연구진은 2D 불규칙 네스팅 문제 해결에 강화 학습을 활용하는 새로운 접근 방식을 제시했어요. 기존 휴리스틱 솔버의 기하학적 인식 부족을 극복하기 위해 기하학적 정보를 학습하는 PoT 아키텍처를 개발했어요. 실험 결과, 개발된 에이전트는 Sparrow와 경쟁력 있는 공간 활용률을 달성하며 강화 학습의 가능성을 입증했어요.
PoT는 2D 연속 벡터 기하학을 인코딩하고 다각형 간 상호 작용을 가능하게 하는 새로운 아키텍처예요. CORL 학습 프레임워크와 결합하여 최적의 솔루션을 찾아냈어요. 연구진은 복잡한 지리적 윤곽에서 파생된 오픈소스 학습 데이터셋과 평가 벤치마크를 공개했어요.
새로운 접근 방식은 기존 휴리스틱 솔버의 한계를 극복하고, 강화 학습이 정밀한 공간 작업에 기하학적 인식을 발견하고 활용할 수 있음을 보여주며, 2D 불규칙 네스팅 문제 해결에 새로운 가능성을 제시해요.