CNC-Net: Self-Supervised Learning for CNC Machining Operations

要約

CNC 製造は、コンピューター数値制御 (CNC) 機械を使用して、グラインダーや旋盤からフライス盤や CNC ルーターに至るまでのさまざまな産業ツールや機械の動作を制御するプロセスです。
ただし、手動による CNC プログラミングへの依存がボトルネックになっており、専門知識が必要なため、多大なコストがかかる可能性があります。
そこで、CNC マシンをシミュレートし、原材料が供給された場合の複雑な動作を把握するためのディープ ニューラル ネットワーク (DNN) の使用を表す、CNC-Net と呼ばれる先駆的なアプローチを紹介します。
CNC-Net は、入力 3D モデルを排他的に受け取り、オブジェクトを構築するために CNC マシンに必要な必須の操作パラメータを生成する自己監視型フレームワークを構成します。
私たちの方法は、3D オブジェクト製造で優れた精度を維持しながら、手動による CNC プログラミングの高コストに代わる費用対効果の高い代替手段を提供することで、製造における自動化を変革する可能性を秘めています。
私たちの実験は、CNC 操作を利用して目的の 3D オブジェクトを構築する際の CNC-Net の有効性を強調しています。
特に、局所的な細部の保存に優れており、最先端の 3D CAD 再構成アプローチと比較して精度が大幅に向上しています。

要約(オリジナル)

CNC manufacturing is a process that employs computer numerical control (CNC) machines to govern the movements of various industrial tools and machinery, encompassing equipment ranging from grinders and lathes to mills and CNC routers. However, the reliance on manual CNC programming has become a bottleneck, and the requirement for expert knowledge can result in significant costs. Therefore, we introduce a pioneering approach named CNC-Net, representing the use of deep neural networks (DNNs) to simulate CNC machines and grasp intricate operations when supplied with raw materials. CNC-Net constitutes a self-supervised framework that exclusively takes an input 3D model and subsequently generates the essential operation parameters required by the CNC machine to construct the object. Our method has the potential to transformative automation in manufacturing by offering a cost-effective alternative to the high costs of manual CNC programming while maintaining exceptional precision in 3D object production. Our experiments underscore the effectiveness of our CNC-Net in constructing the desired 3D objects through the utilization of CNC operations. Notably, it excels in preserving finer local details, exhibiting a marked enhancement in precision compared to the state-of-the-art 3D CAD reconstruction approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google