这项技术可以让医疗技术和其他行业的工程师更容易在3D打印产品中使用新材料,以获得特殊的电气或化学性能,减少在反复试验上花费的时间和材料。它还可以帮助制造设备适应材料或印刷环境的变化。
该研究项目背后的麻省理工学院研究人员表示,它可以应用于3D打印以外的制造过程。
资深作者Wojciech Matusik在一份报告中说:“这个项目真的是建立一个使用机器学习来学习复杂控制策略的制造系统的第一个演示。新闻发布会上.“如果你有更智能的制造机器,它们可以实时适应工作场所不断变化的环境,以提高产量或系统的准确性。你可以从机器里挤出更多的东西。”
Matusik是麻省理工学院电气工程和计算机科学教授,领导计算机科学和人工智能实验室(CSAIL)内的计算设计和制造小组(CDFG)。
他和他的同事们开发了一种机器学习系统,用计算机视觉观察3D打印过程,以识别和纠正错误。该系统通过模拟来教会神经网络如何通过调整3D打印参数来最小化误差。
两个相机利用光线来确定材料的厚度,处理图像来调整打印机的进料速率和方向。
“你可以把视觉系统想象成一组实时观察过程的眼睛,”CDFG的机械工程师和项目经理、联合主要作者迈克·福希(Mike Foshey)说。
Foshey说:“我们还能够设计控制策略,实时控制不同类型的材料。”“因此,如果你在现场有一个制造过程,你想要改变材料,你不需要重新验证制造过程。你只需加载新材料,控制器就会自动调整
未来对该系统的改进可能包括人工智能测量和调整材料粘度,对同时或多层打印的多种材料进行修改,以及其他制造过程的控制器。
研究人员在研究中提供了更多细节,基于强化学习的直接墨水书写闭环控制,以及下面的视频。