SAR: Learning Global Item-Space Matching and Geometry-Aware Placement Ranking for Buffered Online 3D Bin Packing

📄 arXiv: 2610.25795v1 📥 PDF

作者: Xinpeng Lei, Jin Zhang, Yizhe Yang, Yihong Duan, Fucheng Wan

分类: cs.AI, cs.LG

发布日期: 2026-10-19

💡 一句话要点

提出SAR框架以解决在线3D箱装问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 在线3D箱装 空间利用率 物品选择 几何感知 深度学习 自动化装箱 物流优化

📋 核心要点

  1. 现有的在线3D箱装方法在有限的未来信息下进行决策，导致空间利用率不高。
  2. 本文提出的SAR框架通过全局物品空间匹配和几何感知放置排序来优化选择与放置过程。
  3. 实验结果显示，SAR在无缓冲和有缓冲的情况下均显著提高了空间利用率，最高达93.55%。

📝 摘要（中文）

在线3D箱装问题涉及在有限的未来到达信息下进行不可逆的物品选择和放置决策，仅仅考虑可行性是不够的，因为可行的操作可能导致不同的剩余空间结构和后续的装箱机会。本文提出了一种新的学习框架——空间适应性检索（SAR），该框架协调全局物品空间匹配与几何感知的放置排序。通过体素-标记空间编码器表示3D容器的占用情况，使得选择器能够在不需要特定放置建议的情况下将缓冲物品与剩余空间匹配。经过选择后，加载器使用候选几何、局部几何特征和候选间比较对可行的旋转-位置候选进行排序。实验结果表明，SAR在不同数据集上显著提高了利用率。

🔬 方法详解

问题定义：本文旨在解决在线3D箱装中物品选择与放置决策的优化问题。现有方法在有限的未来信息下进行决策，导致空间利用率低下，且可行性判断不足以保证最佳装箱效果。

核心思路：论文提出的SAR框架通过协调全局物品空间匹配与几何感知的放置排序，优化了物品选择与放置的过程。通过这种设计，系统能够在不依赖特定放置建议的情况下，智能匹配物品与剩余空间。

技术框架：SAR框架主要包括两个阶段：第一阶段是物品选择，使用体素-标记空间编码器来表示3D容器的占用情况；第二阶段是放置排序，加载器对可行的旋转-位置候选进行排序，利用局部几何特征和候选间比较。

关键创新：SAR的核心创新在于其全局物品空间匹配与几何感知放置排序的协调机制。这一机制使得物品选择与放置决策能够在共享的长远收益下进行联合优化，显著提升了空间利用率。

关键设计：在设计中，使用了体素-标记空间编码器来表示容器的占用状态，并通过局部几何特征和候选间比较来进行放置排序。损失函数的设计也考虑了长远收益，以确保选择的物品能够最大化未来的装箱潜力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，SAR在无缓冲设置下（K=1）相比最强基线提高了0.96-4.20个百分点，而在有缓冲设置下（K=5）达到93.55%、91.04%和90.41%的最佳利用率，充分证明了其有效性。

🎯 应用场景

该研究的潜在应用场景包括物流、仓储管理和自动化装箱等领域。通过优化3D箱装过程，SAR框架能够提高空间利用率，降低运输成本，提升整体效率。未来，该技术有望与机器人自动化系统结合，进一步推动智能仓储的发展。

📄 摘要（原文）

Online 3D bin packing with a bounded buffer requires irreversible item-selection and placement decisions under limited knowledge of future arrivals. Feasibility alone is insufficient, as feasible actions can produce different residual-space structures and subsequent packing opportunities. A central architectural question is how to allocate spatial reasoning between item selection and placement evaluation. We propose Spatial Affordance Retrieval (SAR), a novel learning-based framework that coordinates global item-space matching with geometry-aware placement ranking. A voxel-token spatial encoder represents 3D container occupancy, enabling a picker to match buffered items to the residual space without requiring item-specific placement proposals as inputs. After item selection, a loader ranks feasible rotation-position candidates using candidate geometry, local geometric features (LGF), and inter-candidate comparison, without directly accessing global spatial tokens. The feasible candidate set connects the two stages, which are jointly optimized under a shared long-horizon packing return. On the Random, JD, and SF datasets, the best SAR variants improve utilization over the strongest evaluated online baselines by 0.96-4.20 percentage points under the no-buffer setting (K=1). With a buffer (K=5), the best utilization rates across SAR variants reach 93.55%, 91.04%, and 90.41%, respectively. Ablations support the complementary roles of global item-space matching and geometry-aware placement evaluation, counterfactual analysis suggests that learned item selection favors greater future packing potential, and experiments demonstrate compatibility with multiple candidate generators.