Implicit Neural Field-Based Process Planning for Multi-Axis Manufacturing: Direct Control over Collision Avoidance and Toolpath Geometry

Título: Planificación de Procesos Basada en Campos Neuronales Implícitos para Manufactura Multieje: Control Directo sobre la Evitación de Colisiones y la Geometría de la Trayectoria de la Herramienta

1. El Problema

La planificación de procesos para la manufactura multieje (aditiva y sustractiva) enfrenta desafíos significativos que los métodos tradicionales no resuelven adecuadamente:

• Gestión Indirecta de Colisiones: Los métodos existentes (como los slicers basados en deformación o campos escalares discretos) suelen tratar la evitación de colisiones de manera indirecta, limitando la curvatura local de las capas o aplicando correcciones en una etapa de post-procesamiento. Esto falla en detectar colisiones globales (interferencias lejanas al punto de deposición) y puede comprometer objetivos funcionales como la alineación direccional o la fabricación sin soportes.
• Desacoplamiento de la Geometría de la Trayectoria: En aplicaciones avanzadas como la deposición de fibras de carbono continuo, la geometría de la trayectoria (curvatura geodésica, espaciado) es crítica. Los métodos actuales generan capas y trayectorias en pasos secuenciales, lo que impide la co-optimización y el control explícito de la geometría de la herramienta durante la optimización de las capas.
• Limitaciones de Representación: Las representaciones discretas (mallas, volúmenes) requieren interpolación para calcular derivadas, lo que dificulta la optimización diferenciable directa y el control preciso de propiedades geométricas de alto orden.

2. Metodología

Los autores proponen un marco unificado y diferenciable basado en Campos Neuronales Implícitos (SIREN) para la planificación de procesos multieje.

• Representación Implícita:

  • Se utilizan redes neuronales con activaciones sinusoidales (SIREN) para representar dos campos escalares continuos:
    1. Campo de Capas ($f_l$): Sus líneas de nivel (isosuperficies) definen las capas de fabricación.
    2. Campo de Trayectoria ($f_p$): Sus líneas de nivel dentro de las capas definen las trayectorias de la herramienta.
  • La orientación de la herramienta se alinea con la normal de la superficie de la capa ($\nabla f_l$).
  • La geometría de la trayectoria se deriva de la intersección de las isosuperficies de ambos campos.

• Pipeline Diferenciable:

  • El sistema evalúa los campos y sus derivadas espaciales (gradientes y hessianas) en cualquier punto mediante diferenciación automática.
  • Se define una función de pérdida total ($L_{total}$) que combina múltiples objetivos, minimizada mediante un optimizador basado en gradiente estocástico (Adam) para ajustar los parámetros de la red neuronal ($\Theta$).

• Funciones de Pérdida Clave:

  • Evitación de Colisiones ($L_{cl}$): Se formula como una restricción diferenciable directa. En lugar de verificar colisiones a posteriori, el método muestrea puntos dentro del volumen de la herramienta y penaliza cualquier punto que caiga dentro del objeto fabricado (o stock de material). Esto permite que el optimizador ajuste tanto la orientación local como la estructura global del campo para evitar colisiones.
  • Control de Geometría de Trayectoria: Se utilizan pérdidas basadas en la curvatura geodésica ($\kappa_{geo}$) y el espaciado de trayectorias para garantizar trayectorias suaves y continuas, esenciales para fibras de carbono.
  • Alineación Funcional: Pérdidas para alinear las capas y trayectorias con campos de dirección específicos (ej. direcciones de tensión principal).
  • Fabricación sin Soportes: Restricciones sobre el ángulo de voladizo para garantizar que cada capa se deposite sobre material subyacente.

• Gestión de Singularidades y Topología:

  • El artículo analiza cómo los hiperparámetros de la red (frecuencia de activación $\omega$) y la definición de las pérdidas influyen en la aparición de singularidades (puntos donde el gradiente se anula).
  • Se propone una formulación no normalizada para la alineación direccional que permite la formación de singularidades estables, necesarias para cambios topológicos en las trayectorias, algo que las formulaciones normalizadas previenen.

