End-to-End Autonomous Generation of Human Assembly Plans
作者: Faustin Arion von Arx, Millicent Schlafly, Mark D. Fuge
分类: cs.RO, cs.GR
发布日期: 2026-10-07
备注: 22 pages, 10 figures
💡 一句话要点
提出端到端方法自动生成人类装配计划以解决手动生成问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 装配计划生成 自动化 物理模拟 多模态大语言模型 制造业 装配设计原则 机器人技术 工业4.0
📋 核心要点
- 现有的装配计划生成方法依赖人工，效率低且容易出错，缺乏自动化和智能化。
- 本文提出了一种端到端的自动生成装配计划的方法，能够从网格模型直接生成装配手册和故障报告。
- 实验结果表明，该方法在136个装配案例中，装配时间减少了35%，并且88.6%的步骤选择了正确的工具。
📝 摘要（中文）
将CAD设计转化为装配计划仍然主要依赖人工，工程师需要考虑几何可行性、工具可达性、稳定性和人类装配的工效学。本文将长期以来确立的装配设计原则编码为一种封闭的端到端方法，能够自动生成装配计划。该方法仅需一个网格装配模型，便可生成逐步装配手册或结构化故障报告，无需关节元数据、紧固件注释或额外信息。我们自主解决了制造计划的四个主要组成部分：装配工具清单、装配顺序和子装配、装配手册以及改善装配性的设计反馈。通过物理模拟器系统性地拆解对象，并应用编码装配设计原则的成本函数，显著提高了装配效率。
🔬 方法详解
问题定义：本文旨在解决当前装配计划生成过程中依赖人工的问题，现有方法在几何可行性和工具选择上存在不足，导致效率低下和错误率高。
核心思路：提出了一种端到端的自动化方法，通过物理模拟和多模态大语言模型，生成装配手册和故障报告，减少人工干预。
技术框架：整体架构包括四个主要模块：装配工具清单、装配顺序与子装配、装配手册生成和设计反馈。首先在物理模拟器中拆解对象，然后应用成本函数进行顺序规划，最后利用语言模型生成手册和反馈。
关键创新：最重要的创新在于将装配设计原则系统性地编码到自动化流程中，使得装配计划生成不再依赖于人工经验，显著提高了效率和准确性。
关键设计：在方法中，使用了物理模拟器进行拆解，设计了特定的成本函数来评估装配顺序，同时采用多模态大语言模型进行手册生成，确保信息的有效传达。具体的参数设置和损失函数设计在论文中进行了详细讨论。
🖼️ 关键图片
📊 实验亮点
实验结果显示，与基线方法相比，基于装配设计原则的顺序规划在136个装配案例中，装配时间减少了35%。此外，88.6%的装配步骤选择了正确的工具，表明该方法在工具选择和装配效率上具有显著优势。
🎯 应用场景
该研究的潜在应用领域包括制造业、机器人装配、以及任何需要高效装配计划生成的行业。通过自动化装配计划生成，企业能够显著提高生产效率，降低人力成本，并提升产品质量。未来，该方法有望与更多智能制造系统集成，推动工业4.0的发展。
📄 摘要（原文）
Turning a CAD design into an assembly plan is still largely done by hand, requiring engineers to reason about geometric feasibility, tool access, stability, and the ergonomics of human assembly. In this work, we encode long-established design for assembly (DfA) principles into a contained, end-to-end approach for generating assembly plans. Our approach takes only a mesh assembly and produces either a step-by-step assembly manual or a structured failure report, requiring no joint metadata, fastener annotations, or additional information. Four major components of a manufacturing plan are addressed autonomously: an assembly tool list, the assembly sequence and subassemblies, an assembly manual, and design feedback for improving assemblability. For determining the sequence plan, we systematically disassemble the object in a physics simulator and apply a cost function that encodes DfA principles. Manual generation, tool labelling, and assembly feedback rely primarily on multimodal large language models. Compared with a baseline that always removes the outermost part first from Tian et al., DfA-aware sequence planning reduces simulated assembly time, measured with a robot-arm assembly-time proxy, by 35% on 136 assemblies of 5 to 30 parts. The correct tool is selected for 88.6% of assembly steps. A vision-language model judge compares the generated manuals against ablated variants, identifying which page elements carry the information a reader needs. The presented approach and open-source code are available for use by engineers or AI agents looking to rapidly accelerate the creation of manufacturing plans for a given product design.