MP-GFormer：一种面向机加工过程规划的 3D 几何感知动态图变换器方法
计算机视觉与模式识别
2025-11-18 v1 机器学习
摘要
机加工过程规划 (MP) 本质上具有复杂性，由于零件特征和机加工操作之间的结构和几何依赖关系。关键挑战在于捕捉随不同零件几何而演化的动态依赖关系。机器学习已应用于解决 MP 中的操作选择和加工序列预测等问题。动态图学习 (DGL) 因其能够整合时空关系的能力而广泛用于建模动态系统。然而，在 MP 中，虽然现有 DGL 方法可捕捉这些依赖关系，但未能融入零件的三维 (3D) 几何信息，从而缺乏对加工操作序列预测的领域感知能力。为此，本文提出 MP-GFormer，一种 3D 几何感知动态图变换器，通过注意力机制将演化的 3D 几何表示整合到 DGL 中，以预测加工操作序列。该方法利用代表每次机加工后零件 3D 几何的 StereoLithography 表面网格，初始 3D 设计采用边界表示方法。我们在合成数据集上评估了 MP-GFormer，结果表明该方法在主要操作和次要操作预测准确率分别比当前最先进的方法提高了 24% 和 36%。
引用
@article{arxiv.2511.11837,
title = {MP-GFormer: A 3D-Geometry-Aware Dynamic Graph Transformer Approach for Machining Process Planning},
author = {Fatemeh Elhambakhsh and Gaurav Ameta and Aditi Roy and Hyunwoong Ko},
journal= {arXiv preprint arXiv:2511.11837},
year = {2025}
}