一种结合物体重排与稳定放置的高效深度强化学习模型用于在线三维装箱
机器人学
2024-08-20 v1
摘要
本文提出了一种用于在线三维装箱（3D-BPP）的高效深度强化学习（DRL）框架。3D-BPP是一个NP难问题，在物流、仓储和运输中具有重要意义，涉及物体在箱子内的最优排列。传统启发式算法通常无法在实时场景中处理动态和物理约束。我们引入了一种新颖的DRL框架，集成了可靠的物理启发式算法以及物体重排与稳定放置。我们的实验表明，所提出的框架能够有效提高空间利用率，以更少的训练轮次最小化空间浪费。
引用
@article{arxiv.2408.09694,
title = {An Efficient Deep Reinforcement Learning Model for Online 3D Bin Packing Combining Object Rearrangement and Stable Placement},
author = {Peiwen Zhou and Ziyan Gao and Chenghao Li and Nak Young Chong},
journal= {arXiv preprint arXiv:2408.09694},
year = {2024}
}