3D ပုံနှိပ်စက်အတွက် ဖန်ခွက်ကို ဒီဇိုင်းထုတ်ရန် မျိုးဆက်သစ် AI စနစ်အား တောင်းဆိုပါက သင့်ကော်ဖီမကိုင်နိုင်သော ချောမောသော ခွက်တစ်လုံးကို သင်ရရှိလိမ့်မည်ဖြစ်သည်။ MIT ၏ Computer Science and Artificial Intelligence Laboratory (CSAIL) မှ သုတေသီများသည် Google နှင့် Northeastern University တို့နှင့် ပူးပေါင်းဆောင်ရွက်ကာ မည်သူ့ကိုမဆို — ကျွမ်းကျင်သူ သို့မဟုတ် အတွေ့အကြုံမရှိသေးသူများ — AI မှထုတ်လုပ်ထားသော 3D မော်ဒယ်များကို ပြုပြင်ပြီး ၎င်းတို့ကို အမှန်တကယ် ရည်ရွယ်ထားသည့်အတိုင်း ပုံဖော်ဖန်တီးထားသည့် InstructMesh ၊ ဒီဇိုင်းစနစ်တစ်ခု တည်ဆောက်ခဲ့ကြောင်း MIT News မှ သိရသည်။

ပြဿနာ InstructMesh ပစ်မှတ်များသည် ယနေ့ခေတ် မျိုးဆက်သစ်မော်ဒယ်များ အလုပ်လုပ်ပုံအတွက် အခြေခံဖြစ်သည်။ AI စနစ်များသည် အရာဝတ္တုတစ်ခု၏ပုံသဏ္ဍာန်ကို မည်သို့မြင်ရမည်ကို နားလည်သော်လည်း ၎င်းသည် မည်သို့အလုပ်လုပ်သည်ကို နားမလည်ဘဲ၊ အရာတစ်ခု၏ ရည်ရွယ်အသုံးပြုမှုကို ထိခိုက်စေမည့် လက်တွေ့မကျသော ဒီဇိုင်းများကို ထုတ်လုပ်ပေးသည်။ သုံးစွဲသူများသည် အမှားအယွင်းကိုတွေ့သောအခါတွင်ပင်၊ အထူးသဖြင့် 3D ဒီဇိုင်းအသစ်ပြုလုပ်သူများအတွက် 3D မော်ဒယ်များသည် ပုံမှန်အားဖြင့် တည်းဖြတ်ရန်ခက်ခဲပါသည်။ 2026 ခုနှစ် အောက်တိုဘာလ 1 ရက်နေ့တွင် MIT News မှကြေငြာခဲ့သော InstructMesh သည် ဒီဇိုင်းများပုံသဏ္ဌာန်နှင့် အသုံးပြုသူများပြုလုပ်လိုသည့် တည်းဖြတ်မှုများနှစ်ခုလုံးကို နားလည်စေရန် ဒီဇိုင်းထုတ်ထားသည့် AI-driven interface တစ်ခုဖြစ်ပြီး သင်အမှာစာနှင့် သင်ရိုက်နှိပ်သည့်အရာကြားကွာဟချက်ကိုပိတ်စေသည်။ နောက်ဆုံးပေါ် AI ဖွံ့ဖြိုးတိုးတက်မှုများ ကို ခြေရာခံသည့်အဖွဲ့များအတွက် ၎င်းသည် ရဲတပ်ဖွဲ့၏မျိုးဆက်သစ် AI ၏ကိုယ်ပိုင်အမှားများအတွက် အသုံးပြုနေသည့် မျိုးဆက်သစ် AI ၏ရှားပါးဥပမာတစ်ခုဖြစ်သည်။

