革命性突破！3D打印路径规划器利用深度学习提升打印效率超93%

革命性突破！3D打印路径规划器利用深度学习提升打印效率超93%

引用

搜狐

1.

https://m.sohu.com/a/812175537_121798711/?pvid=000115_3w_a

近日，由曼彻斯特大学、波士顿大学和香港中文大学的研究团队联合开发了一种基于深度强化学习（DQN）的3D打印路径规划器，该技术在多项测试中将锐角转弯的数量降低超过93%，并且热变形降低了近25%。

3D打印技术正迅速演变，成为现代制造业的重要组成部分。然而，如何在复杂几何形状上高效且精确地生成打印路径，依然是行业面临的一大挑战。近日，由曼彻斯特大学、波士顿大学和香港中文大学的研究团队联合提出的一种基于深度强化学习（DQN）的路径规划器，引起了广泛关注。这项新技术可以显著提升打印效率及准确性，尤其是在处理尖锐转弯或热变形问题时，其效果更是令人惊叹。研究显示，该路径规划器在多项测试中，将锐角转弯的数量降低超过93%，并且热变形降低了近25%。

传统的3D打印路径规划方法往往依赖于暴力搜索或启发式算法，这些方法虽然在一些简单模型中有效，但在面对复杂形状时却显得捉襟见肘。新研究的核心在于其灵活性和适应性，研究团队通过构建局部搜索图（LSG），并在此基础上动态选择路径，使得计算复杂度大幅降低。与传统方法相比，该路径规划器可以在处理包含成千上万个节点的复杂图形时，依然实现实时的路径规划，从而有效提升了整体打印效率。

在进行具体实验时，研究团队通过多种模型的真实打印过程验证了该方案的有效性。在一项涉及4200根支柱的线框结构打印实验中，打印变形控制在1毫米以内，体现了该规划器在高复杂度结构中的卓越性能。在连续纤维打印的场景下，该技术有效地避免了93%的锐角转弯，使打印质量显著提升。而在金属粉床熔融打印的应用中，经过优化后的路径规划显著减少了热变形，提高了打印件的精度与稳定性。