基于真实数据和物理仿真，国防科大开源具身在线装箱基准RoboBPP,国防科大仿真工程

在现代工业物流与机器人自动化中，三维装箱问题（3D-BPP）的物理可行性与具身可执行性是决定算法能否真正落地的关键因素。随着工业自动化水平不断提高，「在线装箱」问题正受到越来越多关注。然而现有研究在问题设定、测试数据、评估指标等方面差异巨大，且不少先进算法尚未开源，导致研究社区缺乏一个能够公平、系统评估算法性能与真实可用性的统一基准体系。

在真实硬件上直接评估成本高、周期长，因此仿真环境成为验证算法物理可行性的必然选择。但多数现有研究仍将 3D-BPP 理解为数学优化问题，仅强调如「空间利用率」等紧凑度指标，而忽略重力、摩擦、碰撞等关键物理因素，使得算法一旦部署到现实场景便可能失效。

而具身可执行性最终要落脚到机器人与每一个箱体的交互，需要考虑机器人末端执行器是否可达目标位姿、是否存在机器人抓取箱体摆放过程的无碰撞运动路径、是否满足机器人末端执行器抓取的约束等问题。此外，许多研究依赖的仍是与工业分布不一致的合成数据集，导致算法在具身执行层面的难度被系统性低估，使得其结论缺乏现实可信度。

为解决这些痛点，国防科大、中科院工业人工智能研究所、武汉大学与深圳大学联合推出RoboBPP——一个基于真实工业数据、物理仿真与具身执行建模的机器人在线装箱的综合基准系统。RoboBPP内置基于物理的高逼真仿真器，并在仿真环境中引入真实尺度的箱体与工业机械臂，完整复现工业装箱流程。通过模拟真实工业条件，RoboBPP能够有效评估算法在现实部署中的物理可行性与具身可执行性。

论文题目：RoboBPP: Benchmarking Robotic Online Bin Packing with Physics-based Simulation 论文链接 https://arxiv.org/abs/2512.04415 项目主页 https://robot-bin-packing-benchmark.github.io/

本文的核心贡献如下：

仿真环境：一个高度逼真的、基于物理的仿真环境，用于评估在线装箱的物理可行性与具身可执行性

数据集：三个来自真实工业流程的大规模多样化数据集，用于系统化基准测试。

测试设置：科学设计的多级测试设置，从纯数学评估到物理约束仿真，再到机器人执行。

评估体系：多维度评估指标及归一化评分体系，可计算加权综合得分，从而在不同场景下提供对算法的深入分析。

项目主页（如下图）对 RoboBPP 的细节进行了全面展示。其中 Benchmarks 栏目提供了多类榜单，包括算法整体表现排名、三种测试设置与三个数据集下的各项指标表现，以及每种算法在测试过程中的详细数据。Documentation 栏目介绍了数据集、测试设置与评估指标的详细说明，并提供了开源仿真环境 Python 包的安装与使用指南。读者可在 Download 栏目下载三类数据集，在 Submit 栏目提交算法进行测试。

packsim

基于物理的仿真环境

由于在真实硬件上进行测试成本高、操作复杂，团队构建了一个用于评估物理可行性的仿真环境。其核心挑战在于打造一个足够逼真的模拟器，以确保所评估的算法在真实工业场景中也能可靠运行。

受实际工业装箱流程启发，团队在 PyBullet 环境中引入了按真实尺度建模的工业机械臂与箱体，并设计了一套具备物理依据的参数，使箱体与机械臂均能在仿真中得到精确复现。该模拟器能够再现多种真实工业条件：例如，通过重力和摩擦建模模拟由不稳定堆叠引发的坍塌；使用 OMPL 运动规划库生成机械臂的无碰撞轨迹；支持机械臂执行抓取、搬运与放置等完整操作流程。通过机械臂与箱体的交互来探索机器人够不够得到的问题，验证算法的具身可执行性。

整个仿真环境已作为 Python 包开源于 PyPI。用户可按照官方文档运行与体验完整仿真流程。

packsim

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

真实工业流程数据集

为了构建一个全面的基准体系，覆盖多样化的工业场景至关重要。真实工业流程数据集通过刻画实际生产中的物品尺寸、形状与到达顺序，决定了机器人在抓取、搬运与放置过程中所面临的具身执行难度，是评估算法具身可执行性的前提条件。该团队对典型工业流程进行了系统分析，并识别出三类具有代表性的任务场景。

