用于装载空间中的平面规划和物体放置的方法和系统.pdf

《用于装载空间中的平面规划和物体放置的方法和系统.pdf》由会员分享，可在线阅读，更多相关《用于装载空间中的平面规划和物体放置的方法和系统.pdf（20页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010488939.2 (22)申请日 2020.06.02 (30)优先权数据 16/429223 2019.06.03 US (71)申请人 国际商业机器公司 地址 美国纽约 (72)发明人 J纳特森G斯坦奎斯特 C萨哈M拉波恩特 SS拉娜J赫斯特 N文卡特斯瓦兰 (74)专利代理机构 北京市中咨律师事务所 11247 代理人 于静杨晓光 (51)Int.Cl. G06Q 10/04(2012.01) (54)发明名称 用于装载空间中的平面规划和物体放置的 方法和系统 。

2、(57)摘要 本发明涉及一种用于装载空间中的平面规 划和物体放置的方法和系统。 提供了用于在装载 空间中放置物体的方法、 系统、 以及计算机程序 产品。 各方面包括： 确定多个物品的物品数据； 确 定装载空间的空间数据； 生成用于在所述装载空 间中放置所述多个物品的优化配置， 包括： 确定 所述多个物品中的每个物品的一个或多个几何 表示， 其中， 每个物品的所述一个或多个几何表 示被耦合在一起； 基于每个物品的所述一个或多 个几何表示和所述空间数据， 由算法来确定所述 多个物品中的每个物品在所述装载空间中的位 置； 以及由显示器来显示所述优化配置， 所述优 化配置包括被叠加在所述装载空间的图像。

3、中的 对应位置上的所述多个物品中的每个物品的图 像。 权利要求书1页 说明书10页 附图8页 CN 112036597 A 2020.12.04 CN 112036597 A 1.一种用于在装载空间中放置物体的计算机实现的方法， 所述方法包括： 确定多个物品的物品数据； 确定装载空间的空间数据； 生成用于在所述装载空间中放置所述多个物品的优化配置， 包括： 确定所述多个物品中的每个物品的一个或多个几何表示， 其中， 每个物品的所述一个 或多个几何表示被耦合在一起； 基于每个物品的所述一个或多个几何表示和所述空间数据， 由算法来确定所述多个物 品中的每个物品在所述装载空间中的位置； 以及 由显示。

4、器来显示所述优化配置， 所述优化配置包括被叠加在所述装载空间的图像中的 对应位置上的所述多个物品中的每个物品的图像。 2.根据权利要求1所述的计算机实现的方法， 其中， 所述一个或多个几何表示是不一致 的。 3.根据权利要求1所述的计算机实现的方法， 其中， 确定所述多个物品的物品数据包 括： 由至少一个传感器来获得与所述多个物品中的至少一个物品相关联的一个或多个物 品特征。 4.根据权利要求3所述的计算机实现的方法， 其中， 所述一个或多个物品特征包括物品 重量、 物品材料、 以及物品类型中的至少一个。 5.根据权利要求1所述的计算机实现的方法， 还包括： 接收与所述装载空间相关联的一 组规。

5、则， 其中， 生成所述优化配置是至少部分地基于所述一组规则。 6.根据权利要求5所述的计算机实现的方法， 其中， 所述一组规则中的至少一个规则包 括针对所述装载空间中的至少一个位置的材料限制。 7.根据权利要求5所述的计算机实现的方法， 其中， 所述一组规则中的至少一个规则包 括针对所述装载空间中的至少一个位置的重量限制。 8.根据权利要求1所述的计算机实现的方法， 其中， 所述算法包括装箱算法。 9.根据权利要求1所述的计算机实现的方法， 其中， 所述算法包括学习模型； 所述方法 还包括： 接收针对所述优化配置的用户反馈； 以及 至少部分地基于所述用户反馈来更新所述学习模型。 10.根据权利。

6、要求1所述的计算机实现的方法， 其中， 所述装载空间包括洗碗机。 11.一种用于在装载空间中放置物体的系统， 所述系统包括： 处理器， 其通信地耦接到存储器， 所述处理器被配置为执行根据权利要求1至10中任一 项所述的方法的步骤。 12.一种用于在装载空间中放置物体的系统， 所述系统包括用于执行根据权利要求1至 10中任一项所述的方法的步骤的装置。 13.一种用于在装载空间中放置物体的计算机可读存储介质， 所述计算机可读存储介 质存储有程序指令， 所述程序指令能够由处理电路读取以使得所述处理电路执行根据权利 要求1至10中任一项所述的方法中的步骤。 权利要求书 1/1 页 2 CN 11203。

