ConicFlow：面向流匹配模型的约束推理时最优控制

ConicFlow 将流匹配模型在推理时的约束采样建模为最优控制问题，在偏离预训练轨迹与奖励之间权衡，并满足硬性终端约束。该方法采用滚动时域控制，仅优化每步轨迹的短窗口，并用滚动时域原对偶算法求解，其对偶乘子可捕捉各约束的满足难度。实验显示，在低维和高维设置下，ConicFlow 相比近期基线取得更高奖励和更强约束满足，同时偏离预训练流更小。