ワイヤアーク積層造形（WAAM）は、熱場と造形体の形状が複雑かつ非線形に連成するプロセス動特性によって支配されており、安定したビード形状の制御が課題となっている。最近arXivに投稿された論文（arXiv:2605.29144v1、2026年5月27日提出）は、学習と適応に基づく制御フレームワークを提案し、WAAMプロセスにおけるビードの高さと幅の一貫性を向上させることを目指している。
研究者らはWAAMプロセスを多入力多出力（MIMO）動的システムとして捉える。入力は溶接トーチの移動速度とワイヤ送給速度、出力はビードの堆積高さと幅である。プロセス動特性は非線形かつ時変であるため、固定パラメータ制御では熱蓄積に伴う変化に対応しきれない。そこで著者らは入出力データを用いてデータ駆動型のプロセスモデルを学習し、それを溶接計画と制御に利用する。
具体的には、単純なリカレントニューラルネットワーク（RNN）アーキテクチャと1ステップ先予測制御を組み合わせることでプロセス性能を改善できることを示している。印刷中の熱条件の変化に対処するため、研究チームは前層の予測誤差を利用して学習モデルを更新する手法を提案する。この適応ステップにより、予測精度とコントローラ性能がさらに向上し、システムが熱動特性のドリフトを追従できるようになる。
実験はラインスキャナフィードバックを統合したロボットWAAMテストベッドで実施された。提案する学習・適応フレームワークは、一定入力および静的モデルのベースラインと比較して、ビードの高さと幅の一貫性において顕著な改善を達成した。ラインスキャナはリアルタイムの幾何形状フィードバックを提供し、閉ループ制御を可能にする。
この研究の意義は、堅牢でデータ駆動型の積層造形プロセス調整への実用的な道筋を示す点にある。単純な学習モデル、予測制御、オンライン適応を組み合わせることで、複雑な物理モデルに依存せずにWAAMの造形品質を向上できる可能性があり、産業応用におけるリアルタイム制御に新たな視点を提供する。今後の課題として、より複雑なネットワーク構造の探索や他の積層造形プロセスへの展開が考えられる。