Deliberate Planning of 3D Bin Packing on Packing Configuration Trees

要約

オンライン3Dビンパッキング問題（3D-BPP）には、産業自動化に広範なアプリケーションがあります。
既存の方法は、通常、空間離散化の限られた解像度で問題を解決します。
新しい階層表現であるパッキング構成ツリー（PCT）の学習を通じて、オンライン3D-BPPの実用的な適用性を高めることを提案します。
PCTは、深い強化学習（DRL）に基づいた梱包ポリシー学習をサポートできる、ビンパッキングの状態とアクションスペースの本格的な説明です。
梱包アクションスペースのサイズは、葉のノードの数に比例しているため、DRLモデルは訓練が容易になり、継続的なソリューションスペースがあってもパフォーマンスが良くなります。
さらに、大規模な梱包やBPP設定のさまざまなバリエーションなど、産業的重要性の梱包問題を意図的に解決する際の樹木ベースのプランナーとしてのPCTの可能性を発見します。
大規模なアンサンブルメカニズムがローカルソリューションをグローバルに統合する一方で、大規模な梱包をより小さなサブツリーに分解するために再帰的な梱包方法が提案されています。
Lookahead、バッファリング、オフラインパッキングなどの追加の決定変数を備えたさまざまなBPPのバリエーションについては、すぐにボックスの問題解決を可能にする統一された計画フレームワークを提案します。
広範な評価は、我々の方法が既存のオンラインBPPベースラインよりも優れていることを示しており、さまざまな実用的な制約を組み込むのに多用途です。
計画プロセスは、大規模な問題と多様な問題のばらつきにわたって優れています。
産業用倉庫用の現実世界のパッキングロボットを開発し、制約された配置と輸送の安定性を考慮して、慎重な設計を説明しています。
当社の梱包ロボットは、ボックスあたり10秒で保護されていないパレットで確実に効率的に動作します。
パレットごとに平均19ボックスを達成し、比較的大規模なボックスで57.4％のスペース使用率があります。

要約(オリジナル)

Online 3D Bin Packing Problem (3D-BPP) has widespread applications in industrial automation. Existing methods usually solve the problem with limited resolution of spatial discretization, and/or cannot deal with complex practical constraints well. We propose to enhance the practical applicability of online 3D-BPP via learning on a novel hierarchical representation, packing configuration tree (PCT). PCT is a full-fledged description of the state and action space of bin packing which can support packing policy learning based on deep reinforcement learning (DRL). The size of the packing action space is proportional to the number of leaf nodes, making the DRL model easy to train and well-performing even with continuous solution space. We further discover the potential of PCT as tree-based planners in deliberately solving packing problems of industrial significance, including large-scale packing and different variations of BPP setting. A recursive packing method is proposed to decompose large-scale packing into smaller sub-trees while a spatial ensemble mechanism integrates local solutions into global. For different BPP variations with additional decision variables, such as lookahead, buffering, and offline packing, we propose a unified planning framework enabling out-of-the-box problem solving. Extensive evaluations demonstrate that our method outperforms existing online BPP baselines and is versatile in incorporating various practical constraints. The planning process excels across large-scale problems and diverse problem variations. We develop a real-world packing robot for industrial warehousing, with careful designs accounting for constrained placement and transportation stability. Our packing robot operates reliably and efficiently on unprotected pallets at 10 seconds per box. It achieves averagely 19 boxes per pallet with 57.4% space utilization for relatively large-size boxes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google