Escrito por Alex Chips | MIT CSAIL | Noticias del MIT
¿Alguna vez ha tenido una idea para algo que sonaba genial, pero que no funcionaría en la práctica? Cuando se trata de diseñar cosas como decoración y accesorios personales, los modelos de inteligencia artificial generativa (genAI) pueden ser relevantes. Pueden producir diseños 3D creativos y elaborados, pero cuando se intenta fabricar esos planos y convertirlos en objetos del mundo real, normalmente no soportan el uso diario.
El problema fundamental es que los modelos genéticos de IA a menudo carecen de conocimientos de física. Mientras que herramientas como Microsoft enrejado El sistema puede crear un modelo 3D a partir de un mensaje de texto o una imagen, y su diseño para una silla, por ejemplo, puede ser inestable o tener partes separadas. El modelo no comprende completamente para qué está diseñado el objeto previsto, por lo que incluso si su asiento pudiera imprimirse en 3D, probablemente colapsaría bajo la fuerza de alguien sentado.
En un esfuerzo por hacer que estos diseños funcionen en el mundo real, los investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT están probando los modelos generativos de IA en el mundo real. Su sistema “PhysiOpt” mejora estas herramientas con simulaciones físicas, haciendo que los contornos de artículos personales como tazas, llaveros y sujetalibros funcionen según lo previsto cuando se imprimen en 3D. Prueba rápidamente si la estructura de su modelo 3D es viable, modificando suavemente formas más pequeñas y garantizando al mismo tiempo que se mantenga la apariencia general y la funcionalidad del diseño.
Simplemente puede escribir lo que desea crear y para qué se utilizará en PhysiOpt, o cargar una imagen en la interfaz de usuario del sistema, y en aproximadamente medio minuto tendrá un objeto 3D realista para fabricar. Por ejemplo, los investigadores de CSAIL la animaron a crear un “vaso de flamenco”, en el que imprimieron en 3D un vaso con un mango y una base que se parecía a la pata de un ave tropical. Mientras creaba el diseño, PhysiOpt realizó pequeñas mejoras para garantizar que el diseño fuera estructuralmente sólido.
“PhysiOpt combina GenAI con la optimización de la forma física, ayudando a casi cualquier persona a crear los diseños que desea para accesorios y decoraciones únicos”, dice Xiao Xun Zhan SM, estudiante de doctorado en Ingeniería Eléctrica e Informática (EECS) en el Instituto Tecnológico de Massachusetts (MIT) e investigador en CSAIL. papel Enviar trabajo. “Es un sistema automatizado que permite crear una forma físicamente fabricable, sujeta a algunas limitaciones. PhysiOpt puede repetir sus creaciones tanto como quiera, sin necesidad de formación adicional”.
Este enfoque le permite crear un “diseño inteligente”, en el que un creador de IA elabora su artículo según las especificaciones de los usuarios, teniendo en cuenta la funcionalidad. Puede conectar su modelo de IA generativa 3D favorito y, después de escribir lo que desea crear, puede especificar cuánta fuerza o peso tendrá que soportar el objeto. Es una excelente manera de simular el uso en el mundo real, como predecir si un gancho será lo suficientemente fuerte como para sostener su abrigo. Los usuarios también especifican con qué material fabricarán el artículo (como plástico o madera) y cómo se apoyará; por ejemplo, una taza se apoya en el suelo, mientras que el final de un libro descansa sobre una pila de libros.
Dados los detalles, PhysiOpt comienza a mejorar el objeto de forma iterativa. Debajo del capó, se ejecuta una simulación física llamada “análisis de elementos finitos” para probar el diseño. Este escaneo completo proporciona un mapa de calor en su modelo 3D, que indica dónde su diseño no es compatible. Si está construyendo una pajarera, por ejemplo, es posible que las vigas de soporte en la parte inferior de la casa sean de color rojo brillante, lo que significa que la casa colapsará si no se refuerza.
