Ask a generative AI system to design a mug for 3D printing and you will likely receive a handsome cup that cannot hold your coffee. Researchers at MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL), working with Google and Northeastern University, have built a tool to fix exactly that: InstructMesh, a design system that lets anyone — expert or complete novice — repair AI-generated 3D models and fabricate them the way they actually intended, according to MIT News.

The problem InstructMesh targets is fundamental to how today's generative models work. AI systems understand how an object should look, but not how it works, which produces impractical designs that undermine an item's intended use. And even when users spot the flaw, 3D models are typically hard to edit, especially for people new to 3D design. MIT News ने 1 ऑक्टोबर 2026 रोजी घोषित केलेला InstructMesh हा AI-चालित इंटरफेस आहे जो डिझाईन कसे दिसावे आणि वापरकर्त्यांना कोणते संपादन करायचे आहे हे समजून घेण्यासाठी डिझाइन केलेले आहे, तुम्ही काय प्रॉम्प्ट करता आणि तुम्ही काय प्रिंट करता यातील अंतर कमी करते. नवीनतम AI घडामोडी चा मागोवा घेणाऱ्या संघांसाठी, जनरेटिव्ह AI चा वापर पोलिस जनरेटिव्ह AI च्या स्वतःच्या चुकांसाठी केला जात असल्याचे हे दुर्मिळ उदाहरण आहे.

InstructMesh कसे कार्य करते

InstructMesh pairs Microsoft's TRELLIS system, which generates 3D models from text and image prompts, with GPT-4, the large language model behind ChatGPT — combining visual and textual knowledge in a single workflow. A user can prompt the system to generate a 3D design for, say, a pair of glasses, then highlight specific parts of the blueprint they want refined before printing.

"We wanted to bring together the talents of 3D generators and the reasoning skills of LLMs in an interactive space to make objects that people actually want," said Faraz Faruqi, lead author on the paper presenting the project, a recent MIT EECS graduate and CSAIL affiliate who now works at Google.

Manipulation happens in the latent space of the generative model: users describe issues in natural language, and InstructMesh produces interpretive changes to the geometry for the user to evaluate and approve. स्लाइडर ट्वीक्ससाठी अचूकता जोडतात जसे की मॉडेलचा विशिष्ट भाग मोठा करणे किंवा बाहेर काढणे. परिणाम, फारुकी म्हणाले, "त्यांनी जे पाहिले तेच त्यांना मिळाले, आणि वस्तू जाहिरात केल्याप्रमाणे काम केल्या."

डेमोच्या मागे असलेले क्रमांक

संघाने संरचित चाचणीद्वारे साधन ठेवले. त्यांच्याकडे TRELLIS ने Thingiverse वरून लोकप्रिय 3D मॉडेल्स पुन्हा तयार केल्या, लाखो छापण्यायोग्य डिझाईन्स होस्ट करणारे प्लॅटफॉर्म, आणि असे आढळले की व्युत्पन्न केलेल्या मॉडेल्सपैकी जवळपास 80 टक्के मॉडेल्स काही प्रकारे संरचनात्मकदृष्ट्या सदोष आहेत. CSAIL researchers then asked novices to identify and fix those issues using InstructMesh — and the newcomers succeeded at both about 90 percent of the time, as reviewed by an expert.

तो यशाचा दर महत्त्वाचा आहे कारण ते सूचित करते की InstructMesh कौशल्य पुरवठा हा कार्याचा निर्णय आहे, CAD प्रशिक्षणाच्या वर्षांच्या नाही. "या नवोदितांकडे कौशल्याची कमतरता होती, ती त्यांनी अंतर्ज्ञानाने भरून काढली," एमआयटी न्यूजने म्हटल्याप्रमाणे.

प्रात्यक्षिक तुकडे श्रेणी दर्शवितात. InstructMesh ने ड्रॅगनने आच्छादलेला एक मग तयार केला, त्याची शेपटी हँडल बनवते; कवचासारखा आकार असलेली चमकदार निळी शिट्टी; glasses with butterfly wings spreading above the lenses; आणि एक ऑक्टोपस सारखी पेय डिस्पेंसर ज्याचे मंडप प्रत्येक वेगळ्या कपमध्ये ओततात. लहरीपणाच्या पलीकडे, MIT शास्त्रज्ञांनी रूग्णाच्या जीन्सशी जुळणारे डेनिम-लूक गुडघ्याचे ब्रेस आणि रंगीबेरंगी कोळंबीच्या आकाराचे "ब्रिस्टल बॉट" तयार करण्यासाठी या साधनाचा वापर केला - एक रोबो बंदिस्त मोटार लपवून ठेवते जे उपकरणाला वारा-अप खेळण्यासारख्या पृष्ठभागावर चालवते.

हे महत्त्वाचे का आहे

जनरेटिव्ह एआयने आधीच मजकूर, प्रतिमा आणि कोडचे रूपांतर केले आहे, परंतु भौतिक बनावट ही एक हट्टी सीमा आहे. The research team frames the problem with an old software principle: "what you see is what you get" — programs where the content you are editing looks the same as the final product. Generative 3D tools break that promise routinely, because the model that imagines a mug has no internal check for wall thickness, handle strength, or whether the interior can hold liquid at all. The gap between a plausible-looking mesh and an object that survives contact with the real world is where most consumer 3D printing ambitions die.

By making repair interactive and language-driven, InstructMesh attacks that last-mile problem of AI-assisted making. प्रणाली एक मॉडेलिंग प्रक्रिया स्कॅफोल्ड करते ज्यासाठी पूर्वी व्यावसायिक 3D साधनांमध्ये सखोल डोमेन कौशल्य आवश्यक होते, मेनू आणि मॉडिफायर बदलून काय चूक आहे याचे नैसर्गिक-भाषेतील वर्णन आणि बारीक समायोजनासाठी स्लाइडर. The designs no longer require an expert to become real, and the expert review in MIT's study suggests the fixes are not cosmetic — objects that passed through novice hands came out functional.

संशोधनाला एक व्यावसायिक शेपूट देखील आहे. Faruqi, now at Google, may incorporate InstructMesh into an augmented reality platform — the vision being that you explain what you need using the context of your surroundings and the system rapidly 3D prints it, like a phone case that matches your wallet.

For the 3D printing industry, the study's more provocative finding is the 80 percent flaw rate in AI-generated models from a leading generative system. As text-to-3D tools race toward consumer products, InstructMesh makes the case that generation alone is not enough — verification and repair have to ship in the same box.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →