機器之心AI 評分63
曼大團隊用連續神經場最佳化增減材混合製造工藝規劃
曼徹斯特大學 Charlie C.L. Wang 團隊提出面向增減材混合製造的連續神經場最佳化方法，論文被 SIGGRAPH Asia 2026 收錄，程式碼已開源。方法用五個隱式連續場描述增材與減材的時間、佔據與切削配置，把工藝規劃轉為多目標數值最佳化，並將重力與切削力下的中間結構形變作為可微損失嵌入最佳化。GE-Bracket 範例中預計製造時間從 38.8 小時降至 12.3 小時，額外支撐佔比由 43.02% 降到 28.39%，工具跳躍由 53.9k 降到 4.9k；