PhysiOpt puede crear piezas más atrevidas. Los investigadores vieron esta diversidad de primera mano cuando crearon un llavero Steampunk (un estilo que combina la estética victoriana y futurista) que presenta ganchos intrincados de aspecto robótico y una “mesa de jirafa” de respaldo plano en la que se pueden colocar objetos. Pero, ¿cómo supiste qué era el “steampunk” o cómo debería ser este mueble único?
Curiosamente, la respuesta no está en la formación intensiva, al menos no por parte de los investigadores. En cambio, PhysiOpt utiliza un modelo previamente entrenado que ya ha visto miles de formas y objetos. “Los sistemas existentes a menudo necesitan mucha formación adicional para obtener una comprensión semántica de lo que quieren ver”, añade el coautor principal Clement Jambon, que también es estudiante de doctorado en MIT EECS e investigador en CSAIL. “Pero utilizamos un modelo que transmite la sensación de lo que realmente se desea crear, por lo que PhysiOpt no requiere capacitación”.
Al trabajar con un modelo previamente entrenado, PhysiOpt puede utilizar “principios de forma”, o saber cómo deberían verse las formas según un entrenamiento previo, para generar lo que los usuarios quieren ver. Es como un artista recreando el estilo de un pintor famoso. Su experiencia se basa en el estudio de cerca de una variedad de estilos artísticos, por lo que es probable que puedan reflejar esa estética particular. Asimismo, la familiaridad del modelo previamente entrenado con las formas le ayuda a crear modelos 3D.
Los investigadores de CSAIL señalaron que el conocimiento visual de PhysiOpt le ayudó a crear modelos 3D de manera más eficiente que “DifIPC“, un método comparable que simula y mejora formas. Cuando a ambos métodos se les asignó la tarea de crear diseños 3D para elementos como sillas, el sistema CSAIL fue aproximadamente 10 veces más rápido por iteración, mientras creaba objetos más realistas.
PhysiOpt ofrece un puente potencial entre pensamientos personales y elementos del mundo real. Lo que podría pensar que es una gran idea para una taza de café, por ejemplo, pronto podría pasar de la pantalla de su computadora a su escritorio. Si bien PhysiOpt ya realiza pruebas de estrés para los diseñadores, es posible que pronto pueda predecir restricciones como cargas y límites, en lugar de que los usuarios tengan que proporcionar esos detalles. Este enfoque más independiente y de sentido común se puede lograr incorporando modelos de lenguaje visual, que combinan la comprensión del lenguaje humano y la visión por computadora.
Además, Zhan y Jambon tienen la intención de eliminar artefactos o partes aleatorias que a veces aparecen en los modelos PhysiOpt 3D, haciendo que el sistema sea más consciente de la física. Los científicos del MIT también están pensando en cómo modelar restricciones más complejas para diferentes técnicas de fabricación, como la reducción de componentes colgantes para la impresión 3D.
Zahn y Gambon escribieron su artículo con el científico investigador principal del Laboratorio de IA Watson del MIT-IBM, Kenney Ng ’89, SM ’90, PhD ’00 y dos colegas de CSAIL: el investigador universitario Evan Thompson y la profesora asistente Mina Konakovich-Lukovich, quien es la investigadora principal del laboratorio.
El trabajo de los investigadores fue apoyado en parte por el Laboratorio de IA Watson del MIT-IBM y Wistron Corp. Presentaron esta investigación en diciembre en la Conferencia y Exposición SIGGRAPH de la Asociación de Maquinaria de Computación sobre Gráficos por Computadora y Tecnologías Interactivas en Asia.
—
Reimpreso con autorización de Noticias del MIT
—
Si cree en el trabajo que hacemos aquí en The Good Men Project, únase a nosotros como miembro premium hoy.
Todos los miembros premium pueden ver The Good Men Project sin anuncios.
¿Necesitas más información? Lista completa de beneficios aquí.
esta publicación Combinando IA generativa con física para crear elementos de personajes que funcionan en el mundo real. apareció primero en El proyecto de los hombres buenos.
