LLM-Pack：面向物流应用的直观杂货处理

机器人与自动化在物流领域正发挥着越来越重要的作用，但目前仍主要局限于传统仓库。在杂货零售领域，虽然出现了无收银员超市等进展，但顾客仍需手动挑选和打包杂货。尽管机器人领域对料箱拣选问题投入了大量研究，但物体和杂货的打包任务在很大程度上仍未得到充分关注。然而，以正确的顺序打包杂货物品对于防止产品损坏至关重要，例如重物不应放在易碎物品上方。然而，对于正确的打包顺序的确切标准很难定义，特别是考虑到商店中通常存在的物品种类繁多。在本文中，我们提出了LLM-Pack，一种用于杂货打包的新方法。LLM-Pack利用语言和视觉基础模型来识别杂货并生成模仿人类打包策略的打包序列。LLM-Pack无需针对新杂货物品进行专门训练，其模块化设计允许底层基础模型的便捷升级。我们广泛评估了该方法以证明其性能。我们将在稿件发表后公开LLM-Pack的源代码。