在現(xiàn)代工業(yè)物流與機(jī)器人自動(dòng)化中，三維裝箱問題（3D-BPP）的物理可行性與具身可執(zhí)行性是決定算法能否真正落地的關(guān)鍵因素。隨著工業(yè)自動(dòng)化水平不斷提高，「在線裝箱」問題正受到越來越多關(guān)注。然而現(xiàn)有研究在問題設(shè)定、測(cè)試數(shù)據(jù)、評(píng)估指標(biāo)等方面差異巨大，且不少先進(jìn)算法尚未開源，導(dǎo)致研究社區(qū)缺乏一個(gè)能夠公平、系統(tǒng)評(píng)估算法性能與真實(shí)可用性的統(tǒng)一基準(zhǔn)體系。

在真實(shí)硬件上直接評(píng)估成本高、周期長(zhǎng)，因此仿真環(huán)境成為驗(yàn)證算法物理可行性的必然選擇。但多數(shù)現(xiàn)有研究仍將 3D-BPP 理解為數(shù)學(xué)優(yōu)化問題，僅強(qiáng)調(diào)如「空間利用率」等緊湊度指標(biāo)，而忽略重力、摩擦、碰撞等關(guān)鍵物理因素，使得算法一旦部署到現(xiàn)實(shí)場(chǎng)景便可能失效。

而具身可執(zhí)行性最終要落腳到機(jī)器人與每一個(gè)箱體的交互，需要考慮機(jī)器人末端執(zhí)行器是否可達(dá)目標(biāo)位姿、是否存在機(jī)器人抓取箱體擺放過程的無碰撞運(yùn)動(dòng)路徑、是否滿足機(jī)器人末端執(zhí)行器抓取的約束等問題。此外，許多研究依賴的仍是與工業(yè)分布不一致的合成數(shù)據(jù)集，導(dǎo)致算法在具身執(zhí)行層面的難度被系統(tǒng)性低估，使得其結(jié)論缺乏現(xiàn)實(shí)可信度。

為解決這些痛點(diǎn)，國(guó)防科大、中科院工業(yè)人工智能研究所、武漢大學(xué)與深圳大學(xué)聯(lián)合推出RoboBPP——一個(gè)基于真實(shí)工業(yè)數(shù)據(jù)、物理仿真與具身執(zhí)行建模的機(jī)器人在線裝箱的綜合基準(zhǔn)系統(tǒng)。RoboBPP內(nèi)置基于物理的高逼真仿真器，并在仿真環(huán)境中引入真實(shí)尺度的箱體與工業(yè)機(jī)械臂，完整復(fù)現(xiàn)工業(yè)裝箱流程。通過模擬真實(shí)工業(yè)條件，RoboBPP能夠有效評(píng)估算法在現(xiàn)實(shí)部署中的物理可行性與具身可執(zhí)行性。

• 論文題目：RoboBPP: Benchmarking Robotic Online Bin Packing with Physics-based Simulation
• 論文鏈接
• https://arxiv.org/abs/2512.04415
• 項(xiàng)目主頁(yè)
• https://robot-bin-packing-benchmark.github.io/

本文的核心貢獻(xiàn)如下：

• 仿真環(huán)境：一個(gè)高度逼真的、基于物理的仿真環(huán)境，用于評(píng)估在線裝箱的物理可行性與具身可執(zhí)行性

• 數(shù)據(jù)集：三個(gè)來自真實(shí)工業(yè)流程的大規(guī)模多樣化數(shù)據(jù)集，用于系統(tǒng)化基準(zhǔn)測(cè)試。

• 測(cè)試設(shè)置：科學(xué)設(shè)計(jì)的多級(jí)測(cè)試設(shè)置，從純數(shù)學(xué)評(píng)估到物理約束仿真，再到機(jī)器人執(zhí)行。

• 評(píng)估體系：多維度評(píng)估指標(biāo)及歸一化評(píng)分體系，可計(jì)算加權(quán)綜合得分，從而在不同場(chǎng)景下提供對(duì)算法的深入分析。

項(xiàng)目主頁(yè)（如下圖）對(duì) RoboBPP 的細(xì)節(jié)進(jìn)行了全面展示。其中 Benchmarks 欄目提供了多類榜單，包括算法整體表現(xiàn)排名、三種測(cè)試設(shè)置與三個(gè)數(shù)據(jù)集下的各項(xiàng)指標(biāo)表現(xiàn)，以及每種算法在測(cè)試過程中的詳細(xì)數(shù)據(jù)。Documentation 欄目介紹了數(shù)據(jù)集、測(cè)試設(shè)置與評(píng)估指標(biāo)的詳細(xì)說明，并提供了開源仿真環(huán)境 Python 包的安裝與使用指南。讀者可在 Download 欄目下載三類數(shù)據(jù)集，在 Submit 欄目提交算法進(jìn)行測(cè)試。

packsim

基于物理的仿真環(huán)境

由于在真實(shí)硬件上進(jìn)行測(cè)試成本高、操作復(fù)雜，團(tuán)隊(duì)構(gòu)建了一個(gè)用于評(píng)估物理可行性的仿真環(huán)境。其核心挑戰(zhàn)在于打造一個(gè)足夠逼真的模擬器，以確保所評(píng)估的算法在真實(shí)工業(yè)場(chǎng)景中也能可靠運(yùn)行。

