적응형 컨테이너 추정을 통한 불규칙한 3D 객체의 미분 가능한 패킹 (Differentiable Packing of Irregular 3D

기존의 대부분의 접근 방식은 컨테이너를 사전에 고정하거나, 외부 탐색 루프를 통해 단일 컨테이너 차원만을 최적화하여 나머지 차원을 수동 튜닝 문제로 남겨둡니다. 우리는 단일 경사 기반 (gradient-based) 루프 내에서 모든 6N 객체 포즈 (pose) 파라미터와 컨테이너의 세 가지 측면 길이를 공동으로 최적화하는 미분 가능한 패킹 (differentiable packing) 프레임워크를 제시합니다. 이 공식은 축 정렬 바운딩 박스 (axis-aligned bounding-box, AABB) 프록시를 통해 삼각형 메쉬 (triangle meshes) 상에서 직접 계산되는 물리 기반의 6가지 미분 가능한 손실 항 (loss terms)을 결합합니다. 적응형 압착 (adaptive squeezing) 메커니즘은 중첩 손실 (overlap loss)이 쌍 개수 비례 임계값 (pair-count-scaled threshold) 아래로 떨어질 때마다 주기적으로 컨테이너를 조여, 초기에는 컨테이너 부피를 크게 감소시킨 후 미세한 조정을 수행합니다. 모든 쌍별 계산 (pairwise computations)은 텐서 브로드캐스팅 (tensor-broadcasting) 형태로 작성되어, 루프 기반의 참조 구현 대비 3.4배에서 54배의 속도 향상을 제공합니다. 이 파이프라인은 물리 엔진, FFT 라이브러리, 또는 볼록 분해 (convex decomposition) 없이 Python과 PyTorch로 구현되었습니다. 여러 객체 카테고리에 대해, 이 방법은 N = 100일 때 동일한 시간 동안 실행된 DBLF 및 시뮬레이티드 어닐링 (simulated-annealing) 베이스라인보다 11~32% 더 작은 컨테이너를 생성하며, 단일 소비자용 GPU에서 인스턴스당 4분 미만으로 실행됩니다.