10月1日，美国海军研究办公室（Office of Naval Research）向洛克希德马丁公司（Lockheed Martin）授予了一个价值580万美元、为期两年的研究合同，探索如何利用人工智能和机器学习技术令针对复杂形状零部件的3D打印制造过程更加可靠，从而节约当前生产后所需的漫长检查时间。
目前通过3D打印制造的零部件需要技术专家进行持续监测，以保证这类结构复杂的零部件没有混入杂质和瑕疵。因此，为改进这个需要大量人力投入的生产过程，美国海军要求洛克希德马丁公司帮助研发一个可利用激光来切削金属，并监管零部件3D打印制造过程的多维度机器人。洛克希德马丁公司将与卡耐基梅隆大学（Carnegie Mellon University）、爱荷华州立大学（Iowa State University）、科罗拉多矿业学校（Colorado School of Mines）、美国制造公司（America Makes）、吉凯恩（GKN）、沃尔夫机器人（Wolf Robotics）和橡树岭国家实验室（Oak Ridge National Laboratory）共同开展这个项目。
卡耐基梅隆大学将负责测量和分析3D打印制造过程中诸如激光束照射点尺寸、钛合金原料填充速度、制造过程中向工件输入的总体能量密度等变量。爱荷华州立大学则将会把这些变量数据输入到一个用于预测3D打印制造零部件机械性能的计算机模型中，计算结果将帮助研究人员在一个非常小的尺度上预测激光能量、原料加入等步骤对工件的物理微结构将产生怎样的影响。
由于在相关测量过程中涉及到热测量和光测量——前者相对容易且数据量较少，而后者将可能产生数据量大到难以管理的数据。洛克希德马丁公司希望研究如何在缩减数据集规模的同时避免牺牲关键参数，而科罗拉多矿业学校和美国制造公司将具体负责解决压缩、调整数据集并提取可用于训练算法的关键信息这个问题。
在提取训练数据这个阶段完成后，相关算法和数据将交给橡树岭国家实验室，后者将在制造机器人上实际测试如何基于机器学习和测量数据来可靠地制造几何和结构上完美的零部件。项目的这个环节将面临来自增量制造和人工智能两个领域的双重挑战。在增量制造方面，研究团队将试图通过新的制造工艺来来判断各个参数对于工件质量的影响大小，从而确定实际生产环节中对参数的控制级别；在人工智能和机器学习方面的主要挑战是模型需要引入自我纠错和迭代能力，以适应复杂几何图形零件生产过程中的大量数据输入。
洛克希德马丁公司指出，一旦获得可控制生产结构完美的零部件的算法，那么将不再需要开展耗费大量时间的生产后检查，而只需相对简单的非破坏性检查和评估。这个成果也将为作战单位带来实际的益处——作战单位只需搜索零部件数据库，就可下载相应数字模型并通过机器人现场制造，而无需像现在这样等待数日甚至数周才能从后勤保障部门得到替换用的零部件。
声明：本文来自国际安全简报，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
