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

1. Il Problema

La pianificazione dei processi per la manifattura multi-assiale (sia additiva che sottrattiva) affronta sfide significative legate alla complessità della generazione di percorsi utensile e strati di deposizione. I metodi esistenti presentano diverse limitazioni critiche:

• Gestione indiretta delle collisioni: Le strategie attuali spesso trattano l'evitamento delle collisioni come un vincolo indiretto (ad esempio, limitando la curvatura locale della superficie) o come un passo di post-elaborazione. Questo approccio fallisce nel rilevare collisioni globali che coinvolgono parti distanti dal punto di deposizione e non garantisce una configurazione priva di collisioni a livello globale.
• Mancanza di controllo diretto sulla geometria del toolpath: La geometria del percorso utensile (angoli di svolta, spaziatura) viene spesso calcolata separatamente dopo la generazione degli strati, impedendo una co-ottimizzazione tra la forma degli strati e il percorso dell'utensile.
• Disaccoppiamento tra obiettivi: Requisiti come la stampa senza supporti, l'allineamento direzionale delle fibre e l'evitamento delle collisioni sono spesso trattati in modo isolato o sequenziale, limitando l'ottimalità della soluzione finale.
• Limitazioni delle rappresentazioni discrete: I metodi basati su mesh o voxel richiedono interpolazioni per calcolare le derivate, rendendo l'ottimizzazione meno precisa e computazionalmente costosa per il controllo continuo.

2. Metodologia

Gli autori propongono un framework unificato basato su campi neurali impliciti (Implicit Neural Fields) che integra la generazione degli strati e la progettazione del toolpath in un'unica pipeline differenziabile.

• Rappresentazione Implicita:

  • Vengono utilizzati due campi scalari impliciti, $f_l(\mathbf{x})$ per gli strati e $f_p(\mathbf{x})$ per i percorsi utensile, rappresentati da reti neurali con attivazione sinusoidale (SIREN).
  • Gli strati sono definiti come le linee di livello (iso-superfici) di $f_l$, mentre i toolpath sono le curve di livello ottenute dall'intersezione di $f_l$ e $f_p$.
  • L'uso di SIREN permette il calcolo diretto e preciso di valori di campo e derivate spaziali (gradienti, Hessiani) in qualsiasi punto dello spazio continuo tramite differenziazione automatica, eliminando la necessità di mesh discreti.

• Ottimizzazione Differenziabile:

  • Il processo è formulato come un problema di ottimizzazione multi-obiettivo. Una funzione di perdita totale ($L_{total}$) è minimizzata aggiornando i parametri della rete neurale ($\Theta$).
  • La perdita è composta da tre categorie:
    1. Perdite di regolarizzazione: Controllo della spaziatura tra gli strati/strade e della curvatura (media e geodetica).
    2. Perdite funzionali: Allineamento con campi direzionali (es. tensioni principali) e condizioni di stampa senza supporti.
    3. Perdite di collisione: Formulazione diretta della collisione come vincolo differenziabile.

• Evitamento Diretto delle Collisioni:

  • A differenza dei metodi precedenti, la collisione è modellata direttamente nel campo degli strati. Per ogni punto $\mathbf{x}$ sulla superficie dello strato corrente, viene definito un sistema di riferimento locale basato sul normale della superficie.
  • Vengono campionati punti all'interno del volume dell'utensile. Se un punto dell'utensile si trova all'interno della parte già stampata (o del pezzo da lavorare nel caso di fresatura), viene generata una perdita.
  • Questa formulazione permette di guidare l'ottimizzazione verso configurazioni globalmente prive di collisioni, influenzando sia l'orientamento locale dell'utensile che la struttura globale del campo.

• Controllo della Geometria del Toolpath:

  • Il framework permette di controllare esplicitamente la curvatura geodetica del percorso utensile e la spaziatura tra i percorsi, essenziali per la deposizione di fibre continue (es. carbonio) senza difetti di stampa.

