연구진은 기존 가이드 샘플링 방식의 한계를 지적하며, 여러 제약 조건을 동시에 적용할 때 데이터 매니폴드에서 벗어나는 현상이 발생한다고 밝혔습니다.
이 문제를 해결하기 위해 충돌 인식 가이드 ($g^ ext{car}$)를 제안하여, 그래디언트 불일치를 감지하고 수정하여 데이터 매니폴드 편이를 개선했습니다.
합성 데이터 세트, 이미지 편집, 계획 및 제어를 위한 생성적 의사 결정 등 다양한 분야에서 $g^ ext{car}$가 기존 방식보다 우수한 성능을 보였습니다.