InstructMesh အလုပ်လုပ်ပုံ

InstructMesh သည် ChatGPT နောက်ကွယ်ရှိ ကြီးမားသောဘာသာစကားပုံစံ GPT-4 ဖြင့် 3D မော်ဒယ်များကို စာသားနှင့်ရုပ်ပုံသတိပေးချက်များမှထုတ်လုပ်ပေးသည့် Microsoft ၏ TRELLIS စနစ်ဖြင့် ချိတ်ဆက်ထားသည် — အလုပ်အသွားအလာတစ်ခုတည်းတွင် အမြင်နှင့် စာသားအသိပညာကို ပေါင်းစပ်ထားသည်။ အသုံးပြုသူတစ်ဦးသည် မျက်မှန်တစ်ရံအတွက် 3D ဒီဇိုင်းကို ဖန်တီးရန် စနစ်အား နှိုးဆော်နိုင်ပြီး၊ ထို့နောက် မပုံနှိပ်မီ ၎င်းတို့ သန့်စင်လိုသော အသေးစိတ်ပုံစံ၏ အစိတ်အပိုင်းများကို မီးမောင်းထိုးပြနိုင်သည်။

"ကျွန်ုပ်တို့သည် 3D ဂျင်နရေတာများ၏ အရည်အချင်းများနှင့် LLM များ၏ ကျိုးကြောင်းဆင်ခြင်ခြင်းစွမ်းရည်များကို လူများ အမှန်တကယ်လိုချင်သည့် အရာများပြုလုပ်ရန်အတွက် အပြန်အလှန်အကျိုးပြုသည့်နေရာတစ်ခုတွင် စုစည်းပေးလိုပါသည်" ဟု ပရောဂျက်ကိုတင်ပြသည့် စာတမ်းတွင် ဦးဆောင်စာရေးဆရာ Faraz Faruqi မှ မကြာသေးမီက MIT EECS ဘွဲ့ရနှင့် CSAIL တွဲဖက်လုပ်ကိုင်သူ Google မှ ပြောကြားခဲ့သည်။

Manipulation သည် Generative Model ၏ ငုပ်လျှိုးနေသောနေရာ၌ ဖြစ်ပေါ်သည်- အသုံးပြုသူများသည် ပြဿနာများကို သဘာဝဘာသာစကားဖြင့် ဖော်ပြကြပြီး InstructMesh သည် အသုံးပြုသူအား အကဲဖြတ်ရန်နှင့် အတည်ပြုရန်အတွက် ဂျီသြမေတြီအား အဓိပ္ပာယ်ပြန်ဆိုနိုင်သောပြောင်းလဲမှုများကို ပြုလုပ်ပေးပါသည်။ ဆလိုက်ဒါများသည် မော်ဒယ်၏ အစိတ်အပိုင်းတစ်ခုကို ချဲ့ထွင်ခြင်း သို့မဟုတ် ချဲ့ထွင်ခြင်းကဲ့သို့သော ပြုပြင်ပြောင်းလဲမှုများအတွက် တိကျမှုကို ဖြည့်စွက်သည်။ ရလဒ်အနေနဲ့ Faruqi က "သူတို့မြင်ခဲ့ရတာတွေက သူတို့ရထားတဲ့အရာတွေဖြစ်ပြီး ကြော်ငြာထားတဲ့အတိုင်း အလုပ်ဖြစ်ခဲ့တယ်" ဟုဆိုသည်။

ဒီမိုနောက်ကွယ်ရှိ နံပါတ်များ

အဖွဲ့သည် ကိရိယာကို စနစ်တကျ စမ်းသပ်မှုဖြင့် ထည့်သွင်းခဲ့သည်။ ၎င်းတို့တွင် သန်းပေါင်းများစွာသော ပုံနှိပ်နိုင်သော ဒီဇိုင်းများကို လက်ခံဆောင်ရွက်ပေးသည့် Thingiverse မှ လူကြိုက်များသော 3D မော်ဒယ်များကို TRELLIS တွင် ပြန်လည်ဖန်တီးပေးထားပြီး ထုတ်လုပ်လိုက်သော မော်ဒယ်များ၏ 80 ရာခိုင်နှုန်းနီးပါးသည် တစ်နည်းနည်းဖြင့် ဖွဲ့စည်းတည်ဆောက်ပုံဆိုင်ရာ ချို့ယွင်းချက်ရှိကြောင်း တွေ့ရှိခဲ့သည်။ ထို့နောက် CSAIL သုတေသီများသည် InstructMesh ကို အသုံးပြု၍ အဆိုပါပြဿနာများကို ဖော်ထုတ်ရန်နှင့် ဖြေရှင်းရန် အတွေ့အကြုံမရှိသေးသူများကို တောင်းဆိုခဲ့သည်—နှင့် အသစ်ဝင်လာသူများသည် ကျွမ်းကျင်သူတစ်ဦး၏သုံးသပ်ချက်အရ အချိန်၏ 90 ရာခိုင်နှုန်းခန့်တွင် အောင်မြင်ခဲ့သည်။

