Вы когда-нибудь задумывались о создании чего-то интересного, но непрактичного? Когда дело доходит до проектирования таких вещей, как декор и личные аксессуары, модели генеративного искусственного интеллекта (ИИ) могут помочь. Они могут создавать креативные и сложные 3D-проекты, но при попытке воплотить такие чертежи в реальные объекты они обычно не выдерживают повседневного использования.
Основная проблема заключается в том, что моделям генеративного ИИ часто не хватает понимания физики. Хотя такие инструменты, как система Microsoft TRELLIS, могут создать 3D-модель по текстовому запросу или изображению, её дизайн, например, стула, может быть нестабильным или иметь несвязанные части. Модель не до конца понимает, для чего предназначен ваш объект, поэтому даже если ваше сиденье можно напечатать на 3D-принтере, оно, скорее всего, развалится под весом человека.
Проверка реальности проектов с помощью физики
Чтобы воплотить эти проекты в жизнь, исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (MIT CSAIL) дают моделям генеративного ИИ проверку реальности. Их система PhysiOpt дополняет эти инструменты физическим моделированием, заставляя чертежи личных предметов, таких как чашки, держатели для ключей и подставки для книг, работать так, как задумано при 3D-печати.
Вы можете просто ввести в PhysiOpt то, что вы хотите создать, и для чего оно будет использоваться, или загрузить изображение в пользовательский интерфейс системы. Примерно через полминуты вы получите реалистичный 3D-объект для изготовления.
Например, исследователи из CSAIL предложили системе создать «стакан для питья в форме фламинго», который они напечатали на 3D-принтере в виде стакана с ручкой и основанием, напоминающим ногу тропической птицы. Пока дизайн генерировался, PhysiOpt вносил небольшие изменения, чтобы конструкция была прочной.
«PhysiOpt сочетает генеративный ИИ и физическую оптимизацию формы, помогая практически каждому создавать проекты, которые они хотят для уникальных аксессуаров и украшений», — говорит Сяо Шон Чжань, аспирант кафедры электротехники и компьютерных наук MIT и исследователь из CSAIL.
Этот подход позволяет вам создать «умный дизайн», где ИИ-генератор создаёт ваш предмет на основе спецификаций пользователей, учитывая функциональность. Вы можете подключить свою любимую модель генеративного ИИ, и после ввода того, что вы хотите создать, вы указываете, сколько силы или веса должен выдерживать объект.
Оптимизация объектов с помощью физики
Исследователи из CSAIL наблюдали, что визуальные знания помогли PhysiOpt создавать 3D-модели более эффективно, чем «DiffIPC», сравнимый метод, который моделирует и оптимизирует формы. Когда обеим системам было поручено создать 3D-проекты для таких предметов, как стулья, система CSAIL была почти в 10 раз быстрее за итерацию, создавая при этом более реалистичные объекты.
PhysiOpt представляет собой потенциальный мост между идеями и реальными предметами. То, что вы можете придумать как отличную идею для кофейной кружки, например, вскоре может появиться на вашем столе. И хотя PhysiOpt уже проводит стресс-тестирование для дизайнеров, вскоре он сможет прогнозировать такие ограничения, как нагрузки и границы, вместо того, чтобы пользователям приходилось предоставлять эти данные.
Чжань и Жамбон намерены убрать артефакты, или случайные фрагменты, которые иногда появляются в 3D-моделях PhysiOpt, сделав систему ещё более осведомлённой о физике. Учёные из MIT также рассматривают, как они могут моделировать более сложные ограничения для различных технологий изготовления, например, минимизируя выступающие компоненты для 3D-печати.
Чжань и Жамбон написали свою статью с главным научным сотрудником MIT-IBM Watson AI Lab Кенни Нгом, двумя коллегами из CSAIL: аспирантом Эваном Томпсоном и доцентом Миной Конакович Лукović, которая является главным исследователем в лаборатории.
Работа исследователей была частично поддержана MIT-IBM Watson AI Laboratory и Wistron Corp. Они представили её в декабре на конференции и выставке Ассоциации вычислительной техники SIGGRAPH по компьютерной графике и интерактивным технологиям в Азии.
1. Какие проблемы возникают при попытке воплотить в жизнь проекты, созданные с помощью генеративного искусственного интеллекта?
При попытке воплотить в жизнь проекты, созданные с помощью генеративного искусственного интеллекта, возникает проблема отсутствия у моделей понимания физики. Это приводит к тому, что созданные чертежи могут быть нестабильными или иметь несвязанные части, не выдерживающие повседневного использования.
2. Как система PhysiOpt помогает решить эту проблему?
Система PhysiOpt дополняет модели генеративного искусственного интеллекта физическим моделированием. Она позволяет проверить реальность проектов и внести небольшие изменения в конструкцию, чтобы сделать её прочной. Это помогает создавать предметы, которые работают так, как задумано при 3D-печати.
3. В чём преимущество системы PhysiOpt по сравнению с другими методами моделирования и оптимизации форм?
Исследователи из CSAIL наблюдали, что система PhysiOpt создаёт 3D-модели более эффективно, чем сравнимый метод «DiffIPC». PhysiOpt была почти в 10 раз быстрее за итерацию, создавая при этом более реалистичные объекты.
4. Какие ограничения существуют у системы PhysiOpt на данный момент?
На данный момент система PhysiOpt иногда создаёт артефакты, или случайные фрагменты, в 3D-моделях. Учёные из MIT намерены убрать эти артефакты, сделав систему ещё более осведомлённой о физике.
5. Какие перспективы развития системы PhysiOpt видят её создатели?
Создатели системы PhysiOpt видят перспективы развития в моделировании более сложных ограничений для различных технологий изготовления. Например, минимизация выступающих компонентов для 3D-печати. Также система сможет прогнозировать такие ограничения, как нагрузки и границы, вместо того, чтобы пользователям приходилось предоставлять эти данные.