BenDFM: A taxonomy and synthetic CAD dataset for manufacturability assessment in sheet metal bending¶
会议: CVPR 2026
arXiv: 2603.13102
代码: 待发布 (GitHub)
领域: CAD / 智能制造 / 几何深度学习
关键词: 可制造性评估、钣金弯曲、合成CAD数据集、DFM分类法、B-rep学习
一句话总结¶
提出可制造性指标的二维分类法（配置依赖性 x 可行性/复杂度）和首个钣金弯曲合成 CAD 数据集 BenDFM（20,000 零件），基准测试显示图结构表示（UV-Net）优于点云（PointNext），且配置相关任务仍是难点。
背景与动机¶
DFM 需要在设计阶段就预测可制造性，但数据驱动方法面临两大瓶颈：(1) "可制造性"定义不一致——有的依赖特定设备，有的是普遍几何约束，语义混乱阻碍了方法间公平对比。(2) 工业数据集存在"幸存者偏差"——只保留了可制造的优化设计，缺少负样本。现有合成数据集主要用于减材工艺的简单立方体几何，不适用于钣金弯曲。
核心问题¶
如何系统定义可制造性指标并为钣金弯曲工艺构建包含可制造和不可制造零件的大规模数据集？
方法详解¶
整体框架¶
分三大贡献：分类法定义、BenDFM 数据集生成、基准测试。
关键设计¶
- 可制造性分类法: 沿两轴划分四象限。横轴：配置无关 vs 配置相关。纵轴：可行性（离散）vs 复杂度（连续）。展开自交叉是"几何可行性"，冲头碰撞是"配置可行性"，翻转次数是"配置复杂度"，展开面积是"几何复杂度"。
- BenDFM 数据集生成: 基于 PythonOCC 参数化建模。五步弯折过程：选边、构建2D弯折面、挤出弯折、挤出翼缘、重复。含弯折释放槽、三种翼缘类型、对称偏置。冲头/模具几何显式参数化建模，以 5 度增量模拟动态弯折轨迹检测碰撞。后验碰撞检测考虑后续翼缘干涉。
- 标签体系覆盖四象限: 冲头/模具碰撞（配置可行性）、展开自交叉（几何可行性）、翻转次数/重定向距离（配置复杂度）、展开面积/弯折数/质量（几何复杂度）。
损失函数 / 训练策略¶
分类 BCE 损失，回归 MSE 损失。Adam，lr=0.0005，batch 32，早停 patience 20。80/10/10 划分。5 次重复。BenDFM 子集 14,000 件（碰撞，50/50 平衡），BenDFM-U 子集 6,000 件（展开重叠，7-10 弯折）。
实验关键数据¶
| 任务 | 模型 | AUC / MAE | Accuracy / MAPE | 类型 |
|---|---|---|---|---|
| 碰撞检测（配置可行性） | UV-Net | 0.840 | 76.07% | 分类 |
| 碰撞检测 | PointNext | 0.827 | 73.83% | 分类 |
| 展开重叠（几何可行性） | UV-Net | 0.896 | 81.80% | 分类 |
| 展开重叠 | PointNext | 0.844 | 76.13% | 分类 |
| 翻转次数（配置复杂度） | UV-Net | MAE 0.54 | MAPE 35.52% | 回归 |
| 翻转次数 | PointNext | MAE 0.59 | MAPE 39.33% | 回归 |
| 展开面积（几何复杂度） | UV-Net | MAE 14.60 | MAPE 5.90% | 回归 |
| 展开面积 | PointNext | MAE 20.24 | MAPE 8.28% | 回归 |
消融实验要点¶
- UV-Net 四任务全优于 PointNext，归功于保留 B-rep 拓扑结构
- 几何类指标系统性优于配置类指标：展开重叠 AUC 0.896 vs 碰撞 0.840
- 40% 弯折强制无碰撞防止数据集被显然不可制造的设计支配
亮点¶
- 分类法切中要害：明确了"为什么不同论文对可制造性的定义差异如此大"
- 数据集设计周全：动态弯折轨迹模拟、后验碰撞检测、工具三位置检测避免假阳性
- 包含折叠和展开两种几何表示，扩展用途（激光切割、排样优化）
- 基准发现有指导意义：拓扑感知架构 > 点云方法
局限性 / 可改进方向¶
- 仅用一组固定冲头/模具配置，未验证跨配置泛化
- 模型只看最终 CAD 几何，未编码弯折操作序列
- 合成数据与真实工业零件的域差距需实物验证
- 仅覆盖钣金弯曲，其他工艺有待扩展
与相关工作的对比¶
- vs Ghadai et al. (2018): 后者用简单立方体+钻孔，BenDFM 几何复杂度远高
- vs Peddireddy et al. (2021): 后者关注减材工艺，BenDFM 首次覆盖成形工艺
- vs Lehrer et al. (2025, UCSM): 并行工作做深拉成形，两者互补
- vs SMCAD: 后者基底几何固定且少，BenDFM 20,000 件参数化多样
启发与关联¶
- 分类法框架可迁移到任何制造工艺的 DFM 学习研究
- 合成数据生成管线思路可复用于其他制造域
评分¶
- 新颖性: ⭐⭐⭐⭐ 分类法系统化填补定义空白，数据集首创
- 实验充分度: ⭐⭐⭐ 两种架构基准测试有代表性，但缺更多方法对比
- 写作质量: ⭐⭐⭐⭐⭐ 结构极为清晰，叙事逻辑完整
- 价值: ⭐⭐⭐⭐ 为制造AI社区提供了急需的基础设施