7、6597 A 2 用于装载空间中的平面规划和物体放置的方法和系统 技术领域 0001 本发明一般地涉及物体放置， 并且更具体地， 涉及装载空间中的平面规划和物体 放置。 背景技术 0002 打包问题是数学中的一类优化问题， 其涉及尝试将物体一起打包到容器中。 目标 是尽可能密集地打包单个容器， 或者使用尽可能少的容器来打包所有物体。 这些问题中的 许多问题能够与实际打包、 存储和运输问题相关。 每个打包问题都具有双重覆盖问题， 该问 题询问需要多少个相同的物体来完全覆盖容器的每个区域、 允许物体在何处叠加。 0003 这些打包问题的解决方案涵盖多种应用， 例如仓储配置、 在印刷电路板上放置微 。

8、电子电路以及装载洗碗机、 冰箱和其他设备以最大程度地存储易腐物品。 但是， 当运行标准 打包优化算法时， 如果存在不规则物体和装载空间约束， 则会出现问题。 另外， 需要考虑针 对装载物品的物品约束。 发明内容 0004 本发明的实施例涉及一种用于在装载空间中放置物体的计算机实现的方法。 所述 计算机实现的方法的非限制性示例包括： 确定多个物品的物品数据； 确定装载空间的空间 数据； 生成用于在所述装载空间中放置所述多个物品的优化配置， 包括： 确定所述多个物品 中的每个物品的一个或多个几何表示， 其中， 每个物品的所述一个或多个几何表示被耦合 在一起； 基于每个物品的所述一个或多个几何表示和。

9、所述空间数据， 由算法来确定所述多 个物品中的每个物品在所述装载空间中的位置； 以及由显示器来显示所述优化配置， 所述 优化配置包括被叠加在所述装载空间的图像中的对应位置上的所述多个物品中的每个物 品的图像。 0005 本发明的实施例涉及一种用于在装载空间中放置物体的系统。 所述系统的非限制 性示例包括处理器， 其被配置为执行： 确定多个物品的物品数据； 确定装载空间的空间数 据； 生成用于在所述装载空间中放置所述多个物品的优化配置， 包括： 确定所述多个物品中 的每个物品的一个或多个几何表示， 其中， 每个物品的所述一个或多个几何表示被耦合在 一起； 基于每个物品的所述一个或多个几何表示和所。

10、述空间数据， 由算法来确定所述多个 物品中的每个物品在所述装载空间中的位置； 以及由显示器来显示所述优化配置， 所述优 化配置包括被叠加在所述装载空间的图像中的对应位置上的所述多个物品中的每个物品 的图像。 0006 本发明的实施例涉及一种用于在装载空间中放置物体的计算机可读存储介质， 所 述计算机可读存储介质存储有程序指令。 所述程序指令能够由处理器读取以使得所述处理 器执行一种方法。 所述方法的非限制性示例包括： 确定多个物品的物品数据； 确定装载空间 的空间数据； 生成用于在所述装载空间中放置所述多个物品的优化配置， 包括： 确定所述多 个物品中的每个物品的一个或多个几何表示， 其中， 。

11、每个物品的所述一个或多个几何表示 说明书 1/10 页 3 CN 112036597 A 3 被耦合在一起； 基于每个物品的所述一个或多个几何表示和所述空间数据， 由算法来确定 所述多个物品中的每个物品在所述装载空间中的位置； 以及由显示器来显示所述优化配 置， 所述优化配置包括被叠加在所述装载空间的图像中的对应位置上的所述多个物品中的 每个物品的图像。 0007 通过本发明的技术实现附加技术特征和益处。 本文详细描述了本发明的实施例和 方面， 并且将其视为所要求保护的主题的一部分。 为了更好地理解， 参考详细描述和附图。 附图说明 0008 在说明书结尾处的权利要求书中具体指出并明确要求保护。

12、了本文描述的专有权 利的细节。 从下面结合附图的详细描述， 本发明的实施例的上述和其他特征和优点将显而 易见， 这些附图是： 0009 图1示出了根据本发明的一个或多个实施例的云计算环境； 0010 图2示出了根据本发明的一个或多个实施例的抽象模型层； 0011 图3示出了用于实现本发明的一个或多个实施例的计算机系统的框图； 0012 图4示出了根据本发明的实施例的用于在装载空间中放置物体的系统的框图； 0013 图5a示出了根据本发明的一个或多个实施例的与物品相关联的矩形棱柱的说明 性示例； 0014 图5b示出了根据本发明的一个或多个实施例的与物品相关联的矩形棱柱的说明 性示例； 0015。