第一类场景来自流水线式生产，箱体尺寸高度重复、变化较小，由此构建了Repetitive Dataset。第二类场景对应物流分拣与装箱任务，箱体尺寸具有较大的多样性和波动性，形成了Diverse Dataset。第三类场景涉及形状不规则或细长的箱体，其放置难度更高，例如长条形板材，于是构建了Wood Board Dataset。

科学设计的多级测试设置

该团队设计了三种逐级递进的测试设置，用于在不断提升物理真实度的条件下评估算法的适应性和稳健性。

Math Pack：仅进行纯几何放置，不涉及物理效应或机械臂操作，对应理想化、去具身设置，主要用于评估算法的空间推理与几何规划能力。

Physics Pack：在几何放置的基础上引入重力、碰撞等物理模拟，但不包含机械臂执行，用于评估算法在具身物理约束下的有效性，例如堆叠稳定性、接触关系与平衡性。

Execution Pack：最接近真实部署的评估设置，完整引入具身执行过程，结合物理仿真与工业机械臂操作，包括运动规划与控制。在该设置下，算法性能不仅取决于放置策略本身，还取决于机器人运动学可达性、无碰撞轨迹规划以及执行过程中的动态稳定性。

多维度评估指标及归一化评分体系

该团队在总结以往研究常用的评估指标（主要关注紧凑性、稳定性和推理效率）的基础上，借助物理仿真环境引入了新的执行相关指标，包括 Collapsed Placement 和 Dangerous Operation。这些指标能够反映放置过程中可能出现的坍塌风险与潜在危险操作。为了在多维指标上系统地比较不同算法，该团队进一步设计了一个评分体系，将所有指标转换为归一化分数，并根据需求进行加权汇总，最终得到综合得分。

实验评估

除了构建完整的基准系统外，团队还复现了多种代表性算法，并进行了丰富的实验。在三种测试设置和三个数据集下进行了统一评测，并通过设计的评分系统汇总实验结果，计算每个算法的综合得分，对所有方法在不同测试设置和数据集上的表现进行了排序（表格中已高亮标出综合得分排名前四的算法）。另外，还开展了跨数据集与测试设置的性能对比分析，以深入理解算法在不同工业场景下的泛化能力与稳健性。

基于实验结果，团队为工业部署提供了实用建议：

在高度重复的流水线生产环境中，明确建模空间与几何关系的强化学习算法（如 PCT 和 TAP-Net++）表现尤为突出。

在物品尺寸高度多样化的物流场景中，基于 Transformer 的强化学习策略（如 PCT 和 AR2L）更为有效，因为它们能够适应多样化的尺寸分布。

在以细长家具件为主的场景中，强化学习算法与几何驱动的启发式方法（如 TAP-Net++ 与 DBL）均展现出良好的适用性。

团队对 Occupancy、Trajectory Length 和 Collapsed Placement 等单指标进行了分析。通过分别考察这些指标，可以揭示整体评分中无法体现的性能特征，并识别出哪些算法设计在特定操作环节中表现突出，从而为实际装箱任务中的算法选择提供指导。

当算法更关注紧凑且高效的空间利用，而不是单纯追求放入更多箱体时（如 HM 和 PackE），往往能够获得更高的占用率。

当算法的放置策略优先选择可行、低风险的位置，并形成平整、结构化的堆叠时（如 AR2L 和 PackE），其机械臂末端执行器（end-effector）的平均轨迹长度通常更短。

当算法在放置策略中显式或隐式地优先考虑稳定性和物理可行性时（如 TAP-Net++ 与 DBL），其坍塌放置率（Collapsed Placement）往往更低。

此外，团队还评估了稳定性相关指标（Static Stability 和 Local Stability）在模型训练中的有效性，探索其能否引导基于学习的方法获得更加稳健、物理上可行的策略，为算法在现实工业场景中的具身部署提供依据。

结语

国防科大、中科院工业人工智能研究所、武汉大学与深圳大学联合推出的RoboBPP是首个面向机器人在线三维装箱任务的综合基准系统，核心特色在于结合真实工业数据、物理仿真与具身执行评估。不同于以往仅将三维装箱视为数学优化问题的研究，RoboBPP能够在高逼真的物理仿真环境中重现真实工业装箱流程，考察物理可行性与具身可执行性，从而提供更可靠、更贴近现实的算法评估。该系统完全开源，配备可视化工具和在线排行榜，为未来相关研究与工业应用提供了可复现、可扩展的具身评估基础。