ထိုအောင်မြင်မှုနှုန်းသည် CAD လေ့ကျင့်မှု၏ နှစ်များမဟုတ်ဘဲ လုပ်ဆောင်ချက်နှင့်ပတ်သက်သည့် စီရင်ဆုံးဖြတ်ခြင်းဖြစ်သည်ဟု အကြံပြုသောကြောင့် ၎င်းသည် အရေးကြီးပါသည်။ MIT News က “ဒီအသစ်ဝင်လာသူတွေ ကျွမ်းကျင်မှု ချို့တဲ့တာတွေကို သူတို့ ပင်ကိုယ်အားဖြင့် ဖန်တီးထားပါတယ်” ဟု MIT News က ရေးသားထားသည်။

သရုပ်ပြအပိုင်းအစများသည် အပိုင်းအခြားကို ပြသသည်။ InstructMesh သည် နဂါးတစ်ကောင်ဖြင့် ထုပ်ပိုးထားသော မတ်ခွက်တစ်လုံးကို ထုတ်လုပ်ခဲ့ပြီး ၎င်း၏အမြီးသည် လက်ကိုင်ကို ဖန်တီးသည်။ အခွံကဲ့သို့ တောက်ပသော အပြာရောင်ဝီစီ၊ လိပ်ပြာအတောင်ပံများဖြင့် မျက်ကပ်မှန်များ၊ ရေဘဝဲနှင့်တူသော သောက်ရေစင်တစ်ခု၊ စိတ်အားထက်သန်မှုအပြင် MIT မှ သိပ္ပံပညာရှင်များသည် လူနာတစ်ဦး၏ဂျင်းဘောင်းဘီနှင့် လိုက်ဖက်သော ဂျင်းပုံသဏ္ဍာန် ဒူးဆစ်ကြိုးနှင့် ရောင်စုံပုဇွန်ပုံသဏ္ဍာန်ရှိသော "အမွေးအမှင်ဘော့" ကို ဖန်တီးရန် ကိရိယာကို အသုံးပြုကာ လေအားမြှင့်ကစားစရာကဲ့သို့ မျက်နှာပြင်များအနှံ့ ရွေ့လျားနေသော မော်တာအား ဖုံးကွယ်ထားသော စက်ရုပ်အကာအရံတစ်ခုဖြစ်သည်။

##ဘာကြောင့်အရေးကြီးတာလဲ။

Generative AI သည် စာသား၊ ရုပ်ပုံများနှင့် ကုဒ်များကို ပြောင်းလဲထားပြီးဖြစ်သော်လည်း ရုပ်ပိုင်းဆိုင်ရာ တီထွင်ဖန်တီးမှုသည် ခေါင်းမာသော နယ်နိမိတ်တစ်ခုအဖြစ် ကျန်ရှိနေဆဲဖြစ်သည်။ သုတေသနအဖွဲ့သည် ပြဿနာဟောင်းကို ဆော့ဖ်ဝဲလ်နိယာမတစ်ခုဖြင့် ဘောင်ခတ်ထားသည်- "သင်မြင်သောအရာသည် သင်ရရှိသည်" — သင်တည်းဖြတ်သည့်အကြောင်းအရာသည် နောက်ဆုံးထုတ်ကုန်နှင့် တူညီသည့်ပရိုဂရမ်များဖြစ်သည်။ ဖန်ခွက်ကို စိတ်ကူးပုံဖော်သည့် မော်ဒယ်တွင် နံရံအထူ၊ လက်ကိုင်ခိုင်ခံ့မှု သို့မဟုတ် အတွင်းခန်းသည် အရည်များ ထိန်းထားနိုင်ခြင်း ရှိ၊ မရှိ စစ်ဆေးခြင်း မရှိသောကြောင့် မျိုးဆက်သစ် 3D ကိရိယာများသည် ပုံမှန်အတိုင်း ပျက်ပြားသွားပါသည်။ ဖြစ်နိုင်ချေရှိသော ကွက်ကွက်တစ်ခုနှင့် လက်တွေ့ကမ္ဘာနှင့် ထိတွေ့မှုမှ လွတ်မြောက်နိုင်သည့် အရာဝတ္ထုတစ်ခုကြား ကွာဟချက်မှာ သုံးစွဲသူအများစု 3D ပုံနှိပ်စက် ရည်မှန်းချက်များ သေဆုံးသည့်နေရာဖြစ်သည်။

