Operationally Guided Placement-Aware Learning for Industrial Online 3D Bin Packing

想象一下，你正试图将一堆形状各异、杂乱无章的箱子塞进一个巨大的行李箱里。一旦开始装载，你就不能再重新排列它们，而且必须随着箱子的到来一个接一个地进行装载。这就是“在线三维装箱问题”（online three-dimensional bin packing problem），是困扰着运输从杂货到家具等各种物品的物流公司的经典难题。目标不仅仅是把东西塞进去，还要让它们紧密贴合，从而利用每一寸空间，同时还要确保堆叠不会倾倒、重物不会压在轻物上面，并且整个堆叠足够稳定，能够经受住跨越国境的长途运输。几十年来，计算机一直试图通过严格的数学规则或猜测模式来解决这个问题，但它们往往难以在最大化空间利用率与安全性及稳定性之间取得平衡。

于是，一种名为 OPAL 的新方法诞生了，它是一个智能系统，旨在充当一名永不疲倦的超级组织有序的仓库管理员。OPAL 不仅仅是盲目地尝试塞入箱子或依赖僵化的规则，它使用了一个两步走的“大脑”来进行决策。首先，它扮演一名“侦察兵”的角色，观察行李箱中的空余空间，并建议一个包含下一个箱子最佳可能位置的“候选名单”，特别是在筛选时会剔除那些可能存在风险或不稳定性的位置。其次，它扮演一名“法官”的角色，利用一种经过学习的“直觉”（基于数千个真实世界的订单进行训练）从这份候选名单中选出唯一的最佳位置。研究人员发现，通过教计算机关注箱子放置的“方式”（例如确保其拥有稳固的底座），而不仅仅是放置的“位置”，他们可以让行李箱的装载更加紧凑。在利用真实杂货配送数据进行的测试中，这种新方法平均能填满约 49% 的可用空间，表现优于之前的内部配置，并展现出强于 GOPT (0.37) 和 PCT (0.46) 等外部方法的成果，同时也击败了专门针对这些工业规则优化的顶级遗传算法 (GENPACK, 0.47)。

问题所在：不可能完成的俄罗斯方块游戏

把在线三维装箱问题想象成一场高风险的俄罗斯方块游戏，但有一个转折：方块以随机顺序不断出现，你不能暂停游戏来重新排列它们，而且如果你做错了一个动作，整个塔架可能会坍塌。在现实世界中，这种情况每天都在发生。一辆卡车运来一个托盘，机器人或工人需要将箱子堆叠到上面。挑战在于，箱子的尺寸并不统一，且重量各异。你不能直接把重箱子压在易碎的箱子上，也不能留下巨大的缝隙，因为那是在浪费运费去运送空气。

长期以来，计算机通过使用严格的几何规则来解决这个问题。它们会计算一个箱子“可能”放入的每一个位置，并选择在纸面上看起来最好的那个。但这往往会导致堆叠在数学上很紧凑，但在物理上却很危险——就像一叠书，从正面看很完美，但只要轻轻一吹就会摇晃。其他方法尝试通过“学习”来改进，但它们通常只关注最终决策（挑选赢家），而忽略了它们所选择的选项列表本身的质量。这就像是给一位优秀的法官一份糟糕的候选人名单；法官无法挽救一个烂透了的阵容。

解决方案：OPAL 的侦察兵与法官

本文作者引入了 OPAL（操作引导型放置感知学习，Operationally Guided Placement-Aware Learning），它通过改进“侦察兵”和“法官”来解决这一问题。

侦察兵：OG-EMS
OPAL 的第一部分是“侦察兵”，研究人员称之为 OG-EMS。想象一名侦察兵正在观察仓库中一片空置的空间。这个侦察兵不仅仅是寻找任何一个空角，它经过训练，专门寻找“好”的角落。它会检查：

• 地面是否平整坚实？（支撑性）
• 箱子的高度是否足够低以保证稳定？（低高度）
• 是否紧贴墙壁或其他箱子？（墙面接触）
• 是否为未来的箱子留出了空间？（空间多样性）

