Chiedi a un sistema di intelligenza artificiale generativa di progettare una tazza per la stampa 3D e probabilmente riceverai una bella tazza che non può contenere il tuo caffè. I ricercatori del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT, in collaborazione con Google e la Northeastern University, hanno creato uno strumento per risolvere esattamente questo problema: InstructMesh, un sistema di progettazione che consente a chiunque, esperto o principiante assoluto, di riparare modelli 3D generati dall'intelligenza artificiale e fabbricarli nel modo in cui effettivamente li intendevano, secondo MIT News.
Il problema che InstructMesh affronta è fondamentale per il funzionamento dei modelli generativi odierni. I sistemi di intelligenza artificiale comprendono come dovrebbe apparire un oggetto, ma non come funziona, il che produce progetti poco pratici che minano l'uso previsto di un oggetto. E anche quando gli utenti individuano il difetto, i modelli 3D sono generalmente difficili da modificare, soprattutto per chi è nuovo alla progettazione 3D. InstructMesh, annunciato da MIT News il 1° ottobre 2026, è un'interfaccia basata sull'intelligenza artificiale progettata per comprendere sia come dovrebbero apparire i progetti sia quali modifiche gli utenti desiderano apportare, colmando il divario tra ciò che chiedi e ciò che stampi. Per i team che seguono gli ultimi sviluppi dell'IA, si tratta di un raro esempio di intelligenza artificiale generativa utilizzata per monitorare gli errori dell'intelligenza artificiale generativa.
Come funziona InstructMesh
InstructMesh abbina il sistema TRELLIS di Microsoft, che genera modelli 3D da prompt di testo e immagini, con GPT-4, il grande modello linguistico dietro ChatGPT, combinando conoscenze visive e testuali in un unico flusso di lavoro. Un utente può richiedere al sistema di generare un progetto 3D, ad esempio, per un paio di occhiali, quindi evidenziare parti specifiche del progetto che desidera perfezionare prima della stampa.
"Volevamo riunire il talento dei generatori 3D e le capacità di ragionamento degli LLM in uno spazio interattivo per realizzare oggetti che le persone realmente desiderano", ha affermato Faraz Faruqi, autore principale dell'articolo che presenta il progetto, un neolaureato al MIT EECS e affiliato CSAIL che ora lavora presso Google.
La manipolazione avviene nello spazio latente del modello generativo: gli utenti descrivono i problemi in linguaggio naturale e InstructMesh produce modifiche interpretative alla geometria affinché l'utente possa valutarle e approvarle. I cursori aggiungono precisione per modifiche come l'ingrandimento o l'estrusione di una parte particolare del modello. Il risultato, ha detto Faruqi, è che "quello che hanno visto è quello che hanno ottenuto, e gli articoli hanno funzionato come pubblicizzato".
I numeri dietro la demo
Il team ha sottoposto lo strumento a un test strutturato. Hanno chiesto a TRELLIS di ricreare i popolari modelli 3D di Thingiverse, una piattaforma che ospita milioni di progetti stampabili, e hanno scoperto che quasi l'80% dei modelli generati erano in qualche modo strutturalmente difettosi. I ricercatori CSAIL hanno quindi chiesto ai principianti di identificare e risolvere tali problemi utilizzando InstructMesh e i nuovi arrivati hanno avuto successo in entrambi i casi circa il 90% delle volte, secondo la revisione di un esperto.
Questo tasso di successo è importante perché suggerisce che la competenza fornita da InstructMesh è il giudizio sulla funzione, non anni di formazione CAD. "Ciò che mancava a questi nuovi arrivati in termini di esperienza, lo hanno compensato con l'intuizione", come ha affermato MIT News.
I pezzi dimostrativi mostrano la gamma. InstructMesh ha prodotto una tazza avvolta da un drago, la cui coda forma il manico; un fischietto blu lucido a forma di conchiglia; occhiali con ali di farfalla che si estendono sopra le lenti; e un distributore di bevande simile a un polpo i cui tentacoli si versano ciascuno in una tazza separata. Al di là della fantasia, gli scienziati del MIT hanno utilizzato lo strumento per fabbricare una ginocchiera in stile denim abbinata ai jeans di un paziente e un colorato "bot con setole" a forma di gamberetto: un recinto robotico che nasconde un motore che spinge il dispositivo attraverso le superfici come un giocattolo a carica.
Perché è importante
L’intelligenza artificiale generativa ha già trasformato testo, immagini e codice, ma la fabbricazione fisica rimane una frontiera ostinata. Il team di ricerca inquadra il problema con un vecchio principio del software: "ciò che vedi è ciò che ottieni": programmi in cui il contenuto che stai modificando sembra uguale al prodotto finale. Gli strumenti 3D generativi infrangono regolarmente quella promessa, perché il modello che immagina una tazza non ha alcun controllo interno per lo spessore delle pareti, la resistenza della maniglia o se l'interno può contenere liquidi. Il divario tra una mesh dall’aspetto plausibile e un oggetto che sopravvive al contatto con il mondo reale è il punto in cui muoiono la maggior parte delle ambizioni di stampa 3D dei consumatori.
Rendendo la riparazione interattiva e basata sul linguaggio, InstructMesh affronta il problema dell'ultimo miglio della produzione assistita dall'intelligenza artificiale. Il sistema supporta un processo di modellazione che in precedenza richiedeva una profonda esperienza nel settore degli strumenti 3D professionali, sostituendo menu e modificatori con descrizioni in linguaggio naturale di ciò che è sbagliato e cursori per regolazioni fini. I progetti non richiedono più l'intervento di un esperto per diventare reali, e la revisione degli esperti nello studio del MIT suggerisce che le soluzioni non sono estetiche: gli oggetti passati attraverso mani inesperte si sono rivelati funzionali.
C'è anche una coda commerciale nella ricerca. Faruqi, ora in Google, potrebbe incorporare InstructMesh in una piattaforma di realtà aumentata: l'idea è quella di spiegare ciò di cui hai bisogno utilizzando il contesto dell'ambiente circostante e il sistema lo stampa rapidamente in 3D, come una custodia del telefono che si abbina al tuo portafoglio.
Per il settore della stampa 3D, la scoperta più provocatoria dello studio è il tasso di difetti dell’80% nei modelli generati dall’intelligenza artificiale da un sistema generativo leader. Mentre gli strumenti di conversione testo in 3D corrono verso i prodotti di consumo, InstructMesh dimostra che la generazione da sola non è sufficiente: verifica e riparazione devono essere spedite nella stessa scatola.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
