच दी!"
समस्या: यदि वर्जित क्षेत्र रास्ते के बीच में है, तो रोबट बार-बार उससे टकराता रहेगा, भले ही अंतिम चित्र एकदम सही हो सकता था।

2. समाधान: LGVF (एक "स्मार्ट कंपास")

लेखकों ने इस समस्या को ठीक करने के लिए दो-चरणीय प्रशिक्षण प्रक्रिया प्रस्तावित की है:

चरण A: "हल्के धक्के" के साथ प्रशिक्षण (लॉजिक लॉस)
सीखने के चरण के दौरान, AI को बताया जाता है: "सिर्फ अंतिम चित्र को न देखें; अपने रास्ते को देखें।"

कल्पना कीजिए कि रोबट धुंधले जंगल में चल रहा है। लक्ष्य एक विशिष्ट पेड़ (अंतिम छवि) तक पहुँचना है।
"लॉजिक लॉस" एक शिक्षक की तरह है जो जंगल में खड़ा है। हर बार जब रोबट एक ऐसा कदम लेता है जो वर्जित लाल रेखा के बहुत करीब पहुँच जाता है, तो शिक्षक उसे वापस धकेलने के लिए एक हल्का सा धक्का देता है।
समय के साथ, रोबट अपना रास्ता मोड़ना (curve करना) सीख जाता है। लाल क्षेत्र के माध्यम से सीधे चलने के बजाय, वह इसके चारों ओर घूमकर जाने का एक सुरक्षित, घुमावदार रास्ता खोजना सीख जाता है।

चरण B: "अंतिम-मील सुधार" (इन्फरेंस एडजस्टमेंट)
शिक्षक की मदद के बावजूद, रोबट अभी भी किनारे के बहुत करीब पहुँच सकता है।

जब रोबट वास्तव में एक चित्र बना रहा होता है (केवल अभ्यास नहीं कर रहा होता), तो सिस्टम एक अंतिम "सुरक्षा ब्रेक" जोड़ता है।
यदि रोबट का रास्ता किसी वर्जित क्षेत्र की ओर बढ़ने लगता है, तो एक छोटा सा गणितीय बल उसे तुरंत सुरक्षा की ओर धकेल देता है। यह एक GPS की तरह है जो कहता है, "आप खाई के बहुत करीब जा रहे हैं; चलिए थोड़ा बाईं ओर मुड़ते हैं।"

3. उन्हें क्या मिला?

शोधकर्ताओं ने तीन अलग-अलग "बाधा पाठ्यक्रमों" (obstacle courses) पर इसका परीक्षण किया:

एक साधारण दीवार: एक सीधी रेखा जो कमरे को विभाजित करती है।
डोनट आकार: रोबट को एक रिंग के अंदर रहना था और बीच के छेद और बाहरी दुनिया से बचना था।
एक भूलभुलैया (Maze): रोबट को तीन अलग-अलग गोलाकार बाधाओं के चारों ओर रास्ता बनाना था।

परिणाम:

कम गलतियाँ: मानक AI मॉडल की तुलना में, LGVF ने "वर्जित" गलतियों को 59% से 82% तक कम कर दिया।
बेहतर गुणवत्ता: सरल मामलों में (जैसे दीवार और डोनट), चित्र न केवल सुरक्षित थे बल्कि वे लक्षित छवियों की तरह अधिक वास्तविक भी थे।
समझौता (Trade-off): जटिल भूलभुलैया (बहु-बाधा) वाले मामले में, रोबट दीवारों से बचने में बहुत अच्छा हो गया, लेकिन चित्र मानक मॉडल की तुलना में थोड़े कम पूर्ण थे। यह एक क्लासिक ट्रेड-ऑफ है: अत्यधिक सुरक्षित होने का मतलब कभी-कभी यह हो सकता है कि आप हर अन्य चीज़ में 100% पूर्ण न हों।
स्केलिंग अप: उन्होंने उच्च आयामों (जैसे 100-आयामी स्थान, जो 100 दिशाओं वाला कमरा है) में इसका परीक्षण किया। जैसे-जैसे कमरा बड़ा हुआ, मानक मॉडल बुरी तरह विफल हो गए, लेकिन LGVF ने गलतियों को शून्य के करीब रखा।