13、 图5c示出了根据本发明的一个或多个实施例的与物品相关联的矩形棱柱的说明 性示例； 0016 图6示出了根据本发明的一个或多个实施例的优化配置的显示； 以及 0017 图7示出了根据本发明的一个或多个实施例的用于在装载空间中放置物体的方法 的流程图。 0018 本文示出的附图是说明性的。 其中描述的附图或操作可以存在许多变型而不偏离 本发明的精神。 例如， 可以以不同的顺序执行动作， 或者可以添加、 删除或修改动作。 此外， 术语 “耦合” 及其变型描述了在两个元件之间具有通信路径， 并且并不意味着元件之间的直 接连接且在它们之间没有中间元件/连接。 所有这些变型都被视为说明书的一部分。 具体。

14、实施方式 0019 本文参考相关附图描述本发明的各种实施例。 可以设计本发明的备选实施例而不 偏离本发明的范围。 在以下说明书和附图中， 阐述了元件之间的各种连接和位置关系(例如 在上面、 在下面、 相邻等)。 除非另有规定， 否则这些连接和/或位置关系可以是直接的或间 接的， 并且本发明并非旨在对此方面进行限制。 因此， 实体的耦合可以指直接或间接耦合， 而实体之间的位置关系可以是直接或间接的位置关系。 此外， 本文描述的各种任务和过程 步骤可以被合并到具有本文未详细描述的附加步骤或功能的更全面的程序或过程中。 0020 以下定义和缩写用于解释权利要求和说明书。 如本文所使用的， 术语 “包。

15、括” 、“具 有” 、“包含” 或其任何其他变型旨在涵盖非排他包含。 例如， 包括一系列元素的组合物、 混合 物、 过程、 方法、 制品或装置不一定仅限于这些元素， 而是可以包括未明确列出的或此类组 说明书 2/10 页 4 CN 112036597 A 4 合物、 混合物、 过程、 方法、 制品或装置固有的其他元素。 0021 此外， 术语 “示例性” 在本文中用于表示 “用作示例、 实例或说明” 。 本文描述为 “示 例性” 的任何实施例或设计不一定被解释为比其他实施例或设计更优选或有利。 术语 “至少 一个” 和 “一个或多个” 可以被理解为包括大于或等于一的任何整数， 即一个、 两个、。

16、 三个、 四 个等。 术语 “多个” 可以被理解为包括大于或等于二的任何整数， 即两个、 三个、 四个、 五个 等。 术语 “连接” 可以包括间接 “连接” 和直接 “连接” 两者。 0022 术语 “大约” 、“基本上” 、“大致” 及其变型旨在包括与基于提交本申请时可用的设 备的特定量的测量相关联的误差程度。 例如，“大约” 可以包括给定值的8或5或2的 范围。 0023 为了简洁起见， 本文可能详细描述也可能不详细描述与产生和使用本发明的各方 面相关的常规技术。 特别地， 用于实现本文描述的各种技术特征的计算系统和特定计算机 程序的各个方面是公知的。 因此， 为了简洁起见， 许多常规实现。

17、细节在本文中仅被简要提及 或者被完全忽略而不提供公知的系统和/或过程细节。 0024 首先应当理解， 尽管本公开包括关于云计算的详细描述， 但其中记载的技术方案 的实现却不限于云计算环境， 而是能够结合现在已知或以后开发的任何其他类型的计算环 境而实现。 0025 云计算是一种服务交付模式， 用于对共享的可配置计算资源池进行方便、 按需的 网络访问。 可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能 快速部署和释放的资源， 例如可以是网络、 网络带宽、 服务器、 处理、 内存、 存储、 应用、 虚拟 机和服务。 这种云模式可以包括至少五个特征、 至少三个服务模型和至少四个部。

18、署模型。 0026 特征包括： 0027 按需自助式服务： 云的消费者在无需与服务提供者进行人为交互的情况下能够单 方面自动地按需部署诸如服务器时间和网络存储等的计算能力。 0028 广泛的网络接入： 计算能力可以通过标准机制在网络上获取， 这种标准机制促进 了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、 膝上型电脑、 个人数字助 理PDA)对云的使用。 0029 资源池： 提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务 于多重消费者， 其中按需将不同的实体资源和虚拟资源动态地分配和再分配。 一般情况下， 消费者不能控制或甚至并不知晓所提供的资源的确切。

19、位置， 但可以在较高抽象程度上指定 位置(例如国家、 州或数据中心)， 因此具有位置无关性。 0030 迅速弹性： 能够迅速、 有弹性地(有时是自动地)部署计算能力， 以实现快速扩展， 并且能迅速释放来快速缩小。 在消费者看来， 用于部署的可用计算能力往往显得是无限的， 并能在任意时候都能获取任意数量的计算能力。 0031 可测量的服务： 云系统通过利用适于服务类型(例如存储、 处理、 带宽和活跃用户 帐号)的某种抽象程度的计量能力， 自动地控制和优化资源效用。 可以监测、 控制和报告资 源使用情况， 为服务提供者和消费者双方提供透明度。 0032 基础架构即服务(IaaS)： 向消费者提供的。