受實(shí)際工業(yè)裝箱流程啟發(fā)，團(tuán)隊(duì)在 PyBullet 環(huán)境中引入了按真實(shí)尺度建模的工業(yè)機(jī)械臂與箱體，并設(shè)計(jì)了一套具備物理依據(jù)的參數(shù)，使箱體與機(jī)械臂均能在仿真中得到精確復(fù)現(xiàn)。該模擬器能夠再現(xiàn)多種真實(shí)工業(yè)條件：例如，通過重力和摩擦建模模擬由不穩(wěn)定堆疊引發(fā)的坍塌；使用 OMPL 運(yùn)動(dòng)規(guī)劃庫(kù)生成機(jī)械臂的無碰撞軌跡；支持機(jī)械臂執(zhí)行抓取、搬運(yùn)與放置等完整操作流程。通過機(jī)械臂與箱體的交互來探索機(jī)器人夠不夠得到的問題，驗(yàn)證算法的具身可執(zhí)行性。

整個(gè)仿真環(huán)境已作為 Python 包開源于 PyPI。用戶可按照官方文檔運(yùn)行與體驗(yàn)完整仿真流程。

packsim

• 官方文檔：https://robot-bin-packing-benchmark.github.io/documentation.html

真實(shí)工業(yè)流程數(shù)據(jù)集

為了構(gòu)建一個(gè)全面的基準(zhǔn)體系，覆蓋多樣化的工業(yè)場(chǎng)景至關(guān)重要。真實(shí)工業(yè)流程數(shù)據(jù)集通過刻畫實(shí)際生產(chǎn)中的物品尺寸、形狀與到達(dá)順序，決定了機(jī)器人在抓取、搬運(yùn)與放置過程中所面臨的具身執(zhí)行難度，是評(píng)估算法具身可執(zhí)行性的前提條件。該團(tuán)隊(duì)對(duì)典型工業(yè)流程進(jìn)行了系統(tǒng)分析，并識(shí)別出三類具有代表性的任務(wù)場(chǎng)景。

第一類場(chǎng)景來自流水線式生產(chǎn)，箱體尺寸高度重復(fù)、變化較小，由此構(gòu)建了Repetitive Dataset。第二類場(chǎng)景對(duì)應(yīng)物流分揀與裝箱任務(wù)，箱體尺寸具有較大的多樣性和波動(dòng)性，形成了Diverse Dataset。第三類場(chǎng)景涉及形狀不規(guī)則或細(xì)長(zhǎng)的箱體，其放置難度更高，例如長(zhǎng)條形板材，于是構(gòu)建了Wood Board Dataset。

科學(xué)設(shè)計(jì)的多級(jí)測(cè)試設(shè)置

該團(tuán)隊(duì)設(shè)計(jì)了三種逐級(jí)遞進(jìn)的測(cè)試設(shè)置，用于在不斷提升物理真實(shí)度的條件下評(píng)估算法的適應(yīng)性和穩(wěn)健性。

Math Pack：僅進(jìn)行純幾何放置，不涉及物理效應(yīng)或機(jī)械臂操作，對(duì)應(yīng)理想化、去具身設(shè)置，主要用于評(píng)估算法的空間推理與幾何規(guī)劃能力。

Physics Pack：在幾何放置的基礎(chǔ)上引入重力、碰撞等物理模擬，但不包含機(jī)械臂執(zhí)行，用于評(píng)估算法在具身物理約束下的有效性，例如堆疊穩(wěn)定性、接觸關(guān)系與平衡性。

Execution Pack：最接近真實(shí)部署的評(píng)估設(shè)置，完整引入具身執(zhí)行過程，結(jié)合物理仿真與工業(yè)機(jī)械臂操作，包括運(yùn)動(dòng)規(guī)劃與控制。在該設(shè)置下，算法性能不僅取決于放置策略本身，還取決于機(jī)器人運(yùn)動(dòng)學(xué)可達(dá)性、無碰撞軌跡規(guī)劃以及執(zhí)行過程中的動(dòng)態(tài)穩(wěn)定性。

多維度評(píng)估指標(biāo)及歸一化評(píng)分體系

該團(tuán)隊(duì)在總結(jié)以往研究常用的評(píng)估指標(biāo)（主要關(guān)注緊湊性、穩(wěn)定性和推理效率）的基礎(chǔ)上，借助物理仿真環(huán)境引入了新的執(zhí)行相關(guān)指標(biāo)，包括 Collapsed Placement 和 Dangerous Operation。這些指標(biāo)能夠反映放置過程中可能出現(xiàn)的坍塌風(fēng)險(xiǎn)與潛在危險(xiǎn)操作。為了在多維指標(biāo)上系統(tǒng)地比較不同算法，該團(tuán)隊(duì)進(jìn)一步設(shè)計(jì)了一個(gè)評(píng)分體系，將所有指標(biāo)轉(zhuǎn)換為歸一化分?jǐn)?shù)，并根據(jù)需求進(jìn)行加權(quán)匯總，最終得到綜合得分。

