Исследователи из Департамента машиностроения Университета Карнеги — Меллона разработали систему, которая использует несколько больших языковых моделей для мониторинга и коррекции 3D-принтеров в режиме реального времени, как сообщает TechXplore. Хотя методы аддитивного производства произвели революцию в этой области, особенно для индивидуальных продуктов и прототипов, большинство 3D-принтеров по-прежнему подвержены ошибкам. Например, Prusa3D сообщила, что около 7% ее печати на MMU2S завершились неудачей, а еще 19% потребовали вмешательства пользователя (хотя и не завершились неудачей). Это означало, что пользователям приходилось следить за процессом печати, чтобы убедиться, что все идет по плану. Хотя для домашних и обычных пользователей, использующих один или два 3D-принтера, это не является проблемой, это становится проблемой, если вы используете их для производства. Несмотря на отсутствие глобального стандарта, многие производители в 1980-х годах стремились к уровню отказов около 5%. Но сегодня стандарт приближается к 0,1%, что означает, что уровень отказов в 7% является невероятно расточительным и делает 3D-печать менее конкурентоспособной по качеству по сравнению с другими производственными процессами. Для решения этой проблемы исследовательская группа Университета Карнеги — Меллона использовала четырех специализированных агентов на основе больших языковых моделей с управляющим агентом для обеспечения оптимизации. Первый агент — это визуально-языковая модель, которая делает снимки после каждого напечатанного слоя, а затем анализирует их на предмет качества печати и дефектов. Другой агент затем анализирует текущие настройки принтера, чтобы определить, что нужно изменить или улучшить для устранения обнаруженных проблем. Информация передается агенту-планировщику решений, который создает план действий. Затем этот план передается агенту-исполнителю, который взаимодействует с 3D-принтером через API для достижения желаемого результата. Все четыре агента управляются управляющим агентом, который гарантирует, что вся информация актуальна и своевременна. Важно, что эта система не использует пользовательские LLM, обученные на специализированном наборе данных, для эффективной работы. Вместо этого она использовала только базовую модель ChatGPT-4o и разработанные командой структурированные запросы, ориентированные на предметную область и обобщенные. Это упрощает внедрение и повышение производительности и эффективности 3D-печати. «Будущее адаптивно», — сказал доцент кафедры машиностроения Амир Барати Фаримани. «Интеграция LLM в процесс 3D-печати представляет собой значительный шаг вперед. По мере развития этих моделей их способность рассуждать на основе более богатых, мультимодальных данных откроет еще больше возможностей. На данный момент эта работа закладывает основу для действительно интеллектуальных и автономных производственных систем, способных достигать беспрецедентного уровня точности и надежности». Если эта технология получит широкое распространение, возможно, камеры на наших 3D-принтерах в конечном итоге будут передавать данные в управляющий контур LLM вместо того, чтобы использоваться для ручного контроля. Однако до наступления этого будущего предотвращение сбоев печати и «пластиковых спагетти» потребует ручного мониторинга и вмешательства.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Jowi Morales
