拡散強化学習に基づくオンライン3Dビンパッキング空間戦略の最適化

Abstract

オンライン3Dビンパッキング問題は物流、倉庫管理、インテリジェント製造において重要であり、解法は低いサンプル効率といった課題に直面する深層強化学習（DRL）へと移行している。本論文は、パッキングのモデリングにマルコフ決定連鎖を用い、高さマップに基づく状態表現と、拡散モデルに基づくアクタネットワークを用いる、拡散強化学習ベースのアルゴリズムを提案する。実験の結果、先端的なDRL手法と比較して、格納（パック）できるアイテムの平均数を大幅に改善できることが示された。また、複雑なオンライン状況における優れた応用可能性がある。