Generativni AI za 3D ispis svakodnevnih predmeta

Generativni modeli umjetne inteligencije ostavili su toliko neizbrisiv utjecaj na stvaranje digitalnog sadržaja da je sve teže prisjetiti se kakav je internet bio prije njega. Možete se pozvati na ove AI alate za pametne projekte poput videa i fotografija - ali njihov talent za kreativnost još se nije sasvim prenio u fizički svijet.

Pa zašto još nismo vidjeli generativne personalizirane objekte omogućene umjetnom inteligencijom, poput futrola za telefone i lonaca, na mjestima poput domova, ureda i trgovina? Prema istraživačima MIT-ovog laboratorija za računalne znanosti i umjetnu inteligenciju (CSAIL), ključno pitanje je mehanički integritet 3D modela.

Iako umjetna inteligencija može pomoći u generiranju personaliziranih 3D modela koje možete izraditi, ti sustavi često ne uzimaju u obzir fizička svojstva 3D modela. Doktorand Odjela za elektrotehniku ​​i računarstvo (EECS) MIT-a i inženjer CSAIL-a Faraz Faruqi istražio je ovaj kompromis, stvarajući generativne sustave temeljene na umjetnoj inteligenciji koji mogu unositi estetske promjene u dizajn uz  očuvanje funkcionalnosti, te drugi koji modificira strukture sa željenim  taktilnim svojstvima koja korisnici žele osjetiti.

Zajedno s istraživačima u Googleu, Stability AI-u i Sveučilištu Northeastern, Faruqi je sada pronašao način za izradu predmeta iz stvarnog svijeta pomoću umjetne inteligencije, stvarajući predmete koji su i izdržljivi i pokazuju izgled i teksturu koju je korisnik namjeravao. Pomoću sustava "MechStyle" pokretanog umjetnom inteligencijom , korisnici jednostavno prenose 3D model ili odabiru unaprijed postavljene elemente poput vaza i kuka te pomoću slika ili teksta potiču alat da stvori personaliziranu verziju.

Generativni AI model zatim mijenja 3D geometriju, dok MechStyle simulira kako će te promjene utjecati na određene dijelove, osiguravajući da ranjiva područja ostanu strukturno čvrsta. Kada ste zadovoljni ovim nacrtom poboljšanim umjetnom inteligencijom, možete ga 3D ispisati i koristiti u stvarnom svijetu.

Možete odabrati model, recimo, zidne kuke i materijal s kojim ćete je ispisati , na primjer, plastiku poput polilaktične kiseline (PLA). Zatim možete potaknuti sustav da stvori personaliziranu verziju, s uputama poput „generiraj kuku nalik kaktusu“. AI model će raditi zajedno sa simulacijskim modulom i generirati 3D model koji nalikuje kaktusu, a istovremeno ima strukturna svojstva kuke. 

Ovaj zeleni, rebrasti dodatak zatim se može koristiti za vješanje šalica, kaputa i ruksaka. Takve kreacije su moguće dijelom zahvaljujući procesu stilizacije, gdje sustav mijenja geometriju modela na temelju svog razumijevanja tekstualnog upita i rada s povratnim informacijama primljenim od simulacijskog modula.

U budućnosti, MechStyle bi mogao biti koristan u izradi prototipova za pribor i druge ručne proizvode koje biste mogli prodavati u trgovini igračaka, trgovini hardvera ili butiku s rukotvorinama. Cilj, kažu istraživači CSAIL-a, jest da i stručnjaci i početnici u dizajnu provode više vremena razmišljajući i testirajući različite 3D dizajne, umjesto da ručno sastavljaju i prilagođavaju predmete.

Kako bi osigurali da MechStyleove kreacije mogu izdržati svakodnevnu upotrebu, istraživači su proširili svoju generativnu umjetnu inteligenciju vrstom fizikalne simulacije koja se naziva analiza konačnih elemenata (FEA). Možete zamisliti 3D model predmeta, poput naočala, s nekom vrstom toplinske karte koja pokazuje koja su područja strukturno održiva pod realnom količinom težine, a koja nisu. Kako umjetna inteligencija usavršava ovaj model, fizikalne simulacije ističu koji dijelovi modela postaju slabiji i sprječavaju daljnje promjene.

Kombiniranje FEA procesa s adaptivnim raspoređivanjem omogućilo je MechStyleu generiranje objekata koji su bili i do 100 posto strukturno održivi. Testirajući 30 različitih 3D modela sa stilovima koji podsjećaju na stvari poput cigli, kamenja i kaktusa, tim je otkrio da je najučinkovitiji način stvaranja strukturno održivih objekata dinamičko identificiranje slabih područja i podešavanje generativnog AI procesa kako bi se ublažio njihov učinak.

U tim scenarijima, istraživači su otkrili da mogu ili potpuno zaustaviti stilizaciju kada se dosegne određeni prag naprezanja ili postupno unositi manja poboljšanja kako bi spriječili da se rizična područja približe toj oznaci.

Istraživački rad možete pronaći na ovoj poveznici.