arXiv · cs.AI· Xinpeng Lei, Jin Zhang, Yizhe Yang, Yihong Duan, Fucheng Wan·· 1 天前
SAR提出全局物品—空间匹配与几何感知放置排序的在线三维装箱框架
SAR: Learning Global Item-Space Matching and Geometry-Aware Placement Ranking for Buffered Online 3D Bin Packing
arXiv:2610.25795v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xinpeng Lei, Jin Zhang, Yizhe Yang, Yihong Duan, Fucheng Wan
研究任务与主要进展
SAR提出一种学习式在线三维装箱框架，通过全局物品—空间匹配选择待放置物品，并依据候选几何、局部几何特征和候选间比较进行放置排序。基于论文摘要，在 Random、JD 和 SF 数据集上，K=1 时最佳变体相对最强在线基线将利用率提升 0.96–4.20 个百分点；K=5 时，最佳 SAR 变体的利用率分别达到 93.55%、91.04% 和 90.41%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org