Ученые НИУ ВШЭ научили нейросеть превращать 3D-модели в готовые технологические карты

© iStock

Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали систему CAD2TechSpec, которая автоматически превращает 3D-модели деталей в готовые технологические карты — пошаговые инструкции для станков. Разработка направлена на сокращение времени подготовки технической документации в машиностроении, авиастроении и других высокотехнологичных отраслях. Результаты исследования опубликованы в журнале PeerJ Computer Science.

Сегодня многие сложные детали, например лопасти турбин, проектируются в специализированных программах для 3D-моделирования. Однако такую модель нельзя просто отправить на станок: инженерам приходится вручную составлять алгоритм обработки, учитывая геометрию детали, возможности оборудования, инструменты и производственные стандарты. Этот процесс занимает много времени и требует высокой квалификации.

Система CAD2TechSpec решает эту задачу: она берет на вход трехмерную модель и преобразует ее в структурированное описание процесса изготовления, который будет понятен станку с числовым программным управлением. На таких станках с помощью компьютера можно изготовить детали с чрезвычайно сложной геометрией. Сначала модель фотографируется с 28 ракурсов, затем наиболее информативные из них собираются в коллаж. Он вместе с текстовым запросом поступает в мультимодальную языковую модель, которая «видит» изображения и «понимает» текст.

Модель составляет для станка алгоритм работы над деталью. Чтобы повысить точность и избежать ошибок, система использует технологию RAG (Retrieval-Augmented Generation, генерации с расширенными возможностями поиска) — своего рода шпаргалку для нейросети. Перед тем как выдать ответ, она обращается к двум источникам: справочнику оборудования, инструментов и стандартов Международной организации по стандартизации ISO (International Organization for Standardization), а также библиотеке проверенных решений. Если нейросеть видит деталь, похожую на ту, что уже встречалась, она использует готовый план изготовления.

Качество работы системы оценили по трем критериям: правильность структуры выходного файла, соответствие описанного процесса геометрии детали и корректность ссылок на стандарты ISO. Эксперименты провели на 1236 моделях из открытой базы данных, а оценку выполняли как автоматические системы, так и эксперты-механики. Наилучшие результаты показала модель Mistral Large 3 с использованием базы знаний ISO.

Максим Минец

«Эксперименты показали, что качество технологических маршрутов зависит не только от самой модели, но и от контекста, который ей предоставляют. База знаний со сведениями о стандартах ISO и эталонные примеры деталей существенно повышают качество генерируемых технологических спецификаций», — отмечает один из авторов статьи, стажер-исследователь Научно-учебной лаборатории методов анализа больших данных LAMBDA НИУ ВШЭ ФКН Максим Минец.

Система разработана как интеллектуальный помощник для технолога: она выполняет рутинную работу по подготовке прототипов маршрутов операций. Эксперты оценили сгенерированные планы на 86–89 баллов из 100, а анализ ошибок показал возможность улучшения в случае, если нейросети предоставят дополнительные наборы данных.

Денис Деркач

«Разработка может найти применение в точном машиностроении, авиастроении и других отраслях, где подготовка технической документации занимает значительную часть рабочего времени инженеров. CAD2TechSpec — это инструмент для ускорения черновой работы, а не для полной автоматизации принятия решений. Окончательная проверка и утверждение плана остаются за человеком», — подчеркивает заведующий Научно-учебной лабораторией методов анализа больших данных LAMBDA ФКН НИУ ВШЭ Денис Деркач.