曼彻斯特大学神经场优化混合制造，GE-Bracket 估算制造时间省 68.3%
jiqizhixin · x · 2026-10-15
曼彻斯特大学 Charlie C.L. Wang 数字制造实验室（第一作者 Yongxue Chen）提出面向混合增减材制造（HAM）的神经场优化方法，被 SIGGRAPH Asia 2026（ACM TOG）接收。
- 问题：HAM 边增材边切削，需决定何时何处以何种刀具构型加减材料；传统规划靠离散规则与体素序列搜索，低分辨率下薄壁、精细特征和高曲率几何会出现阶梯误差甚至丢失，提高分辨率又导致存储与计算爆炸。
- 方法：把混合制造工艺规划建模为连续场上的优化问题，用神经场表达几何与工艺约束，天然支持 3 轴增材 + 5 轴减材的高级平台。
- 结果：在 GE-Bracket 模型上估算制造时间减少 68.3%；有限元分析显示中间结构变形受控；几何逼近误差显著更小并保留细小特征；计算时间与低分辨率体素法相当；刀具运动速度频谱表明操作连续性更好。
「具身」频道最新
- 1X、DeepMind、Physical Intelligence 等齐聚人形机器人活动现场演示 — lukas_m_ziegler · 2026-10-15
- NVIDIA 回顾 GTC 柏林：从可定制开源模型到物理 AI — NVIDIA Developer · 2026-10-15
- AlphaNIST 单策略通关 20 项 NIST 装配任务,仿真成功率 98.2% — hbouammar · 2026-10-15
- Leash Bio:用 DEL 数据让 agent 一个周末跑 1 万次药物发现 — Latent Space · 2026-10-15
- 工作照是 AI 的「第一公里」：拍错就无模型可救 — arnabdotorg · 2026-10-15
- LEGO 为自动化仓库打造全向移动车,工程细节曝光 — glenbeer · 2026-10-15