研究人员Chanyeol Yoo，SamuelLensgraf，SamuelLensgraf，LeeM. Clemon和RamgopalMettu详细介绍了他们为改进FDM3D打印所做的研究，该研究在最近发表的“通过蒙特卡洛树搜索实现最佳FDM工具路径规划”中概述。
FDM 3D打印中的大多数刀具路径规划都由切成层的输入模型组成。然而，这有时会导致运动效率不足，尤其是当挤出机可能仍在运动但实际上没有打印时。在这项研究中，研究人员着手通过使用蒙特卡洛树搜索(MCTS)的新算法来计算有效且最佳的刀具路径。
蒙特卡洛树搜索(MCTS)在这项研究中分析了“改进大型搜索能力的强大通用方法，该方法可以确保收敛到最佳解决方案”，它可以改善搜索效果。
研究人员表示：“这是用于刀具路径规划的第一个算法，可以保证全局最优。”
“四个螺母”的示例模型(a)图像，(b)标记的依赖关系图和(c)来自(b)的聚类依赖关系图。
以前，MCTS可用于解决机器人应用程序中的问题，从而在工具路径规划中产生所需的更高的效率。
蒙特卡罗树搜索算法基于有偏搜索算法，用于渐近找到最优解。从初始条件开始，每次迭代都会生长一棵树。该算法使用置信上界(UCB)查找树中要扩展的下一个最佳节点，其中UCB在开发和探索之间取得平衡。直观地，将选择具有更高的可能性找到更好的解决方案的节点。一旦选择了一个节点进行扩展，就会从该节点随机生成一个或多个完整序列，直到到达末尾(例如，时间范围的终点)。
为了使算法高效，研究人员还在输入模型的依赖图上引入了一种新颖的聚类算法。
举例说明了Alg中的聚类算法。1.(1)如图(b)所示，将16个原始轮廓聚类为三个高度相关的子图(HDS)。
在由75个模型组成的数据集中，使用MCTS方法确实证实了浪费运动的“大幅减少”。研究人员指出，MCTS的性能类似于他们当前的本地搜索工具路径规划器，但总体而言，这使他们更容易研究在一些模型的规划困难。
“四个螺母”模型。通过(a)(d)典型分层布局规划器，(b)(e)从[6]进行局部搜索和(c)(f)提出的MCTS来构建部件的刀具路径，红色表示非打印运动。每种方法的解决方案工具路径均以红色显示。无挤压距离(以毫米为单位)分别为16737、12220和11057。
“扭曲”模型。通过(a)典型分层布局规划器，(b)[6]的局部搜索和(c)提出的MCTS来构建部件的工具路径，红色表示非打印动作。每种方法的解决方案工具路径以红色显示。无挤压距离(以毫米为单位)分别为25021、11423和11306。
“一个自然的问题是，为什么对于给定模型，人们会在本地搜索中使用MCTS。通过我们的实证研究，发现聚类步骤的输出以及依存图中的HDS成分的后续组合为MCTS是否可以实现收敛提供了指导。”研究人员总结说。
“正如我们在实证分析中看到的那样，就依赖图的大小而言，如果有足够的HDS组件，那么MCTS很可能会收敛到最佳刀具路径。如果HDS组件的数量太大或平均大小太小，那么MCTS将难以探索刀具路径空间，并且其性能可能不如本地搜索。”
以部件为例的彩色簇。
从试验新材料到制造创新的医疗设备，世界各地的研究人员一直在研究改进和使用FDM3D打印的方法。
—长按关注增材之光 —
