导读在真实物流与供应链场景中，装载算法需要面对持续变化的货物组合和容器规格，还要处理支撑不足、载荷超限等实际问题。然而，现有不少学习型三维装箱方法依赖固定箱体尺寸，面对新箱型往往需要重新训练；以空间利用率为主要目标的优化方式，也难以充分覆盖实际作业中的稳定性要求。这些问题限制了算法在多样化业务场景中的复用。
顺丰供应链行业科技与浙江大学联合研究团队提出的 One4Many-StablePacker（O4M-SP），围绕上述挑战构建了统一的深度强化学习框架：以注意力机制支持不同箱型的状态表达，将支撑与承重检查融入装载决策，并结合加权奖励和关键节点熵控制，改善模型的布局规划与探索能力。实验表明，O4M-SP 在所比较的基准方法基础上取得了明显的装载率改善，且无需针对测试中的未见箱型重新训练，为运输装载、仓储码垛和订单装箱提供了具有复用潜力的算法基础。相关研究已正式发表于 IJCAI-ECAI 2026。
主要内容包括以下几个部分：
1. 从“一个箱型一个模型”走向“一次训练、多种适配”
2. 不只“装得多”，还要“放得稳、压得住”
3. 让模型学会为后续装载“留出余地”
4. 多场景实验验证装载效率与适配能力
5. 物流与供应链场景中的应用
6. 供应链决策 AI 进入体系化落地时代
出品社区｜DataFun
这也是顺丰供应链行业科技算法团队半年内第二次登上国际顶会。今年 5 月，该团队的 Li-Net 时序预测模型入选 ICDE，聚焦预测方向；此次发表于 IJCAI-ECAI 的 O4M-SP 则面向装箱优化，聚焦决策方向。半年内在两个不同方向上取得顶会级研究成果，体现了顺丰在供应链决策 AI 领域的体系化研发布局：以预测研判业务变化，以决策优化作业方案，构建覆盖预测、决策等不同方向的完整技术体系。
从“一个箱型一个模型”走向“一次训练、多种适配”
近年来，深度强化学习开始被用于三维装箱，但不少方法依赖固定尺寸的高度图、体素网格或卷积神经网络输入。一旦箱体的长、宽发生变化，模型往往需要重新训练。这种“一个箱型对应一个模型”的方式，在箱规多样、业务持续变化的物流环境中，会带来额外的训练与部署成本。
O4M-SP 中的"One4Many"正是针对这一问题：研究团队以注意力机制为基础，设计了能够处理变长输入的状态表达。模型不再把装载空间压缩成固定大小的图像，而是联合编码箱体属性、当前可用空间、已装载物品和候选物品，并通过自注意力与交叉注意力学习它们之间的关系。因此，输入箱型发生变化时，模型仍能以统一方式理解当前装载状态。
实验表明，面对训练阶段未见过的箱型，O4M-SP 无需重新训练即可生成装载方案，并在测试中取得优于所比较启发式算法的装载率。这种跨箱型适配能力，为减少重复训练、提升模型在多样化装载场景中的复用效率提供了技术基础。
不只“装得多”，还要“放得稳、压得住”
空间利用率并不是物流装载的唯一目标。如果上层物品缺乏足够支撑，或者底部轻型物品承受了超出能力的垂直载荷，即使几何上能够放入，也很难成为可执行的装载方案。
为此，O4M-SP 内置了稳定性检查模块，对候选动作同时执行两类约束判断：
支撑约束：检查物品底面中心是否落在下方接触区域所构成的有效支撑范围内，筛除不满足支撑条件的摆放方式。
承重约束：估算上层物品向下方传递的载荷，确保每件物品承受的累计垂直载荷不超过其设定承重能力。
案例实验显示，O4M-SP 在同时满足支撑与承重约束的情况下，仍能保持较高的空间利用率。通过将这些约束直接纳入决策过程，模型能够在追求装载效率的同时，筛除支撑不足或载荷超限的方案，使优化结果更贴近实际作业要求。
让模型学会为后续装载“留出余地”
传统的单一装载率奖励容易让模型表现出短视行为。例如，在当前步骤把物品向上堆叠，可能立即提升局部利用率，却会造成表面高低不平和空间碎片化，使后续物品越来越难放置。
O4M-SP 为此设计了加权奖励机制，将装载率提升与装载表面的平整程度结合起来，引导模型在当前摆放时兼顾后续空间。更平整的装载布局有助于减少空间碎片，为后续物品保留连续的支撑区域和更多摆放选择。
与此同时，研究团队发现，模型容易在装载初期过早固定摆放策略，错失更好的组合方案。O4M-SP 因此引入面向关键决策节点的熵控制机制，帮助模型在训练过程中保留对不同摆放方式的探索能力，降低过早陷入局部最优的可能性。
