面向CAD辅助装配设计的跨图学习配合面识别方法

《ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING》：Cross-graph learning based mating interface identification for CAD-assisted assembly design

　　提出了一种用于B-rep零件对的基于面的配对界面识别方法。MFPNet融合了边缘感知拓扑编码、跨图注意力和双线性面交互。MFPNet在Aero-MF上以0.10M参数量实现了60.15%的Acc@1，零样本Acc@3达到69.58%。引言航空航天、重型设备等行业中复杂产品的开发日益依赖于跨组织协作和多学科并行工程。主要制造商、多层级供应商以及负责结构设计和工艺规划的内部团队在产品开发过程中频繁交换和复用CAD模型。虽然此类分布式工作流缩短了开发周期，但对CAD模型传输的语义一致性和信息完整性也提出了严格要求[1]。在模型传输过程中，不同组织和工程团队往往采用异构的CAD系统，并根据各自的具体应用需求处理同一模型。因此，格式转换、特征简化和轻量化表示等操作通常会被执行[2]。这些操作可能导致装配约束和设计基准的丢失或不一致。因此，工程师可能需要在执行下游约束定义、基准对齐或装配工艺分析之前重新建立候选几何对应关系[3]。配对界面识别在此过程中起着关键作用。配对界面是指两个零件建立物理接触所经过的几何体[4]。在CAD模型中，这种关系由一个或多个对应的配对面对表示。在本文中，“配对界面”表示装配级别的概念，而“配对面”表示其具体的面级别载体。本研究假设已经提供了一个候选的零件对。目标是为两个零件之间的面对分配兼容性得分，并对最可能的配对界面候选进行排序。近期的深度学习方法通过从大规模CAD数据集中自动学习几何表示，改进了配对界面识别。然而，对于成对配对界面候选排序仍存在若干局限性。首先，许多B-rep图神经网络主要专注于学习单个零件内部的几何拓扑表示。它们没有明确建模属于两个不同零件的面对之间的对应关系。其次，现有的跨零件匹配方法通常依赖通用的相似性度量，这可能不足以捕获面几何和拓扑之间的非线性兼容性，尤其是在存在几何相似的干扰面时。第三，日益复杂的特征编码器和交互模块通常会引入相当大的参数和计算开销。因此，实现显式的跨零件对应关系推理、拓扑感知的面表示和轻量级推理仍然是成对配对界面候选排序的关键挑战。为了解决这些问题，本文提出了一种名为MFPNet的轻量级跨图学习方法，用于B-rep配对界面识别。该方法将配对界面识别公式化为两个零件之间的面级别对应关系推理问题。每个零件被表示为一个面级别的几何拓扑图，其中节点对应B-rep面，边描述拓扑邻接关系。异构面属性，包括采样几何信息、曲面类型和曲面尺度，被编码以描述潜在的配对曲面。然后，执行拓扑感知的特征增强以纳入每个面的局部装配上下文。最后，一个跨零件交互匹配器评估两个零件之间的候选面对。匹配器结合跨图注意力和双线性特征交互，使模型能够关注潜在相关的面对，同时捕获配对曲面之间的非线性互补关系。本文的主要贡献总结如下：提出了一种针对两个给定B-rep零件的配对界面识别方法。该方法将配对界面识别重新公式化为面-对排序任务，以评估所有候选面对，并返回一个可能的配对界面对应关系的排序列表。开发了一个名为MFPNet的轻量级跨零件学习模型，用于对零件之间的候选面对进行评分。该模型整合了多种类型的B-rep信息，并设计了一个跨图交互匹配器以捕获潜在配对界面之间的交互。所提出的方法在Fusion 360 Gallery Assembly Dataset和一个自建的Aero-MF Dataset上进行了验证。结果表明，以0.1M可训练参数实现了有竞争力的首位排名和短名单检索性能，并实现了向三个航空航天启发的几何场景的零样本迁移。本文的其余部分组织如下：第2节回顾了配对界面识别研究的进展和局限性；第3节详细介绍了所提出的MFPNet架构；第4节展示了比较和消融实验，并深入讨论了实验结果；第5节总结了本文的工作并概述了未来的研究方向。相关工作与配对界面识别相关的研究涵盖了多个领域，包括互补面匹配、B-rep表示学习、CAD装配推理和智能装配规划。几何和先验驱动的方法通过显式的几何规则或完整形状先验建立面对对应关系。基于学习的方法用数据驱动的几何表示取代了手工设计的描述符，并日益建模零件间关系。下游整体工作流程为了解决跨组织协作和多学科并行设计中装配约束的丢失或不完整问题，开发了一个用于配对界面识别的整体工作流程，如图1所示。子图1以在异构设计和交换场景下生成的CAD模型作为输入，并识别装配约束缺失或不一致的实际问题。子图2以一个预定义的B-rep零件对作为输入，并整合训练策略Fusion 360 Gallery装配数据集用于评估所提出的方法。联合数据集包括16000+个装配、30000+个连接件和20000+个不同的零件。本研究使用的数据集源自Fusion 360 Gallery Assembly Dataset的原生记录，而不是直接在其原始任务公式化下重新使用。源记录提供了装配-连接件信息和连接件轴描述。虽然原始基准公式化主要支持连接件轴结论与未来工作本文提出了MFPNet，一种用于两个预定义B-rep零件之间配对界面候选排序的轻量级跨图模型。MFPNet将每个零件表示为面级别的属性图，并结合异构面编码、边缘感知的零件内拓扑聚合、跨图注意力和双线性特征交互来评估跨零件面的兼容性。在Fusion 360 Gallery Assembly Dataset的装配级别划分上，MFPNet实现了Acc@1、Acc@3、Acc@5和Acc@8CRediT作者贡献声明**李威博：** 撰写–审阅与编辑，撰写–初稿，可视化，验证，软件，方法论，调查，形式分析，数据整理，概念化。 **庞嘉振：** 撰写–审阅与编辑，监督，资源，调查，形式分析，数据整理，概念化。 **张杰：** 监督，资源，项目管理，调查，资金获取。 **谢景波：** 验证，软件，概念化。李威博 | 庞嘉振 | 张杰 | 谢景波