20、能力是消费者能够在其中部署并运行包 括操作系统和应用的任意软件的处理、 存储、 网络和其他基础计算资源。 消费者既不管理也 不控制底层的云基础架构， 但是对操作系统、 存储和其部署的应用具有控制权， 对选择的网 说明书 3/10 页 5 CN 112036597 A 5 络组件(例如主机防火墙)可能具有有限的控制权。 0033 部署模型如下： 0034 私有云： 云基础架构单独为某个组织运行。 云基础架构可以由该组织或第三方管 理并且可以存在于该组织内部或外部。 0035 共同体云： 云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、 安 全要求、 政策和合规考虑)的特定共同体。 共。

21、同体云可以由共同体内的多个组织或第三方管 理并且可以存在于该共同体内部或外部。 0036 公共云： 云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。 0037 混合云： 云基础架构由两个或更多部署模型的云(私有云、 共同体云或公共云)组 成， 这些云依然是独特的实体， 但是通过使数据和应用能够移植的标准化技术或私有技术 (例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。 0038 云计算环境是面向服务的， 特点集中在无状态性、 低耦合性、 模块性和语意的互操 作性。 云计算的核心是包含互连节点网络的基础架构。 0039 现在参考图1， 其中显示了示例性的云计算环境50。 如。

22、图所示， 云计算环境50包括 云计算消费者使用的本地计算设备可以与其相通信的一个或者多个云计算节点10， 本地计 算设备例如可以是个人数字助理(PDA)或移动电话54A、 台式电脑54B、 笔记本电脑54C和/或 汽车计算机系统54N。 云计算节点10之间可以相互通信。 可以在包括但不限于如上所述的私 有云、 共同体云、 公共云或混合云或者它们的组合的一个或者多个网络中将云计算节点10 进行物理或虚拟分组(图中未显示)。 这样， 云的消费者无需在本地计算设备上维护资源就 能请求云计算环境50提供的基础架构即服务(IaaS)、 平台即服务(PaaS)和/或软件即服务 (SaaS)。 应当理解， 。

23、图1显示的各类计算设备54A-N仅仅是示意性的， 云计算节点10以及云计 算环境50可以与任意类型网络上和/或网络可寻址连接的任意类型的计算设备(例如使用 网络浏览器)通信。 0040 现在参考图2， 其中显示了云计算环境50(图1)提供的一组功能抽象层。 首先应当 理解， 图2所示的组件、 层以及功能都仅仅是示意性的， 本发明的实施例不限于此。 如图2所 示， 提供下列层和对应功能： 0041 硬件和软件层60包括硬件和软件组件。 硬件组件的例子包括： 主机61； 基于RISC (精简指令集计算机)体系结构的服务器62； 服务器63； 刀片服务器64； 存储设备65； 网络和 网络组件66。。

24、 在一些实施例中， 软件组件的例子包括： 网络应用服务器软件67以及数据库软 件68。 0042 虚拟层70提供一个抽象层， 该层可以提供下列虚拟实体的例子： 虚拟服务器71、 虚 拟存储72、 虚拟网络73(包括虚拟私有网络)、 虚拟应用和操作系统74， 以及虚拟客户端75。 0043 在一个示例中， 管理层80可以提供下述功能： 资源供应功能81： 提供用于在云计算 环境中执行任务的计算资源和其它资源的动态获取； 计量和定价功能82： 在云计算环境内 对资源的使用进行成本跟踪， 并为此提供帐单和发票。 在一个例子中， 该资源可以包括应用 软件许可。 安全功能： 为云的消费者和任务提供身份认。

25、证， 为数据和其它资源提供保护。 用 户门户功能83： 为消费者和系统管理员提供对云计算环境的访问。 服务水平管理功能84： 提 供云计算资源的分配和管理， 以满足必需的服务水平。 服务水平协议(SLA)计划和履行功能 85： 为根据SLA预测的对云计算资源未来需求提供预先安排和供应。 说明书 4/10 页 6 CN 112036597 A 6 0044 工作负载层90提供云计算环境可能实现的功能的示例。 在该层中， 可提供的工作 负载或功能的示例包括： 地图绘制与导航91； 软件开发及生命周期管理92； 虚拟教室的教学 提供93； 数据分析处理94； 交易处理95； 以及装载空间中的平面规划。

