让机器人穿过拥挤的工厂时，路线“差不多安全”没有意义：哪怕只在一处撞上工人，整个方案也不可用。MIT 团队提出 HardFlow，面向流匹配模型——一种从随机噪声逐步生成结果的模型——在采样阶段加入硬约束，也就是物理边界、安全上限等绝不能违反的条件。
它最值得注意的一点，是不要求生成过程的每一步都合规。常见方法会反复把中间结果拉回可行范围，却可能过早堵死更好的路线；HardFlow把采样改写为轨迹优化问题，允许模型途中自由探索，只在最终输出上严格执行约束。论文作者称，它在机器人、物理过程控制和计算机视觉实验中持续满足约束，同时找到比现有方法更好的方案。该方法在部署时工作，可直接用于预训练模型，无须重新训练；不过 MIT News 提供的材料没有披露具体提升数字。