Impacchettalo, lavoralo a maglia, collegalo: sfide nella stampa 3D, nella produzione tessile e oltre
Il vasto campo della computer grafica e delle tecniche interattive abbraccia la gamma di industrie, dai giochi e film al biomedico e alla produzione. Il fulcro di SIGGRAPH 2023 , la 50a iterazione di una conferenza annuale globale – e marchese – per le menti più brillanti e creative del settore, è una piattaforma per condividere e mostrare la ricerca e i prodotti audaci e innovativi che stanno cambiando – e migliorando – il modo in cui viviamo, lavoriamo e giochiamo.
Le ricerche che dovrebbero debuttare come parte del programma Technical Papers della conferenza sono “da tenere d’occhio”: nuove entusiasmanti tecnologie, idee e algoritmi che abbracciano tutte le aree della grafica e delle tecniche interattive. Particolarmente evidente quest’anno è l’emergere di metodi di ricerca che si estendono oltre il mondo digitale e affrontano la creazione di contenuti della vita reale.
“Molte ricerche sulla grafica computerizzata hanno riguardato la determinazione del modo migliore per visualizzare vari fenomeni del mondo reale utilizzando i computer e, così facendo, ci sono spesso dettagli che vengono elusi per adattare cose così complicate al quadro computazionale”, afferma Jenny Lin, autrice principale di uno dei nuovi progetti di ricerca in primo piano che saranno presentati al SIGGRAPH 2023. Lin e i suoi collaboratori hanno ideato un framework semantico formale per i programmi di maglieria a macchina, applicando la matematica per descrivere tutto ciò che una macchina per maglieria può fare.
“Passare dalle rappresentazioni virtuali al mondo fisico implica affrontare dettagli che spesso diamo per scontati nella nostra vita quotidiana”, aggiunge. “C’è una connessione molto naturale tra queste due direzioni, e c’è qualcosa di molto gratificante nell’usare il linguaggio dei computer per comprendere e migliorare qualcosa di così tattile e radicato come il lavoro a maglia”.
Quest’anno, scienziati informatici, artisti, sviluppatori ed esperti del settore di tutto il mondo si riuniranno dal 6 al 10 agosto a Los Angeles per SIGGRAPH 2023. Come anteprima del programma Technical Papers, ecco un campione di tre nuovi metodi computazionali e il loro esclusivo approcci alle applicazioni del mondo reale.
Equipaggiato per adattarlo
La produzione additiva, meglio nota come stampa 3D, dà vita a prodotti progettati digitalmente. Consente una libertà senza precedenti delle geometrie 3D e offre ai produttori la possibilità di produrre parti su richiesta e localmente. Con la stampa 3D, la gestione della supply chain può essere semplificata ed è più facile passare dalle iterazioni ingegneristiche alla produzione completa.
La stampa 3D sta subendo una transizione dall’essere una tecnologia di prototipazione a una tecnologia di produzione. Tuttavia, l’ostacolo principale è il costo complessivo della parte prodotta. L’hardware, i materiali e il lavoro umano per la stampa 3D determinano tutti il costo della tecnologia. La spinta verso una maggiore efficienza dei costi richiede la stampa in lotti in cui le parti sono strettamente imballate nel volume di costruzione della stampante 3D per massimizzare il numero di parti stampate per lotto. Uno dei principali limiti di questo processo è l’utilizzo limitato del volume di compilazione a causa della complessità computazionale del processo di impacchettamento./h6>
In una collaborazione tra MIT e Inkbit, un produttore 3D specializzato in parti polimeriche, i ricercatori stanno affrontando il problema complesso – e il mal di testa – di impacchettare digitalmente molte parti in un unico contenitore con molteplici vincoli. Ad oggi, molti modelli di parti sono virtualmente posizionati nel vassoio di stampa, detto anche “nesting”, e la stampante esegue il lavoro stampando l’intero vassoio. Il problema con questo processo è che il contenitore non è densamente imballato e non esiste un metodo efficiente per automatizzare e garantire che le stampanti 3D stampino il volume massimo di parti in un contenitore designato.
Il team di ricercatori, guidato da Wojciech Matusik, CTO di Inkbit e professore di ingegneria elettrica e informatica al MIT, ha sviluppato un nuovo metodo computazionale per massimizzare il rendimento delle stampanti 3D impacchettando gli oggetti il più densamente possibile e tenendo conto dell’evitamento degli incastri (tra molte parti con forme e dimensioni diverse) e scalabilità. Il loro approccio sfrutta la Fast Fourier Transform, o FFT, un potente algoritmo che ha reso possibile eseguire rapidamente complesse operazioni di elaborazione del segnale che prima erano impossibili o proibitivamente costose.
Insieme a FFT, “il nostro lavoro consiste nel rendere il posizionamento individuale di una parte 3D in un volume di costruzione parzialmente riempito il più velocemente possibile”, afferma Matusik. “I nostri algoritmi non solo sono estremamente veloci, ma ora possono raggiungere volumi di stampa con densità molto più elevate (40% o più). La maggiore efficienza di stampa sbloccherà un costo inferiore delle parti prodotte.
