CNC-Net：面向CNC加工操作的自监督学习
计算机视觉与模式识别
2023-12-18 v1
摘要
CNC制造是一个采用计算机数控（CNC）机床来控制各种工业工具和机械运动的过程，涵盖从磨床、车床到铣床和CNC路由器等设备。然而，对人工CNC编程的依赖已成为瓶颈，并且对专家知识的需求可能导致高昂的成本。因此，我们引入了一种名为CNC-Net的先驱方法，代表了使用深度神经网络（DNN）来模拟CNC机床并在提供原材料时掌握复杂的操作。CNC-Net构成了一个自监督框架，该框架仅接收3D模型作为输入，随后生成CNC机床构建该物体所需的基本操作参数。我们的方法通过提供一种经济高效的替代方案来应对人工CNC编程的高昂成本，同时在3D物体生产中保持极高的精度，从而有望实现制造业的变革性自动化。我们的实验强调了CNC-Net在利用CNC操作构建所需3D物体方面的有效性。值得注意的是，它在保留更精细的局部细节方面表现出色，与最先进的3D CAD重建方法相比，精度有显著提升。
引用
@article{arxiv.2312.09925,
title = {CNC-Net: Self-Supervised Learning for CNC Machining Operations},
author = {Mohsen Yavartanoo and Sangmin Hong and Reyhaneh Neshatavar and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:2312.09925},
year = {2023}
}