मुख्य निष्कर्ष

यह पेपर दिखाता है कि आप AI को रुकने के बाद नहीं, बल्कि चलते समय सख्त नियमों का सम्मान करना सिखा सकते हैं। एक "प्रशिक्षण-समय धक्के" को "वास्तविक-समय सुरक्षा ब्रेक" के साथ जोड़कर, AI स्वाभाविक रूप से वर्जित क्षेत्रों के चारों ओर रास्ता बनाना सीख जाता है, ठीक वैसे ही जैसे एक ड्राइवर गड्ढों से टकराने और उम्मीद करने के बजाय, सहज रूप से उनसे बचकर गाड़ी चलाता है।

संक्षेप में: यह AI को केवल एक अच्छा कलाकार नहीं, बल्कि एक अच्छा नेविगेटर बनने के लिए सिखाने के बारे में है।

तकनीकी सारांश: लॉजिक-गाइडेड वेक्टर फील्ड्स फॉर कंस्ट्रेंड जनरेटिव मॉडलिंग

1. समस्या विवरण (Problem Statement)

जेनेरेटिव मॉडल तेजी से रोबोटिक्स, प्लानिंग और डिज़ाइन में प्रस्ताव तंत्र (proposal mechanisms) के रूप में तैनात किए जा रहे हैं, जहाँ आउटपुट को स्पष्ट डोमेन बाधाओं (जैसे, सुरक्षा नियम, भौतिक व्यवहार्यता) को संतुष्ट करना होता है। हालाँकि, मानक जेनेरेटिव पाइपलाइन, विशेष रूप से फ्लो मैचिंग (Flow Matching) जैसे निरंतर-समय वाले मॉडल, काफी हद तक "बाधा-अंध" (constraint-blind) होते हैं। जबकि ये मॉडल बेस डिस्ट्रीब्यूशन से टारगेट डिस्ट्रीब्यूशन तक प्रोबेबिलिटी मास को ट्रांसपोर्ट करने के लिए सीखते हैं, वे अक्सर जनरेशन प्रक्रिया के दौरान वर्जित क्षेत्रों (forbidden regions) से होकर गुजरते हैं, भले ही अंतिम टारगेट डिस्ट्रीब्यूशन पूरी तरह से वैध सेट के भीतर हो।

मौजूदा वर्कअराउंड, जैसे कि रिजेक्शन सैंपलिंग (rejection sampling), प्रोजेक्शन (projection), या ह्यूरिस्टिक गाइडेंस (heuristic guidance), महत्वपूर्ण सीमाओं से ग्रस्त हैं:

रिजेक्शन सैंपलिंग तब गणनात्मक रूप से अव्यवहारिक हो जाता है जब व्यवहार्य क्षेत्र (feasible regions) छोटे होते हैं।
प्रोजेक्शन सैंपल्स को विकृत कर सकता है और तब विफल हो जाता है जब बाधाएं नॉन-कॉन्वेक्स (non-convex) या विच्छेदित (disconnected) हों।
मानक गाइडेंस विधियाँ (जैसे, क्लासिफायर गाइडेंस) सॉफ्ट कंट्रोल प्रदान करती हैं लेकिन बाधा संतुष्टि की गारंटी नहीं देती हैं।
एंडपॉइंट-ओनली एनफोर्समेंट (केवल अंत पर लागू करना) अपर्याप्त है क्योंकि जनरेशन का प्रक्षेपवक्र (trajectory) स्वयं अमान्य क्षेत्रों को पार कर सकता है, जिससे सुरक्षा-महत्वपूर्ण सेटिंग्स में दुर्लभ लेकिन गंभीर विफलताएं हो सकती हैं।