26、和物体放置96。 0045 参考图3， 示出了用于实现本文的教导的处理系统300的实施例。 在该实施例中， 系 统300具有一个或多个中央处理单元(处理器)21a、 21b、 21c等(统称为或总称为处理器21)。 在一个或多个实施例中， 每个处理器21可以包括精简指令集计算机(RISC)微处理器。 处理 器21经由系统总线33耦接到系统存储器34和各种其他组件。 只读存储器(ROM)22耦接到系 统总线33， 并且可以包括控制系统300的某些基本功能的基本输入/输出系统(BIOS)。 0046 图3还示出了耦接到系统总线33的输入/输出(I/O)适配器27和网络适配器26。 I/O 适配器2。

27、7可以是小型计算机系统接口(SCSI)适配器， 其与硬盘23和/或磁带存储驱动器25 或任何其他类似的组件通信。 I/O适配器27、 硬盘23和磁带存储设备25在本文中统称为大容 量存储装置24。 用于在处理系统300上执行的操作系统40可以存储在大容量存储装置24中。 网络适配器26将总线33与外部网络36互连， 从而使数据处理系统300能够与其他此类系统 通信。 屏幕(例如显示监视器)35通过显示适配器32连接到系统总线33， 显示适配器32可以 包括用于提高图形密集应用的性能的图形适配器和视频控制器。 在一个实施例中， 适配器 27、 26和32可以连接到一个或多个I/O总线， 这些I/。

28、O总线经由中间总线桥(未示出)连接到 系统总线33。 用于连接外围设备(例如硬盘控制器、 网络适配器和图形适配器)的合适I/O总 线通常包括通用协议， 例如外围组件互连(PCI)。 附加输入/输出设备被示出为经由用户接 口适配器28和显示适配器32连接到系统总线33。 键盘29、 鼠标30和扬声器31都经由用户接 口适配器28与总线33互连， 用户接口适配器28可以包括例如将多个设备适配器集成到单个 集成电路中的超级I/O芯片。 0047 在示例性实施例中， 处理系统300包括图形处理单元41。 图形处理单元41是专用电 子电路， 其被设计为操纵和改变存储器以加速在帧缓冲器中创建图像以输出到显。

29、示器。 一 般而言， 图形处理单元41在操纵计算机图形和图像处理方面非常高效， 并且具有高度平行 的结构， 这使得它比通用CPU更有效地用于其中并行执行大数据块处理的算法。 0048 因此， 如图3中所配置的， 系统300包括： 处理器21形式的处理能力、 包括系统存储 器34和大容量存储装置24的存储能力、 诸如键盘29和鼠标30之类的输入装置以及包括扬声 器31和显示器35的输出能力。 在一个实施例中， 系统存储器34和大容量存储装置24的一部 分共同存储协调图3所示各种组件的功能的操作系统。 0049 现在转向与本发明的各方面更具体相关的技术的概述， 打包问题是一类优化问 题， 其涉及尝。

30、试将物体一起打包到有限空间中。 在装箱问题中， 必须将一组 “物体” 的一部分 或全部打包到容器中。 此外， 由于关于可如何执行打包的限制(例如， 物品可以或不能堆叠、 打包区域的某些区域中的重量限制、 打包区域中的某些位置限制某些物体类型)， 打包约束 或打包 “规则” 通常进一步约束了寻找解决方案。 例如， 考虑将餐盘、 玻璃杯和刀具装载到洗 碗机中。 对餐盘的某些限制可能限制可以将餐盘放置在何处， 例如针对塑料餐盘的洗碗机 内的不同高度。 当使用启发式方法时， 这些限制以及要装载到洗碗机中的物品的不一致形 状、 尺寸和类型会导致洗碗机的非优化打包。 此外， 未能优化洗碗机的装载区域中的空。

31、间使 用会需要多次不必要的循环， 从而导致用水增加、 清洁时间和其他成本。 0050 现在转向本发明的各方面的概述， 本发明的一个或多个实施例通过提供系统和方 说明书 5/10 页 7 CN 112036597 A 7 法来解决现有技术的上述缺点， 这些系统和方法利用物联网(IoT)传感器和人工智能， 计算 物体或物品在装载区域(例如洗碗机)中的最佳放置和布局， 同时考虑与物品和装载区域相 关联的能效、 材料和其他变量。 0051 现在转向本发明的各方面的更详细描述， 图4示出了根据本发明的实施例的用于 在装载空间中放置物体的系统的框图。 系统400包括平面规划引擎402、 至少一个传感器 4。

