GOPT: Generalizable Online 3D Bin Packing via Transformer-based Deep Reinforcement Learning

要約

ロボットによる物体の梱包は、物流およびオートメーション業界で広範な実用的用途があり、多くの場合、研究者によってオンライン 3D ビン梱包問題 (3D-BPP) として定式化されます。
ただし、既存の DRL ベースの方法は主に、限られた梱包環境でのパフォーマンスの向上に焦点を当てており、異なるビンの寸法を特徴とする複数の環境にわたって一般化する機能は無視されています。
この目的を達成するために、Transformer ベースの深層強化学習 (DRL) を介した一般化可能なオンライン 3D ビン パッキング アプローチである GOPT を提案します。
まず、配置候補として有限部分空間とビンの表現を生成する配置ジェネレーター モジュールを設計します。
次に、梱包トランスフォーマーを提案します。これは、品目と箱の特徴を融合して、梱包される品目と箱内の利用可能なサブスペースの間の空間相関を特定します。
これら 2 つのコンポーネントを結合すると、GOPT の機能がさまざまな次元のビンで推論を実行できるようになります。
私たちは広範な実験を実施し、GOPT がベースラインに対して優れたパフォーマンスを達成するだけでなく、優れた一般化機能も発揮することを実証しました。
さらに、ロボットを使用した展開は、現実世界でのこの方法の実用的な適用可能性を示しています。
ソース コードは https://github.com/Xiong5Heng/GOPT で公開されます。

要約(オリジナル)

Robotic object packing has broad practical applications in the logistics and automation industry, often formulated by researchers as the online 3D Bin Packing Problem (3D-BPP). However, existing DRL-based methods primarily focus on enhancing performance in limited packing environments while neglecting the ability to generalize across multiple environments characterized by different bin dimensions. To this end, we propose GOPT, a generalizable online 3D Bin Packing approach via Transformer-based deep reinforcement learning (DRL). First, we design a Placement Generator module to yield finite subspaces as placement candidates and the representation of the bin. Second, we propose a Packing Transformer, which fuses the features of the items and bin, to identify the spatial correlation between the item to be packed and available sub-spaces within the bin. Coupling these two components enables GOPT’s ability to perform inference on bins of varying dimensions. We conduct extensive experiments and demonstrate that GOPT not only achieves superior performance against the baselines, but also exhibits excellent generalization capabilities. Furthermore, the deployment with a robot showcases the practical applicability of our method in the real world. The source code will be publicly available at https://github.com/Xiong5Heng/GOPT.

arxiv情報

著者 Heng Xiong,Changrong Guo,Jian Peng,Kai Ding,Xuchong Qiu,Long Bai,Jianfeng Xu
発行日 2024-09-09 06:02:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク