Попросіть генеративну систему штучного інтелекту розробити кухоль для 3D-друку, і ви, швидше за все, отримаєте гарну чашку, яка не вміщує вашої кави. Дослідники з Лабораторії комп’ютерних наук і штучного інтелекту Массачусетського технологічного інституту (CSAIL), які співпрацюють з Google і Північно-східним університетом, створили інструмент, щоб виправити саме це: InstructMesh, систему проектування, яка дозволяє будь-кому — експерту чи зовсім новачкові — відновлювати 3D-моделі, створені штучним інтелектом, і виготовляти їх так, як вони насправді задумали, повідомляє MIT News.
Проблема, на яку націлена InstructMesh, є фундаментальною для роботи сучасних генеративних моделей. Системи штучного інтелекту розуміють, як має виглядати об’єкт, але не розуміють, як він працює, що створює непрактичні конструкції, які підривають цільове використання об’єкта. І навіть коли користувачі помічають недолік, 3D-моделі, як правило, важко редагувати, особливо для тих, хто новачок у 3D-дизайні. InstructMesh, анонсований Массачусетським технологічним інститутом News 1 жовтня 2026 року, — це інтерфейс на основі штучного інтелекту, розроблений для розуміння того, як має виглядати дизайн і які зміни хочуть внести користувачі, усуваючи розрив між тим, що ви підказуєте, і тим, що друкуєте. Для команд, які відстежують [останні розробки ШІ] (https://aibuzzwire.news), це рідкісний приклад використання генеративного ШІ для контролю за власними помилками генеративного ШІ.
Як працює InstructMesh
InstructMesh поєднує систему TRELLIS від Microsoft, яка створює 3D-моделі з текстових і графічних підказок, із GPT-4, великою мовною моделлю ChatGPT, поєднуючи візуальні та текстові знання в одному робочому процесі. Користувач може запропонувати системі створити 3D-дизайн, скажімо, пари окулярів, а потім виділити конкретні частини креслення, які він хоче вдосконалити перед друком.
«Ми хотіли об’єднати таланти 3D-генераторів і навички логічного мислення магістрів права в інтерактивному просторі, щоб створювати об’єкти, які дійсно потрібні людям», — сказав Фараз Фарукі, провідний автор документу, який представляє проект, нещодавно закінчив MIT EECS і є філією CSAIL, який зараз працює в Google.
Маніпуляції відбуваються в прихованому просторі генеративної моделі: користувачі описують проблеми природною мовою, а InstructMesh створює інтерпретаційні зміни геометрії для оцінки та затвердження користувачем. Повзунки додають точність для таких налаштувань, як збільшення або екструдування певної частини моделі. У результаті, за словами Фарукі, «те, що вони побачили, те й отримали, і предмети працювали, як рекламувалося».
Числа за демонстрацією
Команда провела структурований тест інструменту. Вони доручили TRELLIS відтворити популярні 3D-моделі з Thingiverse, платформи, що містить мільйони друкованих дизайнів, і виявили, що майже 80 відсотків згенерованих моделей мали певні структурні недоліки. Потім дослідники CSAIL попросили новачків виявити та виправити ці проблеми за допомогою InstructMesh — і новачки досягли успіху в обох випадках приблизно в 90 відсотків часу, як перевірив експерт.
Цей показник успіху має значення, оскільки він свідчить про те, що навички, які надає InstructMesh, — це оцінка функцій, а не роки навчання САПР. «Те, чого цим новачкам бракувало досвіду, вони компенсували інтуїцією», як висловилися в MIT News.
Демонстраційні вироби демонструють асортимент. InstructMesh створив кухоль, оточений драконом, хвіст якого утворює ручку; блискучий блакитний свисток у формі мушлі; окуляри з розпущеними над лінзами крилами метелика; і дозатор напоїв, схожий на восьминога, щупальця якого наливаються в окрему чашку. Окрім химерності, вчені Массачусетського технологічного інституту використали цей інструмент, щоб виготовити джинсовий наколінник, який пасував би до джинсів пацієнта, і кольоровий «бот із щетиною» у формі креветки — корпус робота, у якому прихований двигун, який рухає пристрій поверхнями, як заводну іграшку.
Чому це важливо
Генеративний штучний інтелект вже трансформував текст, зображення та код, але фізичне виготовлення залишається впертим кордоном. Дослідницька група формулює проблему за допомогою старого програмного принципу: «що ви бачите, те й отримуєте» — програми, у яких вміст, який ви редагуєте, виглядає так само, як кінцевий продукт. Генеративні 3D-інструменти порушують цю обіцянку, тому що модель, яка представляє кухоль, не має внутрішньої перевірки товщини стінок, міцності ручки або того, чи може внутрішня частина взагалі утримувати рідину. Розрив між правдоподібною на вигляд сіткою та об’єктом, який витримує контакт із реальним світом, є місцем, де вмирають амбіції більшості споживачів щодо 3D-друку.
Роблячи ремонт інтерактивним і керованим мовою, InstructMesh атакує проблему останньої милі створення за допомогою ШІ. Система створює каркаси для процесу моделювання, який раніше вимагав глибокого досвіду професійних 3D-інструментів, замінюючи меню та модифікатори на описи несправностей природною мовою та повзунки для точного коригування. Проекти більше не потребують експертів, щоб стати реальними, і експертиза в дослідженні Массачусетського технологічного інституту припускає, що виправлення не є косметичними — об’єкти, які проходили через руки початківців, виявилися функціональними.
У дослідження також є комерційний хвіст. Фарукі, який зараз працює в Google, може включити InstructMesh у платформу доповненої реальності — бачення полягає в тому, що ви пояснюєте, що вам потрібно, використовуючи контекст вашого оточення, а система швидко друкує це в 3D, як чохол для телефону, який підходить до вашого гаманця.
Для індустрії 3D-друку більш провокативним висновком дослідження є 80-відсотковий рівень помилок у моделях, згенерованих ШІ від провідної генеративної системи. Оскільки інструменти для перетворення тексту в 3D стрімко розвиваються до споживчих продуктів, InstructMesh доводить, що одного лише генерування недостатньо — перевірка та ремонт повинні поставлятися в одній коробці.
---
Будьте попереду ШІОтримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