32、08、 以及显示器412。 在本发明的一个或多个实施例中， 平面规划引擎402获取与物品清单 (item inventory)404相关联的数据。 物品清单404可以是要存放在装载空间406中的任何 类型的物品。 例如， 物品清单可以是要放置到洗碗机(例如装载空间)中的餐盘。 对于每个装 载空间406和物品清单404， 存在一组装载规则410， 装载规则410可以指示如何以及在何处 可以将物品清单404中的某些物品放置或装载到装载空间406中。 例如， 某些物品可能不可 堆叠或者对于装载空间406中的某些区域而言可能太重。 装载规则410可以包括针对给定装 载空间406和物品清单404的部分或。

33、全部装载限制。 在本发明的一些实施例中， 传感器408可 以用于获得与物品清单404相关联的数据， 包括但不限于物品重量、 物品材料、 物品类型、 物 品形状等。 此外， 传感器408可以获得与装载空间406相关联的数据， 该数据将揭示装载空间 406的特征， 包括但不限于几何尺寸、 配置、 障碍物、 承载重量等。 例如， 用于装载物品的货架 空间可以具有可以通过传感器408或通过装载规则410来确定的重量额定值， 以就如何以及 在何处可以将物品放置在货架空间上提供帮助。 备选地， 清单404中的物品可以是具有深凹 空间和长手柄的餐盘。 0052 在本发明的一个或多个实施例中， 平面规划引擎4。

34、02(利用传感器408或接收物品 清单数据和装载空间数据)能够确定物品清单404在装载空间406中的优化配置。 在一些实 施例中， 传感器408可以是照相机， 其捕获物品清单404和装载空间406的图像或视频以由平 面规划引擎402进行处理。 平面规划引擎402然后可以确定要放置在装载空间406内的指定 位置处的物品清单404中的物品的优化配置。 平面规划引擎402然后可以通过将每个物品的 图像叠加在装载空间406的图像中的对应位置上， 在显示器412上显示优化配置。 在其他实 施例中， 平面规划引擎402可以针对每次装载到装载空间406中而显示导致优化配置的逐步 装载顺序。 0053 在本发。

35、明的一个或多个实施例中， 平面规划引擎402可以利用用于解决打包问题 (如上所述， 打包问题是一类优化问题)的算法或模型来创建优化配置。 可以利用的一种这 样的算法是所谓的装箱算法。 平面规划引擎402可以分析物品清单404中的每个物品以创建 该物品的三维(3D)呈现。 这可以利用照相机(例如传感器408)获得物品的图像来完成。 除了 其他特征以外， 可以利用除了照相机之外的传感器408来确定物品的材料成分和物品的重 量。 物品的3D表示包括一个或多个几何形状或棱柱。 在一些实施例中， 几何棱柱是矩形棱 柱。 可以基于物品的形状将物品表示为这些矩形棱柱中的一个或多个， 并且这一个或多个 棱柱彼。

36、此具有联系， 以使得当放置矩形棱柱中的一个矩形棱柱时， 其他具有联系的矩形棱 柱被限制为与该矩形棱柱一起移动。 在表示物品的同时， 以3D模型表示装载空间406。 基于 从装载空间406获取的传感器或图像数据， 包括了对3D模型的约束。 约束可以包括在装载空 间中发现的尺寸、 形状和障碍物约束。 例如， 为了装载洗碗机， 洗碗机中的装载空间可以具 有不同的支架(rack)和突起以允许放置餐盘、 玻璃杯以及刀具。 对该装载空间以及每个物 品的具有联系的矩形棱柱进行建模以确定最佳配置。 此外， 装载规则410还可以通过限制某 说明书 6/10 页 8 CN 112036597 A 8 些物品不能处。

37、于某些位置或限制物品的堆叠来影响物品在装载空间406中的优化配置。 对 于洗碗机应用， 某些餐盘或炊事用具需要以某种方式放置以允许洗碗机有效地清洁这些物 品。 0054 图5a示出了根据本发明的一个或多个实施例的与物品相关联的矩形棱柱的说明 性示例。 在本发明的一个或多个实施例中， 装载空间500可以是例如洗碗机装载空间， 其包 括顶部支架510和底部支架520。 物品502可以是要放置在装载空间500中的马克杯。 物品502 包括具有主体和手柄的不均匀形状， 其由用于主体的矩形棱柱504和用于物品502的手柄的 第二矩形棱柱506来表示。 因为物品502是不均匀的， 所以矩形棱柱504、 5。

38、06是不一致的(例 如较小并且形状不同)。 当对装载空间500和物品502进行建模以确定最佳配置时， 可以将物 品502移动到装载空间500中的不同位置。 当移动物品502时， 矩形棱柱504、 506也移动并且 相对于彼此保持相同的放置。 在一个实施例中， 通过规定对3D装箱规划的附加约束来满足 (具有联系的棱柱一起移动)这一要求。 也就是说， 不能是棱柱506移动到一个位置而棱柱 504移动到另一个位置。 此外， 棱柱506相对于棱柱504停留在相同的位置， 以使得当移动或 旋转时， 棱柱504、 506将一起旋转或移动。 此外， 本文的装载空间500是具有一组装载规则的 示例性洗碗机应用。