L’autore principale Qiaodong Cui presenterà il nuovo lavoro al SIGGRAPH 2023. Il team comprende anche Victor Rong del MIT e Desai Chen, ingegnere ricercatore presso Inkbit. Visita la pagina del team per il documento completo e il video.
La raffinata macchina per maglieria
Alcuni potrebbero dire che il lavoro a maglia è una tecnica, o mestiere, relativamente facile da imparare e potrebbe anche servire come rilassante antistress. L’automazione della tecnica dell’ago e del filo con la lavorazione a maglia è ben consolidata nell’industria della moda e del tessile. Ciò ha visto un recente aumento di popolarità dovuto alla maggiore comprensione della portata e della complessità degli oggetti – tessuti, modelli – che possono essere generati automaticamente.
Mentre la tecnica del lavoro a maglia è stata automatizzata, i sistemi sono ancora alle prese con la capacità di supportare tutto ciò che una macchina per maglieria può realizzare, oltre a generare esattamente ciò che un utente desidera. Ad oggi, affermano i ricercatori, non esiste un tale sistema che garantisca la correttezza sull’intero ambito dei programmi di maglieria a macchina.
Un team multi-istituzionale di scienziati informatici della Carnegie Mellon University, del MIT e dell’Università di Washington, ha creato un nuovo framework computazionale per ottimizzare le attività di lavoro a maglia. La loro semantica formale per il linguaggio specifico del dominio di basso livello utilizzato per le macchine per maglieria fornisce una definizione sofisticata di correttezza nello spazio esponenzialmente ampio dei programmi delle macchine per maglieria.
I ricercatori hanno applicato la teoria dei nodi per sviluppare la loro nuova struttura e hanno affrontato le proprietà chiave di cui gli esseri umani si preoccupano nel lavoro a maglia che sono scarsamente catturate dai concetti esistenti della teoria dei nodi. A tal fine, hanno ideato un’estensione della teoria dei nodi chiamata “grovigli recintati” come base matematica per definire l’equivalenza degli oggetti lavorati a macchina.
Il nostro metodo “può descrivere tutto ciò che può fare una macchina per maglieria: non solo maglioni e cappelli standard, ma anche strutture fitte e sagomate utili in architettura e strutture multi-filato che consentono la colorazione e l’attuazione morbida”, afferma Jenny Lin, responsabile del giornale. autore principale e studente di dottorato alla Carnegie Mellon nel laboratorio di James McCann, assistente professore di robotica alla Carnegie Mellon e altro autore del lavoro.
Aggiunge: “Questo è importante, perché mentre sviluppiamo sistemi più sfumati per generare programmi per macchine per maglieria più complicati, ora possiamo sempre rispondere alla domanda se due oggetti lavorati a macchina – l’oggetto che desideri e l’oggetto che il tuo programma crea – sono veramente lo stesso.”
Come prova del concetto, il team ha implementato uno strumento computazionale fondamentale per applicare le riscritture del programma che preservano il significato del programma unito. Questo approccio potrebbe essere esteso per caratterizzare il lavoro a maglia a macchina al lavoro a maglia a mano, che è sia più flessibile che variabile come tecnica di fabbricazione.
Il team dietro “Grovigli recintati” include anche Vidya Narayanan, scienziata applicata di Amazon che è stata consigliata da James McCann alla Carnegie, Yuka Ikarashi, dottoranda al MIT Computer Science & Artificial Intelligence Laboratory, Jonathan Ragan-Kelley del MIT Computer Science & Artificial Intelligence Laboratory, e Gilbert Bernstein, assistente professore di informatica e ingegneria presso l’Università di Washington, e presenteranno il loro lavoro al SIGGRAPH 2023. La pagina del documento e del team è disponibile qui.
Collegato e caratterizzato
L’armatura medievale in cotta di maglia, piccoli anelli di metallo collegati tra loro in modo da formare una maglia, è stata utilizzata per migliaia di anni come equipaggiamento protettivo per i soldati in battaglia. Immagina un cavaliere nella loro “tuta” di metallo che indossa un’armatura di cotta di maglia come ulteriore strato di protezione. Avanti veloce all’ampio panorama di materiali e tessuti nell’era moderna e i materiali simili a cotta di maglia rimangono una struttura fisica che è difficile da rappresentare computazionalmente, tenendo conto di tutte le sue proprietà meccaniche uniche. Un team internazionale di ricercatori dell’ETH Zürich in Svizzera e dell’Université de Montréal in Canada trae ispirazione dall’armatura di cotta di maglia medievale, generalizzandola al concetto di materiali ad incastro discreti, o DIM.
“Questi materiali possiedono una notevole flessibilità, che consente loro di adattarsi alle forme necessarie, dimostrando anche una forza impressionante oltre un certo intervallo di deformazione”, afferma Pengbin Tang, l’autore principale della ricerca e studente di dottorato consigliato da Bernhard Thomaszewski, uno scienziato senior presso ETH Zürich e professore a contratto presso l’Université de Montréal.
“Queste proprietà uniche rendono DIM attraente in robotica, plantari, abbigliamento sportivo e molte altre aree di applicazione”, aggiunge Stelian Coros, collaboratore e capo del laboratorio di robotica computazionale (CRL) presso l’ETH di Zurigo.
