論文の概要: Design for Manufacturing: A Manufacturability Knowledge-Integrated Reinforcement Learning Framework for Free-Form Pipe Routing in Aeroengines

• arxiv url: http://arxiv.org/abs/2605.20644v1
• Date: Wed, 20 May 2026 03:07:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.451336
• Title: Design for Manufacturing: A Manufacturability Knowledge-Integrated Reinforcement Learning Framework for Free-Form Pipe Routing in Aeroengines
• Title（参考訳）: 製造のための設計: 航空工学における自由形パイプルーティングのための製造性知識統合型強化学習フレームワーク
• Authors: Caicheng Wang, Zili Wang, Shuyou Zhang, Yongzhe Xiang, Zheyi Li, Liangyou Li, Jianrong Tan,
• Abstract要約: FPROは、航空工学における自由形パイプ設計のための知識統合強化学習手法である。 衝突のない、より滑らかな幾何学的プロファイルを持つ製造可能な経路を一貫して生成する。 また、終端アライメント、パス長、障害物回避、製造性において、より高速な収束と優れた性能を実現する。
• 参考スコア（独自算出の注目度）: 22.365939114179756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Design for manufacturing plays a critical role in advanced aeroengine development, where complex components necessitate careful consideration of manufacturability. However, current practices in pipe routing remain largely decoupled from down-stream manufacturing, leading to labor-intensive, trial-and-error iterations to achieve manufacturable designs. To address this problem, this study proposes the Frenet-based pipe routing optimization (FPRO) framework, a manufacturability knowledge-integrated reinforcement learning approach for free-form pipe design in aeroengines. FPRO formulates the routing problem as a boundary value problem in the Frenet frame. In this framework, the pipe path is represented by curvature and torsion profiles, which are generated using cubic Hermite interpolation. To integrate design and manufacturing, domain-specific manufacturing knowledge is embedded as constraints on the permissible ranges of curvature and torsion. The path optimization is performed using the proximal policy optimization algorithm with stochastic exploration and a stage-guided reward mechanism. A unified mapping formulation then translates the optimized path into motion trajectories for the bending die, enabling direct fabrication on a six-axis free-bending machine. Experimental results demonstrate that FPRO consistently generates collision-free, manufacturable paths with smoother geometric profiles compared to Cartesian-based methods. It also achieves faster convergence and superior performance in terminal alignment, path length, obstacle avoidance, and manufacturability compared to state-of-the-art reinforcement learning baselines. Real-world validation confirms the close geometric correspondence between the manufactured pipe and its digital design, validating the practical feasibility of FPRO.
• Abstract（参考訳）: 製造のための設計は、複雑な部品が製造可能性について慎重に検討する必要がある先進的な航空工学開発において重要な役割を担っている。 しかし、パイプルーティングの現在の実践は、ダウンストリーム製造から大きく切り離されているため、製造可能な設計を実現するために、労働集約的で試行錯誤の繰り返しが発生する。 そこで本研究では,Frenet-based pipe routing optimization (FPRO) フレームワークを提案する。 FPROは、ルーティング問題をFrenetフレームの境界値問題として定式化する。 この枠組みでは、管路は曲率とねじれプロファイルで表され、これは立方ヘルミット補間によって生成される。 設計と製造を統合するため、ドメイン固有の製造知識は、曲率とねじれの許容範囲の制約として組み込まれている。 経路最適化は確率探索とステージ誘導報酬機構を備えた近似ポリシ最適化アルゴリズムを用いて行われる。 統一写像の定式化により、最適化された経路を曲げ金型のための運動軌跡に変換し、6軸自由曲げ機の直接加工を可能にする。 実験結果から,FPROはカルテシアン法に比べてスムーズな形状の衝突のない製造可能な経路を連続的に生成することが示された。 また、最先端の強化学習ベースラインと比較して、終端アライメント、パス長、障害物回避、製造性において、より高速な収束と優れた性能を実現する。 実世界の検証は、製造されたパイプとそのディジタル設計間の密接な幾何学的対応を確認し、FPROの実現可能性を検証する。