實(shí)驗(yàn)評(píng)估

除了構(gòu)建完整的基準(zhǔn)系統(tǒng)外，團(tuán)隊(duì)還復(fù)現(xiàn)了多種代表性算法，并進(jìn)行了豐富的實(shí)驗(yàn)。在三種測(cè)試設(shè)置和三個(gè)數(shù)據(jù)集下進(jìn)行了統(tǒng)一評(píng)測(cè)，并通過設(shè)計(jì)的評(píng)分系統(tǒng)匯總實(shí)驗(yàn)結(jié)果，計(jì)算每個(gè)算法的綜合得分，對(duì)所有方法在不同測(cè)試設(shè)置和數(shù)據(jù)集上的表現(xiàn)進(jìn)行了排序（表格中已高亮標(biāo)出綜合得分排名前四的算法）。另外，還開展了跨數(shù)據(jù)集與測(cè)試設(shè)置的性能對(duì)比分析，以深入理解算法在不同工業(yè)場(chǎng)景下的泛化能力與穩(wěn)健性。

基于實(shí)驗(yàn)結(jié)果，團(tuán)隊(duì)為工業(yè)部署提供了實(shí)用建議：

• 在高度重復(fù)的流水線生產(chǎn)環(huán)境中，明確建?？臻g與幾何關(guān)系的強(qiáng)化學(xué)習(xí)算法（如 PCT 和 TAP-Net++）表現(xiàn)尤為突出。

• 在物品尺寸高度多樣化的物流場(chǎng)景中，基于 Transformer 的強(qiáng)化學(xué)習(xí)策略（如 PCT 和 AR2L）更為有效，因?yàn)樗鼈兡軌蜻m應(yīng)多樣化的尺寸分布。

• 在以細(xì)長(zhǎng)家具件為主的場(chǎng)景中，強(qiáng)化學(xué)習(xí)算法與幾何驅(qū)動(dòng)的啟發(fā)式方法（如 TAP-Net++ 與 DBL）均展現(xiàn)出良好的適用性。

團(tuán)隊(duì)對(duì) Occupancy、Trajectory Length 和 Collapsed Placement 等單指標(biāo)進(jìn)行了分析。通過分別考察這些指標(biāo)，可以揭示整體評(píng)分中無法體現(xiàn)的性能特征，并識(shí)別出哪些算法設(shè)計(jì)在特定操作環(huán)節(jié)中表現(xiàn)突出，從而為實(shí)際裝箱任務(wù)中的算法選擇提供指導(dǎo)。

• 當(dāng)算法更關(guān)注緊湊且高效的空間利用，而不是單純追求放入更多箱體時(shí)（如 HM 和 PackE），往往能夠獲得更高的占用率。

• 當(dāng)算法的放置策略優(yōu)先選擇可行、低風(fēng)險(xiǎn)的位置，并形成平整、結(jié)構(gòu)化的堆疊時(shí)（如 AR2L 和 PackE），其機(jī)械臂末端執(zhí)行器（end-effector）的平均軌跡長(zhǎng)度通常更短。

• 當(dāng)算法在放置策略中顯式或隱式地優(yōu)先考慮穩(wěn)定性和物理可行性時(shí)（如 TAP-Net++ 與 DBL），其坍塌放置率（Collapsed Placement）往往更低。

此外，團(tuán)隊(duì)還評(píng)估了穩(wěn)定性相關(guān)指標(biāo)（Static Stability 和 Local Stability）在模型訓(xùn)練中的有效性，探索其能否引導(dǎo)基于學(xué)習(xí)的方法獲得更加穩(wěn)健、物理上可行的策略，為算法在現(xiàn)實(shí)工業(yè)場(chǎng)景中的具身部署提供依據(jù)。

結(jié)語(yǔ)

國(guó)防科大、中科院工業(yè)人工智能研究所、武漢大學(xué)與深圳大學(xué)聯(lián)合推出的RoboBPP是首個(gè)面向機(jī)器人在線三維裝箱任務(wù)的綜合基準(zhǔn)系統(tǒng)，核心特色在于結(jié)合真實(shí)工業(yè)數(shù)據(jù)、物理仿真與具身執(zhí)行評(píng)估。不同于以往僅將三維裝箱視為數(shù)學(xué)優(yōu)化問題的研究，RoboBPP能夠在高逼真的物理仿真環(huán)境中重現(xiàn)真實(shí)工業(yè)裝箱流程，考察物理可行性與具身可執(zhí)行性，從而提供更可靠、更貼近現(xiàn)實(shí)的算法評(píng)估。該系統(tǒng)完全開源，配備可視化工具和在線排行榜，為未來相關(guān)研究與工業(yè)應(yīng)用提供了可復(fù)現(xiàn)、可擴(kuò)展的具身評(píng)估基礎(chǔ)。