39、， 平面规划引擎(图4中的402)将利用这些装载规则来放置物品502。 在这 种情况下， 因为物品502是马克杯， 所以装载规则可以将马克杯限制为放置在洗碗机(例如 装载空间500)的顶部支架510上。 此外， 马克杯的放置应使得马克杯的开口部分朝下而不是 朝上或朝向侧面。 0055 在本发明的一个或多个实施例中， 同时参考图4和图5a， 平面规划引擎402可以从 物品的装载器接收直接到平面规划引擎402的反馈416， 或通过显示器412接收反馈416。 该 反馈416可以用作用于放置优化的学习算法的训练数据， 以基于来自装载器的配置的任何 改变来进行学习。 反馈416例如可以是物品502的配。

40、置从一个位置到另一个位置的改变。 配 置的改变可以由传感器408检测， 或者可以由用户或装载器来输入。 例如， 如果图5中的马克 杯的放置使得开口部分朝上或朝向侧面， 并且然后用户重新布置马克杯以使其朝下， 则这 种改变可以用于进一步训练学习算法和/或被添加到用于装载空间500的一组装载规则。 0056 图5b和5c示出了根据本发明的一个或多个实施例的与物品相关联的矩形棱柱的 说明性示例。 如图5b所示， 物品532(例如马克杯)由于具有杯形部分和附接到马克杯的手柄 而包括不均匀的形状。 在一个或多个实施例中， 对矩形棱柱534、 536、 538进行建模以确定装 载空间内的优化配置。 在此，。

41、 马克杯的手柄包括两个矩形棱柱536、 538， 它们与用于马克杯 部分矩形棱柱534的较大棱柱相关联。 当将物品532放置在装载空间中时， 矩形棱柱534、 536、 538移动并且彼此保持相同的放置。 也就是说， 如果没有随着棱柱534而移动536和538 两者并且具有相同的配置， 则棱柱534不能移动。 类似地， 如图5c所示， 具有不均匀形状(即， 大手柄)的物品542具有围绕物品542的碗形部分的第一矩形棱柱544以及用于手柄的第二 和第三矩形棱柱546、 548。 如上所述， 在平面规划期间， 第一矩形棱柱544与第二矩形棱柱 546和第三矩形棱柱548一起移动。 在一个实施例中，。

42、 通过规定对3D装箱规划的附加约束来 满足(具有联系的棱柱一起移动)这一要求。 0057 图6示出了根据本发明的一个或多个实施例的用于优化配置的显示。 显示600包括 所建议的供用户装载到装载空间中的优化配置的图像602。 如例示的图像602所示， 物品的 图像叠加在装载空间的图像上以示出要在何处放置物品以及要以哪种方式放置物品(例如 说明书 7/10 页 9 CN 112036597 A 9 朝上或朝下等)。 显示600还包括用户界面604， 用户可以从用户界面604获得有关物品及其 放置位置的信息。 该信息可以包括物品类型(杯子、 玻璃器皿、 碗等)、 每个物品的重量、 表面 积、 放置位。

43、置等。 此外， 显示600还包括用于来自用户的反馈的输入606， 以协助训练被用于 优化配置的学习模型。 在这种情况下， 输入606是 “拇指向上” 或 “拇指向下” 图标； 但是， 在一 些实施例中， 输入可以是任何类型的图标或反馈机制。 0058 在本发明的一个或多个实施例中， 在洗碗机应用中， 传感器408可以是搁架 (docking rack)， 其创建用于装载到洗碗机中的物品的3D表示。 除了3D表示之外， 该搁架还 可以感测物品的成分和重量等。 在洗碗机应用中， 显示器412可以向用户显示如何将物品装 载到搁架中， 然后可以将搁架装载到洗碗机中。 由平面规划引擎402对每个物品进行。

44、建模以 确定一个或多个具有联系的矩形棱柱。 可以由平面规划引擎402对这些物品进行分类并且 将它们存储在数据库中。 当将不干净的餐盘放置在装载支架上时， 对照数据库对餐盘进行 扫描和识别。 然后由优化算法对该数据进行分析， 该优化算法考虑了支架尺寸和任何附加 装载规则(勺架、 支架卷轴(spool)等)。 如上所述， 该算法被限制为将具有联系的棱柱保持 在一起。 显示器412的输出可以是物体及物体在洗碗机中的相应位置的有序列表， 或者可以 是3D图像。 可以利用任何用户反馈416来训练算法以用于将来的装载优化操作。 0059 图7示出了根据本发明的一个或多个实施例的用于在装载空间中放置物体的方。