3. Contributi Chiave

1. Framework Unificato Implicito: Un sistema che permette il controllo diretto sia sulla generazione degli strati che sulla generazione del toolpath in manifattura multi-assiale.
2. Evitamento delle Collisioni Esplicito: Una formulazione matematica che integra il controllo delle collisioni direttamente nell'ottimizzazione del campo scalare, superando i limiti dei metodi basati sulla curvatura o sul post-processing.
3. Co-ottimizzazione Strato-Toolpath: Capacità di ottimizzare simultaneamente la geometria degli strati e i percorsi utensile, garantendo coerenza tra le due scale.
4. Analisi delle Singolarità e Topologia: Uno studio approfondito su come i parametri di iper-parametri della rete (frequenza) e le definizioni della funzione di perdita influenzino la formazione di singolarità e i cambiamenti topologici, fornendo meccanismi di regolarizzazione per la stabilità.
5. Generalità del Metodo: Validazione del framework sia per la manifattura additiva (stampa 3D multi-assiale, fibre continue) che per quella sottrattiva (fresatura ruvida 5-assi).

4. Risultati

Il metodo è stato validato attraverso esperimenti numerici e fabbricazione fisica su diversi modelli:

• Stampa senza supporti e senza collisioni (Modello Fertility, 4C): Il metodo ha generato percorsi privi di collisioni globali mantenendo la proprietà di stampa senza supporti, superando approcci precedenti (come Neural Slicer) che fallivano nel rilevare collisioni globali o richiedevano post-processing che comprometteva la qualità.
• Allineamento Direzionale con Evitamento Collisioni (Modello Fork): Ottimizzazione degli strati per allinearsi alle tensioni principali massime, garantendo contemporaneamente l'assenza di collisioni con il pezzo.
• Controllo della Geometria del Toolpath (Modelli T-Bracket, S-Curve):
  • Generazione di percorsi per fibre di carbonio continuo con curvatura geodetica controllata e spaziatura uniforme.
  • Confronto con metodi esistenti (es. High-Density Toolpath): Il metodo proposto ha prodotto percorsi più continui (meno salti e tagli), con un allineamento migliore alle direzioni di stress e prestazioni meccaniche superiori (maggiore rigidità e forza di rottura) utilizzando meno materiale.
  • Dimostrazione che la co-ottimizzazione simultanea supera le strategie sequenziali tradizionali.
• Fresatura Ruvida Multi-assiale (Modello Cup): Estensione del metodo alla rimozione di materiale, generando percorsi di fresatura che evitano collisioni tra l'utensile e il pezzo target o le superfici intermedie, senza bisogno di posizionamento manuale di "ancore".

5. Significato e Impatto

Questo lavoro rappresenta un passo avanti significativo nella pianificazione dei processi per la manifattura avanzata:

• Cambio di Paradigma: Sposta l'evitamento delle collisioni da un problema di correzione post-processo o euristico a un vincolo differenziabile integrato nel nucleo dell'ottimizzazione.
• Unificazione Additivo/Sottrattivo: Fornisce una rappresentazione comune per processi di aggiunta e rimozione di materiale, aprendo la strada a flussi di lavoro ibridi.
• Controllo Geometrico Fine: Permette un controllo diretto su proprietà geometriche complesse (curvatura geodetica, spaziatura) che sono critiche per le prestazioni meccaniche dei materiali compositi.
• Fondamento per l'Apprendimento: Essendo completamente differenziabile, il framework può essere integrato con altri framework di ottimizzazione di forma o apprendimento automatico, permettendo un controllo completo dal design alla produzione.

In sintesi, il paper introduce un approccio basato sull'intelligenza artificiale che risolve problemi fondamentali di manifattura multi-assiale attraverso una rappresentazione matematica continua e differenziabile, garantendo soluzioni fattibili, efficienti e geometricamente ottimali.