研究人員訓練機器學習模型來監(jiān)控和調(diào)整 3D 打印過程，以實時糾正錯誤?？茖W家和工程師不斷開發(fā)可用于3D 打印的具有獨特性能的新材料，但弄清楚如何 使用這些材料進行打印可能是一個復雜且成本高昂的難題。

通常，專家操作員必須使用手動試錯法(可能進行數(shù)千次打印)來確定始終有效地打印新材料的理想?yún)?shù)。這些參數(shù)包括打印速度和打印機沉積的材料量。

麻省理工學院的研究人員現(xiàn)在已經(jīng)使用人工智能來簡化這一過程。他們開發(fā)了一種機器學習系統(tǒng)，該系統(tǒng)使用計算機視覺來觀察制造過程，然后實時糾正其處理材料的錯誤。

他們使用模擬來教神經(jīng)網(wǎng)絡(luò)如何調(diào)整打印參數(shù)以最小化錯誤，然后將該控制器應用于真正的 3D 打印機。他們的系統(tǒng)打印的對象比他們與之比較的所有其他 3D 打印控制器更準確。

這項工作避免了打印數(shù)千或數(shù)百萬個真實物體來訓練神經(jīng)網(wǎng)絡(luò)的昂貴過程。它可以讓工程師更容易地將新材料融入他們的印刷品中，這可以幫助他們開發(fā)具有特殊電氣或化學特性的物體。如果材料或環(huán)境條件發(fā)生意外變化，它還可以幫助技術(shù)人員即時調(diào)整打印過程。

“這個項目確實是第一個構(gòu)建使用機器學習來學習復雜控制策略的制造系統(tǒng)的演示，”資深作者、麻省理工學院電氣工程和計算機科學教授、計算設(shè)計和制造小組 (CDFG) 的負責人 Wojciech Matusik 說。 ) 在計算機科學和人工智能實驗室 (CSAIL) 內(nèi)。“如果你有更多的智能制造機器，它們可以實時適應工作場所不斷變化的環(huán)境，從而提高系統(tǒng)的產(chǎn)量或準確性。你可以從機器中擠出更多的東西。”

該研究的共同主要作者 是 CDFG 的機械工程師兼項目經(jīng)理 Mike Foshey 和奧地利科學技術(shù)研究所的博士后 Michal Piovarci。麻省理工學院的合著者包括電氣工程和計算機科學專業(yè)的研究生 Jie Xu 和 CDFG 的前技術(shù)助理 Timothy Erps。

揀選參數(shù)

確定數(shù)字制造過程的理想?yún)?shù)可能是該過程中最昂貴的部分之一，因為需要大量的反復試驗。一旦技術(shù)人員找到了一種效果很好的組合，這些參數(shù)只適用于一種特定情況。她幾乎沒有關(guān)于材料在其他環(huán)境、不同硬件上或新批次是否表現(xiàn)出不同特性的行為的數(shù)據(jù)。

使用機器學習系統(tǒng)也充滿挑戰(zhàn)。首先，研究人員需要實時測量打印機上發(fā)生的情況。

為此，他們開發(fā)了一個機器視覺系統(tǒng)，使用兩個攝像頭瞄準 3D 打印機的噴嘴。該系統(tǒng)在材料沉積時向材料照射光，并根據(jù)通過的光量計算材料的厚度。

“您可以將視覺系統(tǒng)視為一組實時觀察過程的眼睛，”Foshey 說。

然后，控制器將處理它從視覺系統(tǒng)接收到的圖像，并根據(jù)它看到的任何錯誤，調(diào)整進給速度和打印機的方向。

但是訓練基于神經(jīng)網(wǎng)絡(luò)的控制器來理解這個制造過程是數(shù)據(jù)密集型的，并且需要進行數(shù)百萬次打印。因此，研究人員建造了一個模擬器。

成功模擬

為了訓練他們的控制器，他們使用了一種稱為強化學習的過程，在該過程中，模型通過試錯來學習并獲得獎勵。該模型的任務是選擇將在模擬環(huán)境中創(chuàng)建特定對象的打印參數(shù)。在顯示預期輸出后，當模型選擇的參數(shù)將其打印與預期結(jié)果之間的誤差最小化時，模型就會獲得獎勵。

在這種情況下，“錯誤”意味著模型分配了太多材料，將其放置在應該保持開放的區(qū)域，或者分配不足，留下了應該填充的開放點。隨著模型執(zhí)行更多模擬打印，它更新了控制策略以最大化獎勵，變得越來越準確。

然而，現(xiàn)實世界比模擬更混亂。在實踐中，條件通常會因打印過程中的細微變化或噪音而發(fā)生變化。因此，研究人員創(chuàng)建了一個近似 3D 打印機噪聲的數(shù)值模型。他們使用該模型在模擬中添加噪聲，從而產(chǎn)生更真實的結(jié)果。

“我們發(fā)現(xiàn)有趣的是，通過實施這個噪聲模型，我們能夠?qū)⒓兇庠谀M中訓練的控制策略轉(zhuǎn)移到硬件上，而無需進行任何物理實驗的訓練，”Foshey 說。“之后我們不需要對實際設(shè)備進行微調(diào)。”

當他們測試控制器時，它比他們評估的任何其他控制方法更準確地打印對象。它在填充打印(即打印物體內(nèi)部)方面表現(xiàn)尤其出色。其他一些控制器沉積了太多的材料，以至于打印出來的物體會鼓起來，但研究人員的控制器調(diào)整了打印路徑，使物體保持水平。

他們的控制策略甚至可以了解材料在沉積后如何傳播并相應地調(diào)整參數(shù)。

“我們還能夠設(shè)計控制策略來動態(tài)控制不同類型的材料。因此，如果您在現(xiàn)場有一個制造過程并且您想更改材料，您就不必重新驗證制造過程。你只需加載新材料，控制器就會自動調(diào)整，”Foshey 說。

既然他們已經(jīng)展示了這種技術(shù)在 3D 打印中的有效性，研究人員希望為其他制造過程開發(fā)控制器。他們還想看看如何針對有多層材料或一次打印多種材料的情況修改該方法。此外，他們的方法假設(shè)每種材料都具有固定的粘度(“糖漿”)，但未來的迭代可以使用 AI 來實時識別和調(diào)整粘度。

標簽：