PhyRoGen：利用程序化内容生成自动生成物理机器人操作谜题
机器人操作物理谜题对于自动组装和拆卸任务至关重要，但训练数据集生成耗时费力。提出PhyRoGen框架，利用程序化内容生成自动生成合成操作谜题数据集，包含六种具体生成器生成24个谜题，并在仿真中用KUKA机器人验证了所有谜题的可操作性。
在机器人研究领域，操作物理谜题对于自动组装和拆卸任务具有重要意义。然而，训练机器人解决这类谜题需要大量数据集，而人工生成这些数据既耗时又繁琐。针对这一挑战，来自柏林工业大学的研究团队提出了PhyRoGen（Physical Robot Manipulation Puzzle Generation）框架，通过程序化内容生成（PCG）技术实现自动化合成数据集生成。
PhyRoGen是一个通用谜题生成器，能够生成具有互锁物体依赖关系的物理谜题。所谓互锁依赖，是指一个铰接物体必须被操作后，另一个物体才能移动，这模拟了真实世界中复杂的操作场景。研究团队基于PhyRoGen定义了六种具体的生成器，并利用它们生成了24个物理谜题。这些谜题涵盖了多种互锁结构，旨在测试机器人在不同约束条件下的操作能力。
为了验证这些谜题的可行性，该团队使用基于采样的规划算法对所有谜题进行求解，所有谜题在1到300秒内成功求解。此外，他们还通过KUKA LBR iiwa机器人在物理仿真环境中演示了每个生成谜题的可操作性。结果表明，该框架能够程序化地生成独特且可解的机器人操作谜题，这对基准测试操作算法和开发稳健的基础模型至关重要。
这项研究已被2026年IEEE自动化科学与工程会议（CASE 2026）接收，标志着在自动生成机器人训练数据方面迈出了重要一步。PhyRoGen的出现有望大幅降低机器人操作技能学习的数据准备成本，推动工业自动化和智能机器人领域的发展。未来，研究团队计划扩展生成器种类，并探索将框架应用于更复杂的多步骤操作任务。