工程师们已经发明了智能3D打印机，可以通过学习其他机器的经验，快速检测和纠正错误，即使是在以前看不到的设计中，或是在番茄酱和蛋黄酱等不熟悉的材料中。

剑桥大学的工程师们开发了一种机器学习算法，可以实时检测和纠正各种不同的错误，并且可以轻松地添加到新的或现有的机器中，以增强其能力。使用该算法的3D打印机还可以学习如何自己打印新材料。《自然通讯》杂志报道了他们低成本方法的细节。

3D打印有可能彻底改变复杂和定制零件的生产，如飞机部件、个性化医疗植入物，甚至复杂的糖果，还可能改变制造供应链。然而，它也容易受到生产错误的影响，从小规模的不准确和机械缺陷到总的构建失败。

目前，防止或纠正这些错误的方法是由熟练工人观察过程。工人必须识别错误（即使对训练有素的眼睛来说也是一个挑战），停止打印，移除零件，并调整新零件的设置。如果使用了新材料或打印机，随着工人了解新设置，该过程需要更多时间。即使如此，由于工人无法同时连续观察多台打印机，尤其是长打印，可能会错过错误。

该论文的资深作者、剑桥大学工程系的塞巴斯蒂安·帕丁森博士说：“3D打印具有挑战性，因为有很多地方可能出错，所以3D打印往往会失败。”。“当这种情况发生时，你所用的所有材料、时间和精力都会流失。”

工程师们一直在开发自动化3D打印监控，但现有系统只能检测一个零件、一种材料和一个打印系统中的有限误差范围。

“真正需要的是一个用于3D打印的‘无人驾驶汽车’系统，”第一作者道格拉斯·布里恩（Douglas Brion）说，他也是工程系的。“如果一辆无人驾驶汽车只能在一条道路或一个城镇行驶，那么它将毫无用处鈥攊t需要学会在不同的环境、城市甚至国家中推广。类似地，“无人驾驶”打印机必须适用于多个零件、材料和打印条件。”

布莱恩和帕丁森说，他们开发的算法可能是工程师一直在寻找的“无人驾驶汽车”。

“这意味着你可以有一个算法，可以查看你正在操作的所有不同打印机，不断监控并根据需要进行更改鈥攂“愚蠢地做人类做不到的事情，”帕丁森说。

研究人员训练了一个深度学习的计算机视觉模型，展示了在192个印刷品生产过程中自动捕获的950000张图像。每个图像都标有打印机的设置，例如打印喷嘴的速度和温度以及打印材料的流速。该模型还接收到关于这些设置离良好值有多远的信息，使算法能够了解错误是如何产生的。

“一旦经过训练，算法就可以通过查看图像来判断哪个设置正确，哪个设置错误。”鈥攊帕丁森说：“例如，如果某个特定设置过高或过低，然后进行适当的校正。最酷的是，使用这种方法的打印机可以不断收集数据，因此算法也可以不断改进。”

使用这种方法，布莱恩和帕丁森能够做出一个可推广的算法鈥攊换句话说，它可以用来识别和纠正不熟悉的物体或材料中的错误，甚至是在新的打印系统中。

“当您使用喷嘴打印时，无论使用何种材料鈥攑聚合物、混凝土、番茄酱或任何东西鈥攜布里恩说：“你也可能会遇到类似的错误。例如，如果喷嘴移动得太快，你经常会得到一团一团的材料，或者如果你挤出了太多的材料，那么印刷的线条就会重叠，形成折痕。

“无论打印什么零件或使用什么材料，类似设置产生的错误都将具有相似的特征。因为我们的算法学习了不同材料之间共享的一般特征，它可能会说‘哦，打印的线条正在形成折痕，因此我们可能会挤出过多的材料。’”

因此，只使用一种材料和打印系统训练的算法能够在不同类型的打印系统上检测和纠正不同材料的错误，从工程聚合物到番茄酱和蛋黄酱。

在未来，经过训练的算法在发现错误方面可能比人工操作更有效、更可靠。这对于部件故障可能产生严重后果的应用中的质量控制非常重要。

在剑桥大学商业化部门剑桥企业的支持下，Brion成立了Matta，这是一家螺旋输出公司，将开发用于商业应用的技术。

布里恩说：“我们正在将注意力转向高价值行业，如航空航天、能源和汽车行业，在这些行业，3D打印技术被用于制造高性能和昂贵的零件。”。“以数千英镑的成本完成单个部件可能需要几天或几周。在部件完成并检查之前，可能无法检测到开始时出现的错误。我们的方法将实时发现错误，显著提高制造生产率。”