MIT 연구진의 HardFlow는 생성 과정을 궤적 최적화로 다루고 최종 출력에 지정된 하드 제약을 적용하는 방법입니다. 모든 중간 상태를 계속 수정하는 방식보다 탐색의 자유를 남겨, 충돌 회피 조건과 이동 거리 같은 품질 목표를 함께 고려합니다. 보도된 로봇 조작과 미로 탐색, 이미지 편집 실험에서는 조건 충족과 결과 품질을 개선했습니다. 사전학습 모델을 다시 학습하지 않고 적용하는 방식이지만 결과는 정의된 제약과 실험 환경의 범위에 한정됩니다.