11:50官方账号arXiv cs.AI@Dheeraj Poolavaram, Aanchal Rajesh Chugh, Sebastian Dorn论文提出 OPAL,一个针对工业在线三维装箱问题的操作引导放置感知学习框架。OPAL 将 OG-EMS 候选生成器、基于 xLSTM 的放置编码器与 PPO 训练的掩码排序策略相结合,对候选位置进行综合排序。在 BED-BPP 基准上,OPAL 的平均空间利用率达到 0.49,其中操作引导候选生成贡献 15.1% 的提升,学习排序贡献 6.3%。该方法同时关注空间利用率、稳定性、紧凑性和平衡性,面向实际工业码垛场景。论文OPAL3D-BPPxLSTM推荐理由:三维装箱难题,OPAL 不只会选位置,还用操作引导生成候选加学习排序,BED-BPP 空间利用率 0.49,候选生成贡献 15.1%。原文稍后读已读值得跟进有用关注 OPAL