キリガミ（切紙）は、形状プログラム可能なメタマテリアル構造を製造する方法として、フレキシブルエレクトロニクス、航空宇宙、生体医工学などの分野で注目を集めている。しかし、その逆設計には大きな課題がある：展開プロセスは非線形であり、切断レイアウトは離散的な互換性ルールを満たし、重なりを避け、目標形状を有効な設計にマッピングする必要がある。従来の最適化手法では多数の前方シミュレーションが必要で効率が悪い。この問題を解決するため、研究者らはRL-Kirigamiフレームワークを提案した。これは、最適輸送条件付きフローマッチング（OT-CFM）と強化学習を巧みに組み合わせ、高効率かつ高精度な切紙逆設計を実現する。
RL-Kirigamiの中核的な革新は、OT-CFMを用いてコンパクトで再構成可能な平行四辺形クワッドキリガミのための互換性のある比率場を生成し、マーチングデコーダーによって全局的な幾何学的互換性を保証する点にある。非微分可能な報酬関数（シルエットマッチング、実現可能性、比率場の規則性）を最適化するために、Group Relative Policy Optimization（GRPO）アルゴリズムを導入し、生成器をこれらの目標に整合させる。実験では、プログラム生成された目標形状インスタンスに対して、事前学習済みのOT-CFM事前分布からの単一サンプルで94.2%のsIoU（対称交差結合比）を達成し、従来のソルバーベースラインを上回りつつ、前方シミュレーターの評価回数を数百回から1回に削減した。GRPOを追加することで精度は94.91% sIoUに向上し、規則性を組み込むことで全変動（TV(x)）を0.95から0.81に低減しつつ、94.83% sIoUを維持した。
さらに重要なことに、RL-Kirigamiが生成したレイアウトはDXF形式にエクスポートでき、厚さ50μmのポリマーシートにレーザー切断することで、1部品あたり8.0±1.0分で展開可能なプロトタイプを製造できる。この結果はフレームワークの実用性を証明するだけでなく、「製造認識型」逆設計の概念——厳格な幾何学的実現可能性制約の下で設計プロセスを製造工程と密接に結びつける——を示している。RL-Kirigamiは展開可能なキリガミメタマテリアルの産業応用への道を開き、将来的には変形可能構造、適応材料、ソフトロボティクスなどの分野で重要な役割を果たすことが期待される。