侦察兵生成了一个潜在位置的列表，但它会立即过滤掉那些差的位置。它优先考虑安全、紧凑且具有多样性的位置。这非常重要，因为在过去，计算机可能会建议一个在几何上有效但在实际应用中毫无用处的位置（例如，一个会让整个堆叠摇晃的位置）。通过提前过滤掉这些位置，系统确保了“法官”只需从高质量的选项中进行选择。

法官：放置编码器
第二部分是“法官”。一旦侦察兵给出了好的位置列表，法官就必须选出胜者。在这里，OPAL 使用了一种特殊的 AI，称为 xLSTM（一种非常擅长记忆序列的神经网络）。

法官不仅观察箱子的形状。它还会查看每个可能位置的“简历”，其中包括 15 项不同的细节：

• 箱子的坐落坐标。
• 箱子下方有多少支撑。
• 下方的箱子能承受多少重量。
• 距离托盘边缘有多远。
• 箱子有多“脆弱”。

法官通过学习数千个过去的装箱任务，理解了有时即使是一个略微不够紧凑的放置方式，只要能保证堆叠不倒，也是更好的选择。它权衡所有这些因素，以选出唯一的最佳移动方案。

研究发现：更高效的装载，更快速的决策

研究人员在 1,500 个真实的杂货订单（在标准欧洲托盘尺寸上模拟）上测试了 OPAL。以下是他们的发现：

1. 侦察兵至关重要： 他们发现，仅仅是改进选项列表（侦察兵）就带来了巨大的变化。当他们使用新的“操作引导型”侦察兵代替旧的标准侦察兵时，装载密度（即托盘的填充程度）跃升了 15.1%。这证明了拥有一个更好的候选名单与拥有一个聪明的法官同样重要。
2. 法官增加了额外价值： 即便在相同的候选名单下，学习型法官（OPAL）也比简单的基于规则的选择器更好。与仅根据固定规则选择“最佳”选项的系统相比，它将装载密度又提高了 6.3%。
3. 最终得分： 完整的 OPAL 系统实现了平均空间利用率（密度）为 0.49。这意味着它利用了托盘近一半的可用体积来装载货物。虽然论文明确证实了其相对于自身内部变体（如 Transformer 和 Base-EMS 版本）具有统计学意义上的显著性，但 OPAL 的得分 0.49 明显高于外部基准，如 GOPT (0.37) 和 PCT (0.46)，并且也超越了 GENPACK (0.47) —— 这是一种使用遗传算法的高级方法。
4. 速度： 尽管非常聪明，但 OPAL 运行很快。AI 做出单个订单决策的时间约为 0.38 秒，而整个过程（包括生成选项列表）大约需要 2.88 秒。这足以用于实时工业环境，不像一些旧方法需要 30 多秒或需要后期处理。

权衡：并非完美，但达到了平衡

论文还指出，并没有一种“完美”的方案能赢得所有比赛。

• 密度 vs. 支撑： OPAL 在填充空间（密度）和保持堆叠顶部稳定（表面支撑）方面表现出色。然而，他们的一个较简单的非学习版本（称为 Greedy OG-EMS）在“侧向支撑”（防止箱子向侧面滑动）方面实际上表现得稍好一些。
• 结论： 作者建议，在现实世界中，你可以根据需求选择不同的设置。如果你运输的是易碎玻璃，你可能需要额外的侧向支撑；如果你运输的是沉重且坚固的砖块，你可能更需要 OPAL 提供的最大密度。

为什么这很重要

这篇论文表明，在工业物流领域，你不能只依赖一种技巧。你需要一个既能很好地寻找正确机会（侦察兵），又能很好地做出选择（法官）的系统。通过将一种具备安全意识的智能选项生成方式与理解重量和平衡细微差别的学习型 AI 相结合，OPAL 实现了比以往更紧密、更安全的托盘装载。这是让我们的供应链更高效迈出的一步，确保卡车装载更多货物，减少空隙，同时保证堆叠稳固不倒。