Towards Intelligent Cooperative Robotics in Additive Manufacturing: Past, Present and Future
作者: Sean Rescsanski, Rainer Hebert, Azadeh Haghighi, Jiong Tang, Farhad Imani
分类: cs.RO
发布日期: 2024-08-09
备注: 28 pages, 17 figures
💡 一句话要点
综述：面向增材制造的智能协同机器人技术现状、挑战与未来
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 协同机器人 增材制造 数字孪生 缺陷检测 运动规划
📋 核心要点
- 现有增材制造受限于构建体积和制造速度，且易产生缺陷，如空隙、裂纹和残余应力。
- 通过协同机器人增材制造（C-RAM），利用多机器人手臂协同工作，克服传统限制，实现加速制造和多材料沉积。
- 利用数字孪生技术模拟和预测制造结果，结合先进传感技术，实现缺陷的预防和控制。
📝 摘要（中文）
增材制造（AM）技术通过集成协同机器人增材制造（C-RAM）平台取得了显著进展。通过在多个机器人手臂的末端执行器上部署AM工艺，不仅克服了传统约束（如有限的构建体积），而且系统还实现了加速制造速度、协同感知能力和原位多材料沉积。尽管取得了进展，但挑战依然存在，特别是关于缺陷的产生，包括空隙、裂纹和残余应力。各种因素导致这些问题，包括刀具路径规划（即切片策略）、用于协同打印的零件分解和运动规划（即路径和轨迹规划）。本综述首先考察了C-RAM系统的系统控制的关键方面，包括切片和运动规划。然后，在它们如何修改AM工艺的背景下，描述了通过调整这些方面和AM方法的工艺参数来减轻缺陷的方法：预处理、层间（即在层暂停期间）和层中（即在材料沉积期间）。探索了先进传感技术（包括高分辨率相机、激光扫描仪和热成像）的应用，以促进捕获微观、中观和宏观尺度的缺陷。分析了数字孪生的作用，强调了它们模拟和预测制造结果的能力，从而能够进行先发制人的调整以防止缺陷。最后，概述了开发下一代C-RAM系统的展望和未来机遇。
🔬 方法详解
问题定义：论文旨在解决增材制造中由于构建体积限制、制造速度慢以及缺陷产生等问题，现有方法在复杂结构制造和实时质量控制方面存在不足。传统增材制造工艺难以满足大型、复杂零件的制造需求，且缺乏有效的缺陷检测和预防机制。
核心思路：论文的核心思路是利用协同机器人增材制造（C-RAM）平台，通过多个机器人手臂的协同工作，扩展构建体积，提高制造速度，并结合先进传感技术和数字孪生技术，实现对制造过程的实时监控和缺陷预防。
技术框架：C-RAM系统的技术框架主要包括以下几个模块：1) 切片和刀具路径规划：根据零件几何形状生成机器人手臂的运动轨迹；2) 运动规划：优化机器人手臂的运动轨迹，避免碰撞和奇异点；3) 工艺参数控制：调整增材制造过程中的温度、材料流速等参数；4) 先进传感：利用高分辨率相机、激光扫描仪和热成像等技术进行实时监控；5) 数字孪生：构建虚拟制造环境，模拟和预测制造结果。
关键创新：论文的关键创新在于将协同机器人技术、先进传感技术和数字孪生技术相结合，构建了一个智能化的增材制造平台。通过多机器人协同工作，可以制造更大、更复杂的零件；通过实时监控和数字孪生模拟，可以有效预防和控制缺陷的产生。
关键设计：论文中涉及的关键设计包括：1) 多机器人协同运动规划算法，用于优化机器人手臂的运动轨迹；2) 基于传感数据的实时缺陷检测算法，用于识别和定位缺陷；3) 基于数字孪生的制造过程模拟算法，用于预测制造结果和优化工艺参数。具体参数设置和网络结构等技术细节未知。
🖼️ 关键图片
📊 实验亮点
该综述总结了C-RAM领域的研究进展，强调了通过调整切片策略、运动规划和工艺参数来减轻缺陷的方法，并探讨了利用高分辨率相机、激光扫描仪和热成像等先进传感技术来捕获缺陷的应用。数字孪生的应用也被强调，能够模拟和预测制造结果，从而能够进行先发制人的调整以防止缺陷。具体的性能数据和提升幅度未知。
🎯 应用场景
该研究成果可应用于航空航天、汽车制造、医疗器械等领域，实现大型复杂零件的高效、高质量制造。通过实时监控和缺陷预防，可显著降低制造成本，提高产品可靠性，推动增材制造技术在高端制造领域的广泛应用。
📄 摘要（原文）
Additive manufacturing (AM) technologies have undergone significant advancements through the integration of cooperative robotics additive manufacturing (C-RAM) platforms. By deploying AM processes on the end effectors of multiple robotic arms, not only are traditional constraints such as limited build volumes circumvented, but systems also achieve accelerated fabrication speeds, cooperative sensing capabilities, and in-situ multi-material deposition. Despite advancements, challenges remain, particularly regarding defect generation including voids, cracks, and residual stress. Various factors contribute to these issues, including toolpath planning (i.e., slicing strategies), part decomposition for cooperative printing, and motion planning (i.e., path and trajectory planning). This review first examines the critical aspects of system control for C-RAM systems comprised of slicing and motion planning. The methods for the mitigation of defects through the adjustment of these aspects and the process parameters of AM methods are then described in the context of how they modify the AM process: pre-process, inter-layer (i.e., during layer pauses), and mid-layer (i.e., during material deposition). The application of advanced sensing technologies, including high-resolution cameras, laser scanners, and thermal imaging, to facilitate the capture of micro, meso, and macro-scale defects is explored. The role of digital twins is analyzed, emphasizing their capability to simulate and predict manufacturing outcomes, enabling preemptive adjustments to prevent defects. Finally, the outlook and future opportunities for developing next-generation C-RAM systems are outlined.