3. Contribuciones Clave

1. Marco de Optimización Unificado: Un pipeline implícito que permite la optimización conjunta de capas y trayectorias en un solo paso, eliminando la necesidad de etapas de post-procesamiento para correcciones geométricas.
2. Evitación de Colisiones Explícita: La primera formulación que integra la detección y evitación de colisiones globales directamente en la generación del campo implícito, tratándola como un objetivo optimizable en lugar de una restricción heurística.
3. Control Geométrico de Trayectorias: Capacidad de definir y optimizar requisitos a nivel de trayectoria (curvatura geodésica, espaciado) simultáneamente con la generación de capas.
4. Análisis de Estabilidad y Regularización: Un estudio analítico sobre cómo los hiperparámetros de las redes SIREN y las definiciones de pérdida afectan la suavidad, las singularidades y los cambios topológicos, proporcionando mecanismos integrados para el control de la estabilidad.
5. Generalidad: Validación del enfoque tanto en manufactura aditiva (impresión 3D multieje, fibras continuas) como en sustractiva (fresado rugoso multieje).

4. Resultados

El método fue validado mediante simulaciones numéricas y fabricación física en varios casos de estudio:

• Fabricación sin Soportes y sin Colisiones (Modelo "Fertility"): El método logró imprimir geometrías complejas sin soportes y sin colisiones de la herramienta, superando a métodos anteriores (como Neural Slicer) que requerían post-procesamiento o fallaban en colisiones globales.
• Alineación Direccional (Modelo "Fork"): Se logró alinear las capas con los campos de tensión principal manteniendo la ausencia de colisiones, demostrando que la pérdida de colisión no degrada el rendimiento funcional.
• Control de Geometría de Trayectoria (Modelos "T-Bracket" y "S-Curve"):
  • Se generaron trayectorias de fibra de carbono continuo con curvatura geodésica mínima y espaciado uniforme.
  • Comparativa: En comparación con métodos de alta densidad existentes, el método propuesto redujo los saltos de herramienta y las discontinuidades, logrando una 33.9% mayor rigidez y una fuerza de rotura comparable con 18.5% menos de fibra utilizada.
  • La co-optimización conjunta superó a las estrategias secuenciales tradicionales, evitando compromisos entre la alineación direccional y la suavidad de la trayectoria.
• Fresado Rugoso (Modelo "Cup"): El marco se extendió exitosamente al fresado, generando capas de acceso libre de colisiones para la remoción de material volumétrico, superando métodos que requieren colocación manual de "anclajes".

5. Significado e Impacto

Este trabajo representa un avance fundamental en la planificación de procesos para la manufactura avanzada:

• Cambio de Paradigma: Transita de un enfoque secuencial y discreto (diseño de capas $\to$ generación de trayectoria $\to$ corrección de colisiones) a un enfoque continuo, diferenciable y simultáneo.
• Viabilidad de Manufactura Avanzada: Hace viable la fabricación de piezas con refuerzos de fibra continua y geometrías complejas sin soportes, garantizando la viabilidad física (sin colisiones) desde la fase de diseño.
• Unificación de Procesos: Demuestra que un mismo marco matemático puede gestionar tanto la adición de material (impresión 3D) como la remoción (fresado), facilitando la integración futura de flujos de trabajo híbridos.
• Control Total: Al tratar la geometría de la herramienta y las colisiones como objetivos optimizables dentro de la red neuronal, se obtiene un control sin precedentes sobre la manufacturabilidad, permitiendo soluciones que serían imposibles de encontrar con métodos heurísticos o secuenciales.

En resumen, la propuesta ofrece una herramienta robusta para explotar al máximo las capacidades de los sistemas de manufactura multieje, asegurando que las soluciones de diseño sean no solo funcionales, sino también físicamente realizables y óptimas en términos de rendimiento mecánico.