研究人员开发了一种新颖的可微打包框架，可优化非规则三维物体在容器内的放置。与需要手动调整或外部搜索循环的先前方法不同，这种新方法在单个基于梯度的循环中联合优化物体姿态和容器尺寸。该框架利用受物理启发的损失项和自适应挤压机制来有效减小容器体积，与现有基线相比取得了显著改进。 AI
影响 这项研究可能带来更高效的三维物体打包算法，通过减少空间浪费和提高资源利用率，对物流、制造和数字内容创作产生影响。
排序理由 该集群包含一篇详细介绍新研究方法和框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.16333v1 Announce Type: cross Abstract: Most existing approaches either fix the container in advance or optimize only a single container dimension through an outer search loop, leaving the remaining dimensions as a manual tuning problem. We present a differentiable pack…
Most existing approaches either fix the container in advance or optimize only a single container dimension through an outer search loop, leaving the remaining dimensions as a manual tuning problem. We present a differentiable packing framework that jointly optimizes all 6N object…