FieldGenは、ロボット操作ポリシーの訓練において重要な、スケールが大きく多様なデータセットを収集するためのフレームワークです。従来のデータ収集法は、スケールや多様性、質のバランスをとることが難しいですが、FieldGenは操作を前操作と精密操作の二段階に分け、人間のデモンストレーションから重要な接触情報を抽出します。その後、自動生成されたトラクションフィールドが成功する構成に収束する多様な軌道を生成します。さらに、FieldGen-Rewardを用いて生成されたデータに報酬注釈を付与し、ポリシー学習を強化します。実験において、FieldGenで訓練されたポリシーは、テレオペレーションベースの標準と比較して成功率が高く、安定性が向上し、長期的なデータ収集における人的努力も大幅に削減されることが示されています。