跳到正文
arXiv · ML· Chang Shi, Ann Majewicz Fey·· 14 天前AI 评分28

SHORE:面向在线装箱的稳定性混合在线策略强化学习

SHORE: Stability-Hybrid On-Policy Reinforcement Learning for Online Bin Packing

AI 导读

SHORE 结合稳定性概率与在线策略回报估计,加速在线 3D 装箱学习。 在 Isaac Gym 中,SHORE 经 0.4M 步达到 73% 空间利用率,无稳定性建模者需约 1M 步;在 60 盒扩展集上利用率为 0.734,对比 GOPT 基线 0.588。 论文验证了方法在真实机器人上的集成能力。

来源:arXiv · ML · arxiv.org