Pídale a un sistema de inteligencia artificial generativo que diseñe una taza para impresión 3D y probablemente recibirá una hermosa taza en la que no cabe el café. Investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT, en colaboración con Google y la Universidad Northeastern, han creado una herramienta para solucionar exactamente eso: InstructMesh, un sistema de diseño que permite a cualquier persona, experto o novato, reparar modelos 3D generados por IA y fabricarlos de la manera que realmente pretendieron, según MIT News.
El problema al que se dirige InstructMesh es fundamental para el funcionamiento de los modelos generativos actuales. Los sistemas de inteligencia artificial entienden cómo debería verse un objeto, pero no cómo funciona, lo que produce diseños poco prácticos que socavan el uso previsto de un artículo. E incluso cuando los usuarios detectan el defecto, los modelos 3D suelen ser difíciles de editar, especialmente para las personas nuevas en el diseño 3D. InstructMesh, anunciado por MIT News el 1 de octubre de 2026, es una interfaz basada en inteligencia artificial diseñada para comprender cómo deben verse los diseños y qué ediciones quieren realizar los usuarios, cerrando la brecha entre lo que solicita y lo que imprime. Para los equipos que siguen los últimos desarrollos de IA, es un raro ejemplo de IA generativa utilizada para controlar sus propios errores.
Cómo funciona InstructMesh
InstructMesh combina el sistema TRELLIS de Microsoft, que genera modelos 3D a partir de mensajes de texto e imágenes, con GPT-4, el modelo de lenguaje grande detrás de ChatGPT, que combina conocimiento visual y textual en un solo flujo de trabajo. Un usuario puede solicitar al sistema que genere un diseño 3D para, por ejemplo, un par de anteojos y luego resaltar partes específicas del plano que desea refinar antes de imprimir.
"Queríamos reunir los talentos de los generadores 3D y las habilidades de razonamiento de los LLM en un espacio interactivo para crear objetos que la gente realmente quiere", dijo Faraz Faruqi, autor principal del artículo que presenta el proyecto, recién graduado de MIT EECS y afiliado de CSAIL que ahora trabaja en Google.
La manipulación ocurre en el espacio latente del modelo generativo: los usuarios describen problemas en lenguaje natural e InstructMesh produce cambios interpretativos en la geometría para que el usuario los evalúe y apruebe. Los controles deslizantes añaden precisión para ajustes como ampliar o extruir una parte particular del modelo. El resultado, dijo Faruqi, es que "lo que vieron es lo que obtuvieron, y los artículos funcionaron como se anunciaba".
Los números detrás de la demostración
El equipo sometió la herramienta a una prueba estructurada. Hicieron que TRELLIS recreara modelos 3D populares de Thingiverse, una plataforma que alberga millones de diseños imprimibles, y descubrieron que casi el 80 por ciento de los modelos generados tenían algún defecto estructural. Luego, los investigadores de CSAIL pidieron a los principiantes que identificaran y solucionaran esos problemas utilizando InstructMesh, y los recién llegados tuvieron éxito en ambas cosas aproximadamente el 90 por ciento de las veces, según lo revisado por un experto.
Esa tasa de éxito es importante porque sugiere que la habilidad que proporciona InstructMesh es un juicio sobre la función, no años de capacitación en CAD. "Lo que les faltaba a estos recién llegados en experiencia, lo compensaban con intuición", como lo expresó MIT News.
Las piezas de demostración muestran la gama. InstructMesh produjo una taza envuelta por un dragón, cuya cola formaba el asa; un silbato azul brillante con forma de concha; gafas con alas de mariposa extendidas sobre las lentes; y un dispensador de bebidas con forma de pulpo cuyos tentáculos se vierten cada uno en una taza separada. Más allá de la fantasía, los científicos del MIT utilizaron la herramienta para fabricar una rodillera con apariencia de mezclilla que hacía juego con los jeans de un paciente y un colorido "robot de cerdas" con forma de camarón: un gabinete de robot que esconde un motor que impulsa el dispositivo a través de superficies como un juguete de cuerda.
Por qué es importante
La IA generativa ya ha transformado textos, imágenes y códigos, pero la fabricación física sigue siendo una frontera difícil. El equipo de investigación enmarca el problema con un antiguo principio de software: "lo que ves es lo que obtienes": programas en los que el contenido que estás editando tiene el mismo aspecto que el producto final. Las herramientas generativas 3D rompen esa promesa de forma rutinaria, porque el modelo que imagina una taza no tiene control interno del grosor de la pared, la resistencia del mango o si el interior puede contener líquido. La brecha entre una malla de apariencia plausible y un objeto que sobrevive al contacto con el mundo real es donde mueren la mayoría de las ambiciones de impresión 3D de los consumidores.
Al hacer que la reparación sea interactiva y basada en el lenguaje, InstructMesh ataca el problema del último kilómetro de la fabricación asistida por IA. El sistema sustenta un proceso de modelado que anteriormente requería una profunda experiencia en el dominio de herramientas 3D profesionales, reemplazando menús y modificadores con descripciones en lenguaje natural de lo que está mal y controles deslizantes para ajustes finos. Los diseños ya no requieren de un experto para volverse reales, y la revisión de expertos en el estudio del MIT sugiere que las correcciones no son cosméticas: los objetos que pasaron por manos de novatos resultaron funcionales.
La investigación también tiene un final comercial. Faruqi, ahora en Google, puede incorporar InstructMesh en una plataforma de realidad aumentada: la visión es que usted explica lo que necesita utilizando el contexto de su entorno y el sistema lo imprime rápidamente en 3D, como una funda de teléfono que coincide con su billetera.
Para la industria de la impresión 3D, el hallazgo más provocativo del estudio es la tasa de fallas del 80 por ciento en los modelos generados por IA a partir de un sistema generativo líder. A medida que las herramientas de conversión de texto a 3D avanzan hacia los productos de consumo, InstructMesh argumenta que la generación por sí sola no es suficiente: la verificación y la reparación deben enviarse en la misma caja.
---
Manténgase a la vanguardia de la IAObtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.
Leer más noticias sobre IA →
