人間による組立計画のエンドツーエンド自動生成

- CAD設計から人間の組立計画を自動生成するend-to-end手法。 - 入力はmesh assemblyのみで、joint metadataやfastener annotationsは不要。 - 出力はstep-by-step assembly manualまたはstructured failure report。 - 組立tool list、組立sequenceとsubassemblies、組立manual、assemblability改善のdesign feedbackを自律的に扱う。

- 従来はengineerがgeometric feasibility、tool access、stability、ergonomicsを手作業で検討。 - Tian et al.の常に最外側partを先に除去するbaselineと比較。 - DfA-aware sequence planningにより、robot-arm assembly-time proxyで測るsimulated assembly timeを136 assemblies(5〜30 parts)で35%削減。 - 正しいtoolを88.6%のassembly stepsで選択。

- 長年のdesign for assembly (DfA) principlesを内包したend-to-end approach。 - sequence plan決定のため、physics simulator内で対象を体系的にdisassembleし、DfA principlesを符号化したcost functionを適用。 - manual generation、tool labelling、assembly feedbackは主にmultimodal large language modelsに依存。 - 入力はmesh assemblyのみで、追加metadataを要求しない。

- 136 assemblies(5〜30 parts)で評価。 - Tian et al.のbaselineと比較し、DfA-aware sequence planningがsimulated assembly timeを35%削減。 - robot-arm assembly-time proxyで時間を測定。 - 88.6%のassembly stepsで正しいtoolを選択。 - vision-language model judgeが生成manualをablated variantsと比較し、読者に必要な情報を持つpage elementsを特定。

- 要旨からは不明。 - ただし、structured failure reportを出力する点、design feedbackを提供する点が言及されている。 - open-source codeがengineersやAI agents向けに利用可能と述べられている。

- Tian et al.のbaseline(常に最外側partを先に除去する手法)。 - design for assembly (DfA) principlesに関する研究。 - multimodal large language modelsを用いたmanufacturing plan生成の関連研究。 - physics simulatorを用いたdisassembly/assembly sequence planningの研究。