LLM-3D Print：用于监控和控制 3D 打印的大型语言模型
计算与语言
2026-01-01 v3 人工智能
机器学习
摘要
工业 4.0 通过推动数字化并将范式转向增材制造（AM）彻底改变了制造业。熔融沉积成型（FDM）作为一项关键的 AM 技术，能够通过逐层挤出制造高度定制化且具有成本效益的产品，同时将材料浪费降至最低，对传统减材制造方法构成了重大挑战。然而，材料挤出技术易发生错误，通常需要专家介入以检测和缓解可能严重损害产品质量的缺陷。尽管存在自动错误检测和机器学习模型，但它们在不同 3D 打印机设置、固件和传感器之间的泛化能力有限，且深度学习方法需要大量标注数据集，阻碍了可扩展性和适应性。为了应对这些挑战，我们提出了一种过程监控与控制框架，该框架利用预训练的大型语言模型（LLM）与 3D 打印机协同工作，以检测并处理打印缺陷。LLM 通过分析每层或打印片段后捕获的图像来评估打印质量，识别故障模式并向打印机查询相关参数。随后，它生成并执行纠正行动计划。我们通过将该框架与一组具有不同 AM 专业背景的工程师进行对比，验证了其在识别缺陷方面的有效性。我们的评估表明，基于 LLM 的智能体不仅能准确识别常见的 3D 打印错误（如挤出不一致、拉丝、翘曲和层间粘附不良），还能有效确定导致这些故障的参数，并在无需任何人工干预的情况下自主纠正这些错误。
引用
@article{arxiv.2408.14307,
title = {LLM-3D Print: Large Language Models To Monitor and Control 3D Printing},
author = {Yayati Jadhav and Peter Pak and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2408.14307},
year = {2026}
}