関連論文リスト

• Directional Mollification for Controlled Smooth Path Generation [2.6381163133447836]
  モーフィフィケーションは近年,経路生成のための計算効率が高く,解析的に抽出可能なツールとして提案されている。 我々は,古典的な軟化の分析的トラクタ性を保ちながら,この制限を解消する新しい演算子である指向性軟化を導入する。
  論文  参考訳（メタデータ） (2026-03-23T11:18:43Z)
• Euphonium: Steering Video Flow Matching via Process Reward Gradient Guided Stochastic Dynamics [49.242224984144904]
  本稿では,プロセス報酬勾配誘導ダイナミクスによる生成を支援する新しいフレームワークであるEuphoniumを提案する。 我々の重要な洞察は、プロセス・リワード・モデルの勾配を明示的に組み込んだ理論的に原理化されたアルゴリズムとしてサンプリング・プロセスを定式化することである。 我々は,誘導信号をフローネットワークに内部化する蒸留目標を導出し,報奨モデルへの推論時間依存性を排除した。
  論文  参考訳（メタデータ） (2026-02-04T08:59:57Z)
• PlannerRFT: Reinforcing Diffusion Planners through Closed-Loop and Sample-Efficient Fine-Tuning [17.21182051618103]
  拡散に基づくプランナーは、自動運転における人間のような軌道生成の有望なアプローチとして現れてきた。 最近の研究は拡散プランナーの堅牢性を高めるために強化微調整を取り入れている。 拡散型プランナのための試料効率強化微調整フレームワークPlannerRFTを提案する。
  論文  参考訳（メタデータ） (2026-01-19T09:56:05Z)
• Kolmogorov-Arnold Networks-Based Tolerance-Aware Manufacturability Assessment Integrating Design-for-Manufacturing Principles [0.0]
  本研究では,パラメトリック設計の特徴から製造可能性を直接評価する手法を提案する。 このアプローチでは、KAN(Kolmogorov-Arnold Networks)を使用して、設計パラメータ、耐性、製造可能性の結果の間の機能的関係を学習する。
  論文  参考訳（メタデータ） (2026-01-09T22:12:47Z)
• Surrogate-Based Differentiable Pipeline for Shape Optimization [64.24199762940444]
  本稿では,非微分可能なパイプラインコンポーネントを,本質的に微分可能な代理モデルに置き換えることを提案する。 本研究では、3次元U-Netのフルフィールドサロゲートがメッシュ化とシミュレーションの両方のステップを置き換え、その形状の符号付き距離場(SDF)と関心領域のマッピングをトレーニングするエンド・ツー・エンドの微分可能なパイプラインを実証する。
  論文  参考訳（メタデータ） (2025-11-13T19:30:50Z)
• Self-Learning-Based Optimization for Free-form Pipe Routing in Aeroengine with Dynamic Design Environment [5.128220263390701]
  本研究では,航空工学における自由形パイプルーティングを最適化するための自己学習方式(SLPR)を提案する。 SLPR内のエージェントは、パイプルーティングを反復的に洗練し、環境との相互作用を通じて設計知識を蓄積する。 静的設計環境と動的設計環境の両方において、SLPRはパイプ長の削減、レイアウト規則の順守、経路の複雑さ、計算効率の点で3つの代表的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-03-20T13:45:13Z)
• FlowIE: Efficient Image Enhancement via Rectified Flow [71.6345505427213]
  FlowIEはフローベースのフレームワークであり、基本的な分布から高品質な画像への直線パスを推定する。 私たちのコントリビューションは、合成および実世界のデータセットに関する包括的な実験を通じて、厳密に検証されています。
  論文  参考訳（メタデータ） (2024-06-01T17:29:29Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• PATO: Producibility-Aware Topology Optimization using Deep Learning for Metal Additive Manufacturing [2.57172274875712]
  金属添加物製造(AM)を用いて作製した部品の設計空間を効率的に探索するためのPATO-a Producibility-Aware Topology Optimization (TO) フレームワークを提案する。 我々は、深部畳み込みニューラルネットワークの現在の進歩を活用し、注意に基づくU-Netアーキテクチャに基づく高忠実な代理モデルを示し、最大せん断ひずみ指数(MSSI)を予測する。 提案手法の有効性を3次元のベンチマークと実験による検証により検証した。
  論文  参考訳（メタデータ） (2021-12-08T19:52:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。