麻省理工学院（MIT）和Inkbit公司合作开发可扩展的计算方法，将用于提升3D打印的效率和速度。
△使用SSP将对象快速打包到SIGGRAPH字母中
新颖的SSP技术
这种方法被称为"密集、无互锁且可扩展的光谱封装"（SSP），为增材制造提供了巨大的潜力。研究表明，SSP可以通过高密度批量3D打印非互锁零件来最大限度地提高3D打印吞吐量。
首席研究员Wojciech Matusik认为，当前的批量3D打印方法对容器体积的利用率非常有限，密度通常约为20%。他说：“如果我们能够提高封装密度，我们就可以提高打印过程的整体效率，从而降低制造零件的总体成本。”
Matusik补充道：“我们获得的密度接近40%，明显优于传统算法获得的密度。”
SSP还为一系列非3D打印技术应用提供了价值，例如在仓库和运输中，各种物体定期包装到不同尺寸的盒子中。
普渡大学计算机科学教授Bedrich Benes表示，这项工作代表了有效组织3D对象这一长期存在问题的突破性解决方案。他说：“所提出的解决方案最大限度地提高了封装密度，并有可能在从机器人到制造等许多实际领域找到应用。”
△ACM Transactions on Graphics杂志
该研究论文将于下个月发表在《ACM Transactions on Graphics》杂志上。此外，这项新技术将于8月在全球最大的计算机图形和交互技术会议SIGGRAPH 2023上展示。
在3D打印的批量生产中，批量生产扮演着重要的角色。许多公司正在扩展其增材制造能力，以实现大规模生产。因此，优化生产密度以提高3D打印的吞吐量显然是必要的。
频谱打包如何工作？
为了开发这种新颖的计算方法，研究人员采用了体素化技术。在这种方法中，容器和要进行封装的物体都被表示为由小立方体或"体素"组成的3D网格。这个网格清晰地显示了哪些体素被填充，哪些是空的。
为了确定每个物体的可用空间，SSP算法计算了每个体素的碰撞指标，即计算占用体素的数量，用以表示对象之间的重叠或"碰撞"。然后，物体只能放置在没有碰撞的体素中。
接下来，需要确定物体的最佳位置。为了实现这一点，算法在每个体素上计算了另一个度量，旨在局部最大化堆积密度。这个度量衡量了物体与容器壁或其他物体之间的距离，距离越大，度量值越高。目标是最小化物体之间的间隙，通过将物体放置在值最低的位置来实现。研究人员将这个过程比作俄罗斯方块游戏，要尽量减少空白空间。
△通过SSP算法生成的包装具有34.3%的堆积密度
最后，SSP算法必须确保封装是"无互锁"的，这是为了确保所有物体能够到达其指定位置，并在需要移除时能够与其他物体分离。
这个过程需要大量的计算。因此，研究团队采用了快速傅里叶变换（FFT），这是一种以前未应用于封装问题的数学技术。FFT允许通过一系列相对较小的计算来解决最小化体素重叠和最小化容器中体素间隙的任务，从而大幅提高了封装速度。这样就不需要在物体的所有可能位置上进行测试，从而大幅提高了封装速度。
实际上，在一次演示中，这项技术能够在短短40秒内有效地放置670个物体，堆积密度约为36%。此外，只需两个小时即可排列6596个物体，堆积密度为37.3%。
|
