본 논문은 전자상거래의 급성장과 다층적 창고 환경의 복잡성 증가로 인해 기존 AGV 경로 계획 방법의 한계를 극복하기 위해, 3차원 창고 환경을 위한 새로운 AGV 경로 계획 접근법인 NAHACO(Neural Adaptive Heuristic Ant Colony Optimization)를 제시한다. NAHACO는 개미 군집 최적화(ACO)와 심층 학습 모델을 결합한 하이브리드 프레임워크로, 3차원 창고 화물 모델링을 위한 새로운 휴리스틱 알고리즘, 교통량 및 용량 제약 조건을 기반으로 경로 비용을 조정하는 CARL(Congestion-Aware Reinforce Loss) 손실 함수, 다중 스케일 공간적 특징을 포착하는 적응형 어텐션 메커니즘 등 세 가지 핵심 혁신을 통합한다. 실험 결과, NAHACO는 기존 방법보다 계산 시간이 단축되고 성능이 향상되었으며, TSP 벤치마크에서 최대 24.7%의 비용 절감, 창고 테스트에서는 최대 41.5%의 비용 절감 및 최대 56.1%의 혼잡 감소를 달성했다.
