2025_NIPS_Adjustable Robust Reinforcement Learning for Online 3D Bin Packing

文章核心总结与创新点

主要内容

文章聚焦在线3D装箱问题（3D-BPP），针对现有方法在平均性能与最坏情况性能间的失衡问题，提出可调鲁棒强化学习（AR2L）框架。首先设计基于排列的攻击者评估算法鲁棒性，再通过加权求和目标函数平衡平均回报与最坏情况回报，推导混合动态下的性能下界，进而开发精确版和近似版AR2L算法（分别基于RARL和RfMDP）。实验验证了AR2L在离散、连续及真实数据集上的有效性，能在保证良好平均性能的同时提升鲁棒性。

创新点

1. 提出基于排列的攻击者，通过重排观测物品序列生成真实最坏情况实例，适配3D-BPP的实际约束，避免传统噪声扰动的不适用性。
2. 设计AR2L框架，引入可调鲁棒性权重α，灵活平衡平均性能与最坏情况性能，解决传统鲁棒算法过度保守的问题。
3. 推导目标函数的混合动态下界，通过迭代优化策略与混合动态，保证算法性能稳定性，同时提出精确与近似两种实现方案，兼顾效果与效率。
4. 实证验证AR2L的通用性，在离散、连续场景及真实混合物品数据集上均表现优异，且收敛速度快于现有鲁棒强化学习算法。

翻译部分（Markdown格式）

Abstract

设计在线3D装箱问题（3D-BPP）的有效策略是一项长期挑战，主要源于输