PhyRoGen 是一个面向物理机器人操作的谜题自动生成框架，相关论文已提交至 arXiv（编号 arXiv:2606.06569），作者为 Lennart Julian Droß、Andreas Orthey 与 Marc Toussaint，属于机器人学（cs.RO）方向，篇幅 8 页，并已被 CASE 2026 接收。该研究关注的核心问题是：机器人要完成自动装配与拆卸等任务，往往需要具备操作物理谜题的能力，而要让机器人学会这类技能，就必须依赖大规模训练数据；然而此类数据的采集与制作通常耗时且繁琐。
为缓解这一数据瓶颈，研究团队提出利用程序化内容生成（Procedural Content Generation，PCG）来自动合成机器人操作谜题数据集的想法，并将该框架命名为 PhyRoGen（Physical Robot Manipulation Puzzle Generation）。PhyRoGen 被设计为一种通用型谜题生成器，能够生成带有互锁式物体依赖关系的物理谜题：在这类谜题中，必须先对某个铰接物体进行操作，另一个物体才可能被移动。这种先后依赖结构恰好对应真实装配与拆卸任务中的操作序列约束，因而具有较高的训练与评测价值。
在 PhyRoGen 的基础之上，作者进一步定义了六个具体的生成器，并用它们生成了 24 个物理谜题。随后，研究团队借助一个基准测试框架，使用基于采样的规划算法对所有谜题进行求解，结果显示全部谜题都能在 1 秒到 300 秒之间被成功解决，说明这些自动生成的谜题是可解的，且求解难度存在合理差异。最后，作者在物理仿真环境中使用 KUKA LBR iiwa 机械臂进行验证，证明每一个生成的谜题都可以被机器人实际操纵。
论文由此得出结论：该框架能够程序化地生成独一无二且可求解的机器人操作谜题。作者指出，这一能力对于评测各类操作算法、以及训练具备鲁棒性的基础模型（foundation models）而言，都是至关重要的组成部分。换言之，PhyRoGen 的价值不仅在于降低数据制作成本，更在于为机器人操作研究提供可扩展、可复现且带有依赖约束的标准化评测素材。
从时间线看，该论文于 2026 年 6 月 4 日提交（UTC 时间 17:48:31），文件大小约 5,702 KB，DOI 由 arXiv 经 DataCite 发放。文中同时提供了 PDF、实验性 HTML 以及 TeX 源码等全文获取方式。摘要还提到，借助该类生成流程，研究者可以获得大量合成数据，从而为操作算法的基准测试和稳健基础模型的开发提供关键支撑。