SHORE: 稳定性混合在线策略强化学习用于在线装箱问题

SHORE 结合稳定性概率与在线策略估计，在 Isaac Gym 中以 0.4M 步骤达到 73% 空间利用率，比无稳定性模型快 2.5 倍；在 60 盒测试中实现 0.734 利用率，超越 GOPT 基线 0.588，但放置失败率略高（1.03% vs 0.63%）。