Rutgers近日发布研究显示，其工程师团队通过人工智能技术成功突破两大制造瓶颈：一是实现极端环境下的可靠3D打印，二是以极少实验次数加速制造技术创新。

在工程学院机械与航空航天工程系副教授拉吉夫·马尔霍特拉主导的两项研究中，研究人员展示了自主系统如何确保太空、战区、灾区等特殊场景下的制造可靠性，同时大幅缩短传统制造业研发周期。

远征增材制造：应对不可控环境挑战
发表于《制造工艺杂志》的首项研究聚焦于马尔霍特拉提出的"远征增材制造"概念——即在非受控工厂条件下生产零部件。此类环境存在振动、温度波动及操作人员未经系统培训等不可预测干扰，极易导致打印失败。

"我们致力于探究如何使远征增材制造能够抵御这类未知且破坏性的干扰。"研究团队为此开发了名为"条件强化学习"的新型AI方法：通过摄像头实时监控打印过程，系统可即时检测缺陷并动态调整打印机参数，无需中断打印或重新训练软件。马尔霍特拉强调："在关键任务环境中，零部件能否成功制造可能直接导致任务失败甚至人员伤亡。我们开发的工具无需预先预测干扰，无论出现何种扰动都能在不报废零件或停止作业的情况下应对，这对任务保障至关重要。"

该AI系统将操作人员缺乏培训视为另一种可应对的干扰因素。"我们训练AI预期意外状况，而非仅预期已知情况。"马尔霍特拉指出，该方法将缺陷率降低十倍以上。

AI加速制造创新周期
发表于《智能制造杂志》的第二项研究旨在突破缓慢的创新循环。团队摒弃依赖数十年物理建模或海量数据集的传统方式，构建了能阅读科学文献并结合有限实验数据的AI系统。

马尔霍特拉解释："传统工艺研发过程缓慢且易出错，有时需要30年才能真正完善一个制造流程。而AI就像博士专家，只需少量尝试就能掌握要领。"这项研究汇聚了康涅狄格大学、密歇根大学及美国陆军军械研究生院的合作者，预计将对航空航天、国防、汽车及电子制造业产生深远影响。

这两项突破性研究共同彰显了人工智能在提升增材制造鲁棒性与加速制造技术演进方面的双重价值，为下一代智能制造系统的开发奠定了关键基础。