NLP抽样：将MCMC与NLP方法组合进行多样化受约束抽样
机器人学
2026-02-10 v1 人工智能
机器学习
摘要
在众多领域内，生成受硬约束的多样化样本是核心挑战。本工作旨在提供一个集成视角和框架，将来自MCMC、受约束优化以及机器人学领域的方法结合起来，并从经验评估中获得这些方法的优势。我们提出将NLP抽样作为一个通用问题表述，提出一系列重新启动双相方法作为集成来自多个领域的方法的框架，并在分析和机器人操作规划问题上进行评估。除了此之外，我们提供了几个概念性讨论，例如关于拉格朗日参数、全局抽样以及Diffused NLP和相应模型的去噪抽样器的想法。
引用
@article{arxiv.2407.03035,
title = {NLP Sampling: Combining MCMC and NLP Methods for Diverse Constrained Sampling},
author = {Marc Toussaint and Cornelius V. Braun and Joaquim Ortiz-Haro},
journal= {arXiv preprint arXiv:2407.03035},
year = {2026}
}