45、法 的流程图。 方法700包括确定多个物品的物品数据， 如方框702所示。 在方框704中， 方法700 还包括确定装载空间的空间数据。 此外， 在方框706中， 方法700包括生成用于装载空间中的 多个物品的优化配置， 包括： 确定多个物品中的每个物品的一个或多个几何表示， 其中， 每 个物品的一个或多个几何表示被耦合在一起； 基于每个物品的一个或多个几何表示和空间 数据， 由算法来确定多个物品中的每个物品在装载空间中的位置。 以及在方框708处， 方法 700包括由显示器来显示优化配置， 该优化配置包括叠加在装载空间的图像中的对应位置 上的多个物品中的每个物品的图像。 0060 还可以包括。

46、附加过程。 应该理解， 图7所示的过程表示例示， 并且可以添加其他过 程或者可以删除、 修改或重新排列现有过程而不偏离本公开的范围和精神。 0061 在本发明的实施例中， 引擎402还可以被实现为所谓的分类器(在下面更详细地描 述)。 在本发明的一个或多个实施例中， 本文描述的各种引擎/分类器(402)的特征可以在图 3所示的处理系统300上实现， 或者可以在神经网络(未示出)上实现。 在本发明的实施例中， 可以通过配置和布置处理系统300以执行机器学习(ML)算法来实现引擎/分类器402的特 征。 一般而言， ML算法实际上从所接收的数据(例如引擎402的输入)中提取特征以便对所接 收的数据。

47、进行 “分类” 。 合适分类器的示例包括但不限于神经网络(在下面更详细地描述)、 支持向量机(SVM)、 逻辑回归、 决策树、 隐马尔可夫模型(HMM)等。 分类器操作的最终结果(即 “分类” )是为数据预测类。 ML算法将机器学习技术应用于所接收的数据， 以便随着时间的推 移而创建/训练/更新唯一的 “模型” 。 由引擎/分类器402执行的学习或训练可以是监督式 的、 非监督式的或包括监督式和非监督式学习的各方面的混合。 监督式学习是训练数据已 经可用并已被分类/标记的情况。 非监督式学习是训练数据未被分类/标记， 因此必须通过 分类器的迭代来开发的情况。 非监督式学习可以利用附加学习/训练。

48、方法， 包括例如集群、 异常检测、 神经网络、 深度学习等。 0062 在其中引擎/分类器402被实现为神经网络的本发明的实施例中， 阻性开关器件 说明书 8/10 页 10 CN 112036597 A 10 (RSD)可以用作前神经元与后神经元之间的连接(突触)， 从而以器件电阻的形式来表示连 接权重。 神经形态系统是互连的处理器元件， 它们充当模拟 “神经元” 并且以电子信号的形 式在彼此之间交换 “消息” 。 类似于在生物神经元之间携带消息的突触神经递质连接的所谓 “可塑性” ， 神经形态系统(例如神经网络)中的连接在模拟神经元之间携带电子消息， 这些 模拟神经元具备与给定连接的强弱相。

49、对应的数值权重。 可以基于经验来调整和调谐权重， 从而使神经形态系统适应输入并且具有学习能力。 例如， 用于手写识别的神经形态/神经网 络由一组输入神经元来定义， 这些输入神经元可以由输入图像的像素来激活。 在通过由网 络设计者确定的函数进行加权和变换之后， 这些输入神经元的激活然后被传递给其他下游 神经元(通常被称为 “隐藏” 神经元)。 重复该过程直到输出神经元被激活。 因此， 所激活的输 出神经元确定(或 “学习” )读取了哪个字符。 多个前神经元和后神经元可以通过RSD阵列来 连接， 这自然地表示了全连接神经网络。 在本文的描述中， 归因于系统400的任何功能都可 以使用应用的处理系统。

50、300来实现。 0063 在任何可能的技术细节结合层面， 本发明可以是系统、 方法和/或计算机程序产 品。 计算机程序产品可以包括计算机可读存储介质， 其上载有用于使处理器实现本发明的 各个方面的计算机可读程序指令。 0064 计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形 设备。 计算机可读存储介质例如可以是但不限于电存储设备、 磁存储设备、 光存储设 备、 电磁存储设备、 半导体存储设备或者上述的任意合适的组合。 计算机可读存储介质的更 具体的例子(非穷举的列表)包括： 便携式计算机盘、 硬盘、 随机存取存储器(RAM)、 只读存储 器(ROM)、 可擦式可编程只读存。