PhyRoGen：利用程序化內容生成自動生成物理機器人操作謎題
機器人操作物理謎題對於自動組裝和拆卸任務至關重要，但訓練數據集生成耗時費力。提出PhyRoGen框架，利用程序化內容生成自動生成合成操作謎題數據集，包含六種具體生成器生成24個謎題，並在仿真中用KUKA機器人驗證了所有謎題的可操作性。
在機器人研究領域，操作物理謎題對於自動組裝和拆卸任務具有重要意義。然而，訓練機器人解決這類謎題需要大量數據集，而人工生成這些數據既耗時又繁瑣。針對這一挑戰，來自柏林工業大學的研究團隊提出了PhyRoGen（Physical Robot Manipulation Puzzle Generation）框架，通過程序化內容生成（PCG）技術實現自動化合成數據集生成。
PhyRoGen是一個通用謎題生成器，能夠生成具有互鎖物體依賴關係的物理謎題。所謂互鎖依賴，是指一個鉸接物體必須被操作後，另一個物體才能移動，這模擬了真實世界中複雜的操作場景。研究團隊基於PhyRoGen定義了六種具體的生成器，並利用它們生成了24個物理謎題。這些謎題涵蓋了多種互鎖結構，旨在測試機器人在不同約束條件下的操作能力。
為了驗證這些謎題的可行性，該團隊使用基於採樣的規劃算法對所有謎題進行求解，所有謎題在1到300秒內成功求解。此外，他們還通過KUKA LBR iiwa機器人在物理仿真環境中演示了每個生成謎題的可操作性。結果表明，該框架能夠程序化地生成獨特且可解的機器人操作謎題，這對基準測試操作算法和開發穩健的基礎模型至關重要。
這項研究已被2026年IEEE自動化科學與工程會議（CASE 2026）接收，標誌着在自動生成機器人訓練數據方面邁出了重要一步。PhyRoGen的出現有望大幅降低機器人操作技能學習的數據準備成本，推動工業自動化和智能機器人領域的發展。未來，研究團隊計劃擴展生成器種類，並探索將框架應用於更復雜的多步驟操作任務。