SAR学习框架改进缓冲在线3D装箱利用率
热点事件观察中
SAR学习框架改进缓冲在线3D装箱利用率
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Xinpeng Lei 等作者提出学习式在线三维装箱框架 SAR（Spatial Affordance Retrieval），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。该工作以论文形式发布（arXiv，cs.AI）。 基于论文摘要，在 Random、JD 和 SF 三个数据集上，无缓冲设置（K=1）下最佳 SAR 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 变体利用率分别达到 93.55%、91.04% 和 90.41%。上述数字来自论文摘要，尚未经独立复现。
AI 根据报道生成 · 14 小时前更新
最新进展10月20日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AISAR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%。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 610月21日 04:00
- 近 24 小时变化
- –
02468
06:0009:0012:0015:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。