前沿技術：使用人工智能實時調整3D打印

編者按

3D打印，也被稱為增材制造，是目前制造業的前沿技術之一。科學家和工程師不斷開發可用于3D打印的具有獨特性能的新材料，但要弄清楚如何使用這些材料進行打印，可能是一個復雜且代價高昂的難題。麻省理工學院的研究人員開發了一種人工智能方法，能夠簡化這一過程。本文發表于2022年8月的《MIT News》，作者亞當·澤維。

通常，專業操作員必須通過反復試驗（可能是數千次打印）來確定始終有效地打印新材料的理想參數。這些參數包括打印速度和打印機沉積的材料量。因為需要大量、反復地試驗，確定數字制造過程中的理想參數可能是整個制造過程中最昂貴的部分之一。而且，如果技術人員找到了一種效果很好的組合，這些參數可能僅適用于一種場景。關于材料在其他環境、不同硬件上的表現，或者新批次是否表現出不同特性的數據，現有過程幾乎完全無法掌握。

麻省理工學院的研究人員現在已經開始使用人工智能來簡化這一過程。他們開發了一種機器學習系統，使用模擬算法加強對神經網絡的訓練，調整打印參數以使錯誤最小化，然后將其應用于真正的3D打印機。簡言之，該系統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。與其他3D打印的控制器相比，他們的系統更精準。

這項工作避免了打印數千或數百萬個真實物體來訓練神經網絡的昂貴過程，可以讓工程師更容易地將新材料融入印刷品中，幫助他們開發具有特殊電氣或化學特性的物體。如果材料或環境條件發生意外變化，還可以幫助技術人員即時調整打印過程。

“這個項目是構建制造系統的第一個演示，該系統使用機器學習來學習復雜的控制策略。”麻省理工學院電氣工程和計算機科學教授、計算機科學和人工智能實驗室（CSAIL）計算設計和制造小組（CDFG）負責人沃伊切赫·馬圖西克（Wojciech Matusik）說，“如果您擁有更智能的制造機器，它們可以實時適應工作場所不斷變化的環境，以提高產量或系統的準確性，那么就可以用機器打印出更多的東西。”

揀選參數

使用機器學習系統也充滿挑戰。首先，研究人員需要實時測量打印機上發生的情況。為此，他們開發了一個機器視覺系統，使用兩個攝像頭瞄準3D打印機的噴嘴。該系統在材料沉積時向材料照射光，并根據通過的光量計算材料的厚度。

“您可以將視覺系統視為一組實時觀察過程的眼睛。”馬圖西克說。控制器將處理它從視覺系統接收到的圖像，并根據看到的任何錯誤，調整打印速度和打印機的方向。

但是，這個制造過程是數據密集型的，并且需要進行數百萬次打印，一個基于神經網絡的控制器要理解這些，顯然是學習和訓練的。因此，研究人員建造了一個模擬器去模擬生成訓練所需的各種數據。

成功模擬

為了訓練控制器，MIT的研究人員使用了“強化學習”，在這個過程中，模型通過反復試驗來學習并獲得獎勵。該模型的任務是選擇在模擬環境中創建特定對象的打印參數。在顯示預期輸出后，當模型選擇的參數最小化其打印與預期結果之間的誤差時，模型就會獲得獎勵。

在這一過程中，“錯誤”往往來自模型分配了過多的材料，將其放置在應該保持開放的區域，或者沒有分配足夠的材料，留下應該填充的開放點。但隨著模型執行更多的模擬打印，它不斷更新控制策略以獲得最大化獎勵，因而變得越來越準確。

然而，現實世界比模擬場景更加混亂。比如，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生變化，因此研究人員創建了一個近似3D打印機噪聲的數值模型。他們使用該模型時有意在模擬中添加噪聲，從而產生更真實的結果。

“有趣的是，通過實施噪聲模型，我們能夠將純粹在模擬中訓練的控制策略轉移到硬件上，而無需進行任何物理實驗的訓練。”馬圖西克說，“之后，我們不需要對實際設備進行任何微調。”

測試控制器時，它比研究人員評估的任何其他控制方法更準確地打印對象，尤其在填充打印（即打印物體內部）方面表現更為出色。其他的一些控制器沉積了過多的材料，以至于打印出來的物體會凹凸不平，但CDFG小組的控制器調整了打印路徑，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擴散，并相應地調整參數。

“我們還能夠設計控制策略來動態控制不同類型的材料。”馬圖西克說，“因此，如果您在現場已經有了一個制造流程并且想更改材料，就不必重新驗證制造流程，只需要加載新材料，控制器就會自動調整。”

未來方向

既然已經展示了這種技術在3D打印中的有效性，研究人員希望能為其他制造過程開發更多控制器。他們想看看在有多層材料或一次打印多種材料的情況下如何修改該方法。此外，他們的方法假設每種材料都有固定的黏度，但未來的迭代可以使用AI來實時識別和調整黏度。

這項工作得到了廣泛的國際合作，其他參與者來自馬克斯普朗克研究所、瑞士盧加諾大學、普林斯頓大學和奧地利科學技術學院等機構，并得到了FWF Lise-Meitner計劃、歐洲研究委員會的啟動資助和美國國家科學基金會的部分支持。