ロボット積層造形の工程計画のための運動学に基づくエージェントAI

- ロボットアームによるAdditive Manufacturing (AM) のプロセス計画を支援する、agentic AIフレームワーク「A-RAM」の提案。 - ユーザ意図とpart fileから、追跡可能で実行可能な計画を生成する。 - LLMが製造目的・制約を解釈し、計画変数を特定してschema制約付きリクエストに符号化する。 - 決定論的Planning Agentが検索ワークフローを実行し、domain toolsがslicing、配置、inverse kinematics、trajectory timing、Joint-6 jerk、extrusionの定量証拠を計算する。 - 6軸ロボットアームAMセルで評価。

- 既存のAMツール、LLMベース意思決定支援、digital-shadowシステムは、slicer-process決定とpart orientation、workspace placementの結合決定を実行前に統合評価できない。 - A-RAMはこれらを統合し、実行前評価を可能にする点が新しい。 - 部品座標で有利に見えるslicer生成計画が、マニピュレータ上で実行不能またはロボット的に不利になる問題に対処。 - 具体的な先行研究名は要旨からは不明。

- agent-specialist-toolフレームワーク。 - LLMが製造目的と制約を解釈し、規定変数と探索可能変数を特定、schema制約付きリクエストに符号化。 - 決定論的Planning Agentが対応する検索ワークフローをインスタンス化。 - domain toolsがslicing、placement、inverse kinematics、trajectory timing、Joint-6 jerk、extrusionの定量証拠を計算。 - これによりtraceableでexecution-readyな計画を生成。

- 6軸ロボットアームAMセルで3つのケーススタディを実施。 - 専門家指定計画、目標のみ計画、目的依存infillスクリーニング、形状依存orientation-placement選択をカバー。 - 評価候補集合において、選択計画は最大Joint-6 jerkを最大53.5%低減、平均絶対Joint-6 jerkを最大48.3%低減。 - 目的特異的infillスクリーニングでは、motion-plan完了時間が最大40.1%短縮、extrusion pathが最大12.7%短縮。

- 要旨からは不明。 - 評価結果は有効性を示すが、限界や議論については記述がない。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の関連手法として、LLM-based decision-support methods、digital-shadow systems、既存AM toolsが挙げられる。 - 具体的な論文名は要旨からは不明。