मूल चुनौती यह है कि फ्लो-मैचिंग जेनेरेटिव मॉडल्स में वैधता में सुधार करने के लिए, सैंपल क्वालिटी या डिस्ट्रीब्यूशनल फिडेलिटी (distributional fidelity) से समझौता किए बिना, लॉजिकल और ज्योमेट्रिक बाधाओं को कैसे शामिल किया जाए।

2. कार्यप्रणाली: लॉजिक-गाइडेड वेक्टर फील्ड्स (LGVF)

लेखक लॉजिक-गाइडेड वेक्टर फील्ड्स (LGVF) का प्रस्ताव करते हैं, जो एक न्यूरो-सिंबोलिक फ्रेमवर्क है जो सिंबोलिक बाधाओं को फ्लो मैचिंग की जेनेरेटिव डायनेमिक्स में सीधे एकीकृत करता है। यह फ्रेमवर्क मानता है कि बाधाएं लॉजिकल प्रेडिकेट्स $\phi(x)$ के रूप में निर्दिष्ट हैं जिनमें डिफरिएबल रिलैक्सेशन (violation functions) $\ell_{logic}(x) \geq 0$ शामिल हैं, जहाँ $\ell_{logic}(x) = 0$ तभी होता है जब बाधा संतुष्ट होती है।

LGVF दो पूरक तंत्रों के माध्यम से कार्य करता है:

A. ट्रेनिंग-टाइम लॉजिक लॉस (Training-Time Logic Loss)

मानक फ्लो मैचिंग एक वेक्टर फील्ड $v_\theta(x, t)$ को कंडीशनल वेलोसिटी $x_1 - x_0$ के साथ स्ट्रेट-लाइन पाथ्स के बीच की दूरी को कम करने के लिए सीखता है। LGVF इसे एक ट्रैजेक्टरी-लेवल लॉजिक लॉस के साथ संवर्धित करता है। केवल एंडपॉइंट पर वैधता की जाँच करने के बजाय, यह मॉडल फ्लो ट्रैजेक्टरी के दौरान मध्यवर्ती अवस्थाओं $x_t$ पर बाधा उल्लंघन (violation) को दंडित करता है।

कुल ऑब्जेक्टिव है:
$\mathcal{L}_{LGVF}(\theta) = \mathcal{L}_{FM}(\theta) + \mathbb{E}_{t, x_0, x_1} [\lambda(t) \cdot \ell_{logic}(x_t)]$

$\mathcal{L}_{FM}$ : मानक फ्लो मैचिंग लॉस।
$\lambda(t) = \lambda_{max} \cdot t^\alpha$ : एक समय-निर्भर वेटिंग शेड्यूल। यह फ्लो मैचिंग की ज्योमेट्री को दर्शाता है: $t \approx 0$ पर, सैंपल्स बेस डिस्ट्रीब्यूशन के करीब होते हैं जहाँ उल्लंघन अपरिहार्य हो सकते हैं; $t \approx 1$ पर, सैंपल्स टारगेट के करीब पहुँचते हैं जहाँ बाधाओं का सख्ती से पालन होना चाहिए।
प्रभाव: यह सीखा गया वेक्टर फील्ड ऐसे घुमावदार पथों (curved paths) की खोज करने के लिए प्रोत्साहित करता है जो वर्जित क्षेत्रों के माध्यम से कटने के बजाय उनके चारों ओर से रास्ता बनाते हैं।

B. इन्फरेंस-टाइम लॉजिक एडजस्टमेंट (Inference-Time Logic Adjustment)

केवल ट्रेनिंग गाइडेंस पूर्ण शून्य उल्लंघन की गारंटी नहीं दे सकती, विशेष रूप से जटिल ज्योमेट्री के लिए। LGVF सैंपलिंग (ODE इंटीग्रेशन) के दौरान एक हल्का, ग्रेडिएंट-आधारित सुधार पेश करता है। वेक्टर फील्ड को कंस्ट्रेंट ग्रेडिएंट को घटाकर संशोधित किया जाता है:
$\tilde{v}(x_t, t) = v_\theta(x_t, t) - \eta(t) \cdot \nabla_x \ell_{logic}(x_t)$

