AI赋能3D打印：颠覆性技术如何重塑制造业

AI 结合3D打印的论文目录AI 结合3D打印的论文论文1：《LLM-3D Print: Large Language Models To Monitor and Control 3D Printing》待解决的核心问题核心创新点具体解决方法实验验证与效果论文2：《AdditiveLLM2: A Multi-modal Large Language Model for Additive Manufacturing》待解决的核心问题核心创新点具体解决方法实验验证与效果论文3：《Toward Large Language Model-Driven Symbolic Topology Optimisation for Rapid Structural Concept Generation in Manufacturable Design》待解决的核心问题核心创新点具体解决方法实验验证与效果论文4：《Large Language Models as Few-Shot Defect Detectors for Additive Manufacturing》待解决的核心问题核心创新点具体解决方法实验验证与效果论文1：《LLM-3D Print: Large Language Models To Monitor and Control 3D Printing》基本信息：第一作者Yayati Jadhav，通讯作者Amir Barati Farimani（卡内基梅隆大学），2025年发表于增材制造领域顶刊《Additive Manufacturing》，arXiv预印本编号：2408.14307。待解决的核心问题熔融沉积成型（FDM）3D打印过程缺陷频发（翘曲、层间剥离、挤出不足、拉丝等），行业整体打印故障率高达41.1%，传统方案依赖人工专家干预，成本高、响应滞后；传统基于规则、机器学习/深度学习的缺陷管控方案，泛化性极差，仅能适配特定打印机、特定缺陷类型，且依赖大规模标注数据集训练，无法跨设备、跨材料、跨几何模型通用；现有方案仅能实现缺陷检测，无法完成“检测-根因分析-参数修正-闭环控制”的全流程自主执行，无法挽救已开始打印的缺陷件，造成材料、时间的大量浪费。核心创新点首次提出无需领域微调/预训练的LLM多智能体闭环控制框架，将LLM作为3D打印的自主控制器，仅通过上下文学习即可实现跨打印机、跨材料的通用缺陷管控，摆脱对标注数据集的依赖；设计了“交响乐