MIT、制約順守と品質を両立する生成AI手法

米マサチューセッツ工科大学（MIT）の研究チームは2026年9月14日、安全性が重要な用途で生成AIに厳格な制約を守らせつつ、出力品質も高める手法「HardFlow」を発表しました。ロボット操作、迷路走行、文章指示による画像編集の実験で、すべての制約を満たし、既存手法より質の高い解を安定して得ました。事前学習済みモデルを再学習せず、導入時に適用できます。

従来の射影ベースのサンプリングは、生成途中の解にも制約を繰り返し課します。その結果、モデルがより良い最終解へ到達する余地を狭め、例えば衝突を避けながらロボットの移動距離を短くするといった品質目標を十分に追えない場合がありました。

HardFlowは、制約付き生成を最適制御の軌道最適化として捉え直します。途中では小さな修正を加えながら探索の自由を保ち、最終出力で安全規則や物理法則などの厳格な条件を満たす設計です。

研究チームは、フローマッチングモデルの構造を利用し、巨大なニューラルネットワークを扱う最適化問題を一連の小さな1ステップ問題へ分解しました。これにより、実行時に効率よく解ける拡張性のあるアルゴリズムとし、計算時間も多くの比較手法と同等以下に抑えました。

実験では、ロボットアームが障害物との衝突を避けながら、対象物までの最短経路を見つけました。再学習不要のため既存の生成モデルへ適用しやすく、研究チームは今後、モデル自体も更新して制約順守と品質をさらに適応的に改善する方向を検討します。