तंत्र: टर्म $-\nabla_x \ell_{logic}(x_t)$ उल्लंघन की तीव्र कमी की दिशा में संकेत करता है, जो प्रक्षेपवक्र को वैध क्षेत्रों की ओर धकेलता है।
शेड्यूलिंग: एडजस्टमेंट की शक्ति $\eta(t)$ , $t \leq t_0$ के लिए शून्य है और $t > t_0$ (उदाहरण के लिए, $t_0 = 0.3$ ) के लिए क्वाड्रेटिक रूप से बढ़ती है। यह सुनिश्चित करता है कि सुधार एक "लास्ट-माइल" रिफाइनमेंट के रूप में कार्य करे बिना इंटीग्रेशन को अस्थिर किए या सीखी गई डिस्ट्रीब्यूशन को महत्वपूर्ण रूप से बदले।

3. मुख्य योगदान

एक अंतराल की पहचान: पेपर यह प्रदर्शित करता है कि अनकंस्ट्रेंड फ्लो-बेस्ड ट्रांसपोर्ट वर्जित क्षेत्रों को पार कर सकता है, भले ही टारगेट डिस्ट्रीब्यूशन पूरी तरह से वैध हो, जो एंडपॉइंट-ओनली एनफोर्समेंट की अपर्याप्तता को उजागर करता है।
LGVF फ्रेमवर्क: एक नवीन विधि जो दो-चरणीय दृष्टिकोण के माध्यम से फ्लो मैचिंग में सिंबोलिक बाधाओं को एकीकृत करती है:
- एक ट्रेनिंग-टाइम लॉजिक लॉस जो निरंतर फ्लो ट्रैजेक्टरीज के साथ उल्लंघन को दंडित करता है।
- एक इन्फरेंस-टाइम ग्रेडिएंट एडजस्टमेंट जो सैंपलिंग को कंस्ट्रेंट उल्लंघन से दूर ले जाता है।
उभरता हुआ व्यवहार (Emergent Behavior): विधि कंस्ट्रेंट-अवेयर वेक्टर फील्ड्स उत्पन्न करती है जो स्पष्ट पथ नियोजन (path planning) के बिना बाधाओं के चारों ओर से रास्ता बनाने वाला उभरता हुआ बाधा-बचाव व्यवहार प्रदर्शित करती है।
अनुभवजन्य सत्यापन (Empirical Validation): लीनियर, नॉन-लीनियर और मल्टी-रीजन बाधाओं के लिए व्यापक मूल्यांकन, जो सैंपल क्वालिटी या डिस्ट्रीब्यूशनल फिडेलिटी से समझौता किए बिना निरंतर सुधार प्रदर्शित करता है।

4. प्रयोगात्मक परिणाम

लेखकों ने तीन 2D केस स्टडीज और एक हाई-डायमेंशनल स्केलिंग अध्ययन पर LGVF का मूल्यांकन किया:

केस स्टडी 1 (लीनियर हाफ-प्लेन): LGVF + एडजस्टेड ने मानक फ्लो मैचिंग की तुलना में उल्लंघन दर को 82% (2.2% से 0.4% तक) कम कर दिया।
केस स्टडी 2 (नॉनलीन रिंग): LGVF + एडजस्टेड ने उल्लंघनों को 79% (5.65% से 1.20% तक) कम किया, जो आंतरिक और बाहरी दोनों बाउंड्री कंस्ट्रेंट्स को प्रभावी ढंग से संभालता है।
केस स्टडी 3 (मल्टी-ऑब्स्टेकल): इस जटिल, नॉन-कॉन्वेक्स सेटिंग में, केवल ट्रेनिंग-टाइम लॉजिक लॉस ने कठिन लॉस लैंडस्केप के कारण उल्लंघनों को थोड़ा बढ़ा दिया। हालाँकि, इन्फरेंस-टाइम एडजस्टमेंट ने सफलतापूर्वक इसकी भरपाई की, जिससे उल्लंघन 59% (1.7% से 0.7% तक) कम हो गए।
केस स्टडी 4 (हाई-डायमेंशनल स्केलिंग): आयाम $d \in \{10, 25, 50, 100\}$ में, मानक फ्लो मैचिंग के उल्लंघन काफी बढ़ गए (d=100 पर 14.8% तक)। LGVF + एडजस्टेड ने सभी आयामों में लगभग शून्य उल्लंघन दर (0.0%–0.4%) बनाए रखी।

ट्रेड-ऑफ्स (Trade-offs):

लीनियर और रिंग सेटिंग्स में, LGVF ने वैधता और डिस्ट्रीब्यूशनल फिडेलिटी (MMD द्वारा मापा गया) दोनों में सुधार किया।
मल्टी-ऑब्स्टेकल सेटिंग में, एक सैटिस्फैक्शन–फिडेलिटी ट्रेड-ऑफ देखा गया: जबकि व्यवहार्यता में सुधार हुआ, MMD में थोड़ी वृद्धि हुई, जो टारगेट डिस्ट्रीब्यूशन के आकार से विचलन का संकेत देता है।

एब्लेशन स्टडीज (Ablation Studies):

मजबूत ट्रेनिंग-टाइम वेट्स ( $\lambda_{max}$ ) ने निरंतर रूप से उल्लंघनों को कम किया।
ट्रेनिंग-टाइम गाइडेंस और इन्फरेंस-टाइम एडजस्टमेंट पूरक (complementary) हैं: दोनों को मिलाने से सबसे अच्छे परिणाम मिले (0.02% उल्लंघन बनाम 0.50% बेसलाइन), जो अकेले किसी भी घटक से बेहतर प्रदर्शन करते हैं।

5. महत्व और दावे

पेपर का दावा है कि LGVF स्पष्ट पथ नियोजन या महंगे रिजेक्शन सैंपलिंग की आवश्यकता के बिना जेनेरेटिव मॉडलिंग में बाधाओं को लागू करने के लिए एक विश्वसनीय तंत्र प्रदान करता है। ट्रांसपोर्ट के ग्लोबल शेपिंग (ट्रेनिंग लॉस के माध्यम से) को लोकल करेक्शन (इन्फरेंस एडजस्टमेंट के माध्यम से) के साथ जोड़कर, फ्रेमवर्क विविध ज्योमेट्री में मजबूत बाधा संतुष्टि प्राप्त करता है।

लेखक LGVF को जेनेरेटिव मॉडल्स को सुरक्षा-महत्वपूर्ण अनुप्रयोगों के लिए व्यवहार्य बनाने की दिशा में एक कदम के रूप में देखते हैं जहाँ वैधता अनिवार्य है। वे शेष चुनौतियों को स्वीकार करते हैं, जिसमें जटिल उच्च-आयामी डेटा (जैसे, इमेज, मॉलिक्यूल्स) के लिए विधि का विस्तार करना, अत्यधिक नॉन-कॉन्वेक्स लैंडस्स्केप के तहत मजबूती में सुधार करना, और सैटिस्फैक्शन–फिडेलिटी ट्रेड-ऑफ का और अधिक विश्लेषण करना शामिल है। यह कार्य यह दावा नहीं करता है कि यह सभी बाधित जनरेशन समस्याओं को हल करता है, बल्कि परीक्षण की गई सेटिंग्स में मानक बेसलाइन्स से काफी बेहतर प्रदर्शन करने वाला एक स्केलेबल, डिफरिएबल दृष्टिकोण प्रदान करता है।