对关键模块的对比验证表明，加权奖励与熵控制均有助于提升模型表现。两者共同作用，使模型在学习过程中保持更充分的探索，并形成更高质量的装载策略。
多场景实验验证装载效率与适配能力
研究团队围绕不同物品数量、不同箱体尺寸及稳定性约束开展了系统实验。在论文设定的基准测试中，O4M-SP 的装载率相较于所比较的传统启发式算法与强化学习算法取得明显改善，展现出提升空间利用率的能力。
实验同时验证了不同训练方式的适用价值：多箱型训练有助于增强模型的适配能力，针对固定箱型的专项训练则在部分较大规模问题上表现更优。这为后续根据业务特点选择训练方式提供了参考。与计算开销较大的密集搜索方法相比，O4M-SP 也展现出更高的求解效率，为兼顾方案质量与响应速度提供了一条可行路径。
物流与供应链场景中的应用
在物流与供应链作业中，货物规格、装载空间和堆叠要求各不相同。O4M-SP 的跨箱型适配能力与支撑、承重约束，为运输装载、仓储码垛和订单装箱等环节提供了算法应用基础。
运输装载规划。 面对不同规格的车厢、集装箱及周转容器，O4M-SP 可为长方体货物的摆放顺序、朝向和空间布局提供优化建议。跨尺寸泛化能力有助于减少因装载空间变化而重复训练模型的需求，为提升空间利用率、减少不合理堆叠提供决策支持。
仓储码垛与集货。 在托盘码垛和出库集货等场景中，货物既需要紧凑摆放，也需要满足底部支撑和承重要求。O4M-SP 的稳定性检查与平整度奖励机制，可为混合规格箱件的堆叠规划提供支持，帮助生成兼顾空间利用与支撑条件的布局方案，为现场作业提供参考。
订单装箱与包装规划。针对电商履约、备件配送等多品类订单，O4M-SP 可在订单物品信息已知、包装容器已选定的条件下，优化箱内摆放方案。模型对不同容器尺寸的适配能力，有助于支持多种包装规格下的装箱规划，为减少箱内空隙、提高包装空间利用率提供技术支撑。
这些应用方向体现了 O4M-SP 在物流与供应链中的价值：将空间优化与作业约束共同纳入算法决策，为不同环节提供可复用的装载规划能力。在与具体业务系统结合时，还可进一步衔接装卸顺序、包装规则和设备作业要求，支持更完整的作业方案生成。
以某头部 3C 客户为例，系统在保证所有订单结构全覆盖、无漏配的前提下，将耗材型号从 14 款精简至 12 款，精简率约 14.3%，仓储管理和采购复杂度同步降低；平均空间装载率从 45% 提升至 63%，相对提升约 40%。
总结来看，该技术为企业带来的核心价值立竿见影：
降本：空间利用率提升、耗材型号精简、仓储采购复杂度降低
降损：双约束从算法层面杜绝悬空和重货压轻货，运输货损大幅降低
提效：换车型无需重新建模，系统响应快、适配灵活
规模化：日均近 40 万单稳定运行，高并发复杂场景下依然可靠
供应链决策 AI 进入体系化落地时代
O4M-SP 以混合状态表示、双约束稳定性检查、加权奖励与熵控制三大核心创新，打破了三维装箱"满、稳、广"的不可能三角。它不仅是顺丰技术能力的体现，更是整个物流与供应链行业可复制、可推广的数智化新范式。
未来，随着这类产业级 AI 持续普及，供应链将真正走向可预测、可调度、可优化、可韧性的智能新阶段。而顺丰，正在用一项又一项顶会级成果和一个又一个规模化落地案例，证明自己在物流供应链这个垂直领域的科技实力。
往期推荐
基于因果链 + 结果验证的 Agent 数据闭环！
基于 AgentScope 的金融数据平台 Agentic 进化之路
综合分从 40.1 到 75.2：垂类 Agent 的 Harness 重构实践
Ontology 不用全靠人建了：Databricks 开始从 SQL 里“挖”业务
EMR Serverless Spark 多模态 Daft 算子市场免费公测 | 10 分钟极速实战（附视频教程）
Agent 进入生产后，如何建立从问题发现到持续优化的闭环？
企业智能场景如何落地——本体、AI Agent 与全域运营决策
Semantic Layer 不够了，Google 开始给 Agent 补“业务关系”
Loop Engineering 火了，谁来评测？阿里开源 LoopArena 登顶 HF 日榜
本体不是字典，是让系统懂业务的教材——蚂蚁金融数据知识本体实践