arXiv cs.AI· Jia-Hui Pan, Yeok Tatt Cheah, Zhengzhe Liu, Ka-Hei Hui, Xiaojie Gao, Pheng-Ann Heng, Yun-Hui Liu, Chi-Wing Fu·· 1 天前AI 评分31
OPA-Pack：面向物体属性感知的机器人装箱框架
OPA-Pack: Object-Property-Aware Robotic Bin Packing
AI 导读
OPA-Pack 是一个将物体属性信息纳入机器人装箱规划的框架，基于 RAG 与链式推理构建了涵盖 1,032 种日常物体的属性标注数据集，并通过 OPA-Net 编码候选物体属性与容器状态。
正文 · AI 翻译
摘要：机器人装箱是一个基础性的操作问题，在电子商务和仓库自动化中有着广泛的应用。然而，现有方法主要关注物体几何形状以优化装箱紧凑度，而没有显式建模人类在装箱时通常会考虑的物体属性，如易碎性、可食用性和化学兼容性。本文提出了 OPA-Pack（物体属性感知装箱），一个将物体属性信息纳入机器人装箱规划的框架。该框架包含一种基于检索增强生成和思维链推理的物体属性识别方案，用于构建包含 1,032 个日常物体属性标注的数据集。该框架还引入了 OPA-Net，它通过属性嵌入层对候选物体属性进行编码，并使用易碎性和避让高度图表示容器状态。我们设计了奖励函数并采用深度 Q 学习方案来训练 OPA-Net。实验结果表明，OPA-Pack 将避让准确率从 52.3% 提升至 95.0%，将易碎物体承受的负载降低了 29.4%，并实现了 0.413 的装箱紧凑度，而基线为 0.420。此外，我们在物理平台上使用从 100 个扫描的真实世界物体中采样的 70 个装箱序列对 OPA-Pack 进行了评估。结果表明，在减少紧密堆叠的不兼容物体对数量和减少被压缩的易碎物体数量方面，OPA-Pack 优于基线和其他装箱启发式方法，同时保持了装箱紧凑度。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2505.13339 [cs.RO] |
| （或 arXiv:2505.13339v2 [cs.RO] 为此版本） | |
| https://doi.org/10.48550/arXiv.2505.13339 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jia-Hui Pan [查看邮箱]
[v1]
2025年5月19日星期一 16:48:14 UTC（23,143 KB）
[v2]
2026年11月11日星期三 10:03:43 UTC（9,288 KB）
来源：arXiv cs.AI · arxiv.org