ပြုပြင်မှု အပြန်အလှန်အကျိုးသက်ရောက်ပြီး ဘာသာစကားဖြင့်မောင်းနှင်ခြင်းဖြင့်၊ InstructMesh သည် AI-အကူအညီဖြင့်ပြုလုပ်ခြင်း၏နောက်ဆုံးမိုင်ပြဿနာကိုတိုက်ခိုက်သည်။ စနစ်သည် ပရော်ဖက်ရှင်နယ် 3D ကိရိယာများတွင် နက်ရှိုင်းသော ဒိုမိန်းကျွမ်းကျင်မှုများ လိုအပ်သည့် စံပြလုပ်ငန်းစဉ်ကို ငြမ်းဆင်ကာ၊ အမှားအယွင်းများကို သဘာဝဘာသာစကားဖော်ပြချက်များနှင့် မီနူးများနှင့် မွမ်းမံပြင်ဆင်မှုများကို အစားထိုးကာ ကောင်းမွန်သော ချိန်ညှိမှုများအတွက် ဆလိုက်ဒါများ။ ဒီဇိုင်းများသည် လက်တွေ့ဖြစ်လာရန် ကျွမ်းကျင်သူမလိုအပ်တော့ဘဲ MIT ၏ လေ့လာမှုတွင် ကျွမ်းကျင်သူများ၏ သုံးသပ်ချက်က ပြုပြင်မှုများသည် အလှပြင်ခြင်းမဟုတ်ကြောင်း အကြံပြုသည် — အတွေ့အကြုံမရှိသေးသောလက်များမှတစ်ဆင့် ဖြတ်သန်းသွားသော အရာဝတ္ထုများသည် အသုံးဝင်ပုံများထွက်ပေါ်လာသည်။

သုတေသနအတွက် စီးပွားဖြစ်အမြီးလည်းရှိတယ်။ ယခု Google တွင်ရှိသော Faruqi သည် InstructMesh ကို augmented reality platform တွင်ထည့်သွင်းနိုင်သည် — မျှော်မှန်းချက်မှာ သင့်ပတ်ဝန်းကျင်၏အကြောင်းအရာကိုအသုံးပြု၍ လိုအပ်သည်များကိုရှင်းပြပြီး သင့်ပိုက်ဆံအိတ်နှင့်ကိုက်ညီသောဖုန်းအိတ်ကဲ့သို့ 3D ပရင့်စနစ်က ၎င်းကို လျင်မြန်စွာပုံနှိပ်ပေးမည်ဖြစ်သည်။

3D ပရင့်ထုတ်ခြင်းလုပ်ငန်းအတွက်၊ လေ့လာမှု၏ ပိုမိုဆွဲဆောင်မှုရှိသော တွေ့ရှိချက်မှာ ထိပ်တန်းမျိုးဆက်စနစ်မှ AI ထုတ်ပေးသည့် မော်ဒယ်များတွင် 80 ရာခိုင်နှုန်း ချို့ယွင်းချက်နှုန်းဖြစ်သည်။ စာသားမှ 3D ကိရိယာများသည် စားသုံးသူထုတ်ကုန်များဆီသို့ ပြိုင်ဆိုင်နေသဖြင့် InstructMesh သည် မျိုးဆက်တစ်ခုတည်းနှင့် မလုံလောက်ကြောင်း—အတည်ပြုခြင်းနှင့် ပြုပြင်ခြင်းတို့ကို တူညီသောသေတ္တာတွင် ပို့ဆောင်ရမည်ဖြစ်သည်။

---

AI ၏ရှေ့တွင်နေရန်

နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →