自動組立・分解タスクにおいて、ロボットによる物理パズルの操作は重要である。しかし、ロボットが物理パズルを解けるようにするには操作スキルを学習する必要があり、そのためには大規模な訓練データセットが不可欠だ。データセットの生成はしばしば時間と手間がかかる。この問題を解決するため、研究者らはPhyRoGen（Physical Robot Manipulation Puzzle Generation）フレームワークを提案した。本論文はCASE 2026に採択され、arXiv（2606.06569）で公開されている。
PhyRoGenの核心は、手続き型コンテンツ生成（PCG）を利用してロボット操作パズルの合成データセットを自動生成する点にある。手作業でパズルを設計する代わりに、プログラムによる生成によって多様な訓練サンプルを迅速に大量生産でき、データ収集の負担を大幅に軽減できる。このフレームワークは汎用的なパズル生成器であり、相互に依存する物体を含む物理パズルを生成できる。つまり、一つの関節物体を操作してからでないと別の物体を動かせないという依存関係を持たせることが可能で、タスクの複雑さと現実感を高めている。
PhyRoGenに基づいて、著者らは6つの具体的な生成器を定義し、それらを用いて24の物理パズルを生成した。これらのパズルの解決可能性を検証するため、ベンチマークフレームワークとサンプリングベースの計画アルゴリズムを採用した。結果として、すべてのパズルが1秒から300秒以内に解決可能であることが示された。これは生成されたパズルが計算的に解を持ち、難易度の範囲が適切でアルゴリズム評価のベンチマークとして適していることを意味する。
さらに、著者らは物理シミュレーション環境でKUKA LBR iiwaロボットを用いてデモンストレーションを行い、生成されたすべてのパズルが操作可能であることを確認した。これは合成パズルが理論上解けるだけでなく、シミュレートされた物理条件下で実際のロボットによって実行可能であることを示している。この検証ステップは、生成データの実用性と信頼性を保証する上で極めて重要である。
全体として、PhyRoGenは独自で解決可能なロボット操作パズルを手続き的に生成することができ、操作アルゴリズムのベンチマークや堅牢な基盤モデルの開発に不可欠なデータ基盤を提供する。本研究はロボット学習における手続き型コンテンツ生成の可能性を示し、自動組立・分解およびより広範な操作タスクの研究を促進することが期待される。