ოდესმე გქონიათ იდეა რაიმე ნივთზე, რომელიც მაგარი ჩანდა, მაგრამ პრაქტიკაში არ იმუშავებდა? როდესაც საქმე დეკორისა და პირადი აქსესუარების მსგავსი ნივთების დიზაინს ეხება, გენერაციული ხელოვნური ინტელექტის (genAI) მოდელებს შეუძლიათ ამის გაგება. მათ შეუძლიათ შექმნან კრეატიული და დახვეწილი 3D დიზაინები, მაგრამ როდესაც ცდილობთ ასეთი გეგმების რეალურ ობიექტებად ქცევას, ისინი, როგორც წესი, ვერ უძლებენ ყოველდღიურ გამოყენებას. ძირითადი პრობლემა ის არის, რომ genAI მოდელებს ხშირად აკლიათ ფიზიკის გაგება. მიუხედავად იმისა, რომ Microsoft-ის TRELLIS სისტემის მსგავსი ინსტრუმენტებს შეუძლიათ 3D მოდელის შექმნა ტექსტური მოთხოვნიდან ან გამოსახულებიდან, სკამის მისი დიზაინი, მაგალითად, შესაძლოა არამდგრადი იყოს, ან ჰქონდეს გაწყვეტილი ნაწილები. მოდელი სრულად არ ესმის, რისთვის არის შექმნილი თქვენი განზრახული ობიექტი, ამიტომ, მაშინაც კი, თუ თქვენი სავარძელი 3D პრინტერით დაიბეჭდება, ის, სავარაუდოდ, დაიშლება ვინმეს დაჯდომის ძალის ქვეშ. იმის მცდელობით, რომ ეს დიზაინები რეალურ სამყაროში იმუშაოს, მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) კომპიუტერული მეცნიერებისა და ხელოვნური ინტელექტის ლაბორატორიის (CSAIL) მკვლევრები გენერაციულ AI მოდელებს რეალობის შემოწმებას უტარებენ. მათი „PhysiOpt“ სისტემა ამ ინსტრუმენტებს ფიზიკის სიმულაციებით აძლიერებს, რაც პირადი ნივთების, როგორიცაა ჭიქები, გასაღების დამჭერები და წიგნის საყრდენები, გეგმებს აქცევს ისე, რომ ისინი გამართულად მუშაობენ 3D დაბეჭდვისას. ის სწრაფად ამოწმებს, არის თუ არა თქვენი 3D მოდელის სტრუქტურა სიცოცხლისუნარიანი, ნაზად ცვლის მცირე ზომის ფორმებს, ამასთანავე უზრუნველყოფს დიზაინის საერთო იერსახისა და ფუნქციის შენარჩუნებას. თქვენ შეგიძლიათ უბრალოდ აკრიფოთ, რისი შექმნა გსურთ და რისთვის იქნება ის გამოყენებული PhysiOpt-ში, ან ატვირთოთ სურათი სისტემის მომხმარებლის ინტერფეისში, და დაახლოებით ნახევარ წუთში მიიღებთ რეალისტურ 3D ობიექტს დასამზადებლად. მაგალითად, CSAIL-ის მკვლევრებმა მას სთხოვეს „ფლამინგოს ფორმის სასმელი ჭიქის“ გენერირება, რომელიც მათ 3D პრინტერით დაბეჭდეს სახელურითა და ძირით, რომელიც ტროპიკული ფრინველის ფეხს ჰგავს. დიზაინის გენერირებისას, PhysiOpt-მა მცირე დახვეწები შეიტანა იმის უზრუნველსაყოფად, რომ დიზაინი სტრუქტურულად გამართული იყო. „PhysiOpt აერთიანებს GenAI-ს და ფიზიკაზე დაფუძნებულ ფორმის ოპტიმიზაციას, რაც ეხმარება თითქმის ყველას, შექმნას მათთვის სასურველი დიზაინები უნიკალური აქსესუარებისა და დეკორაციებისთვის“, – ამბობს MIT-ის ელექტროინჟინერიისა და კომპიუტერული მეცნიერების (EECS) დოქტორანტი და CSAIL-ის მკვლევარი Xiao Sean Zhan SM ’25, რომელიც არის ნაშრომის თანაავტორი. „ეს არის ავტომატური სისტემა, რომელიც საშუალებას გაძლევთ, ფორმა ფიზიკურად დასამზადებლად ვარგისი გახადოთ, მოცემული შეზღუდვების გათვალისწინებით. PhysiOpt-ს შეუძლია თავისი შემოქმედების გამეორება იმდენჯერ, რამდენჯერაც გსურთ, ყოველგვარი დამატებითი წვრთნის გარეშე.“ ეს მიდგომა საშუალებას გაძლევთ შექმნათ „ჭკვიანი დიზაინი“, სადაც AI გენერატორი ქმნის თქვენს ნივთს მომხმარებლის სპეციფიკაციების საფუძველზე, ფუნქციონალურობის გათვალისწინებით. თქვენ შეგიძლიათ ჩართოთ თქვენი საყვარელი 3D გენერაციული AI მოდელი და, რისი გენერირებაც გსურთ, აკრეფის შემდეგ მიუთითოთ, რა ძალას ან წონას უნდა გაუძლოს ობიექტმა. ეს არის რეალური სამყაროს გამოყენების სიმულაციის მოხერხებული გზა, მაგალითად, იმის პროგნოზირება, იქნება თუ არა კაუჭი საკმარისად ძლიერი, რომ თქვენი ქურთუკი დაიჭიროს. მომხმარებლები ასევე აზუსტებენ, რა მასალებით დაამზადებენ ნივთს (როგორიცაა პლასტმასი ან ხე) და როგორ იქნება ის დამაგრებული – მაგალითად, ჭიქა დგას მიწაზე, ხოლო წიგნის საყრდენი ეყრდნობა წიგნების კოლექციას. მოცემული სპეციფიკის გათვალისწინებით, PhysiOpt იწყებს ობიექტის თანმიმდევრულ ოპტიმიზაციას. შიგნიდან, ის აწარმოებს ფიზიკის სიმულაციას, რომელსაც „საბოლოო ელემენტების ანალიზი“ (finite element analysis) ეწოდება, დიზაინის გამძლეობის შესამოწმებლად. ეს ყოვლისმომცველი სკანირება გთავაზობთ სითბურ რუკას თქვენს 3D მოდელზე, რომელიც მიუთითებს, თუ სად არის თქვენი გეგმა არასაკმარისად მხარდაჭერილი. თუ თქვენ აგენერირებდით, ვთქვათ, ფრინველის სახლს, შესაძლოა აღმოაჩინოთ, რომ სახლის ქვეშ არსებული საყრდენი სხივები კაშკაშა წითლად იყო შეფერილი, რაც ნიშნავს, რომ სახლი დაიშლება, თუ ის არ იქნება გამაგრებული. PhysiOpt-ს შეუძლია შექმნას კიდევ უფრო თამამი ნამუშევრები. მკვლევრებმა ეს მრავალფეროვნება პირადად იხილეს, როდესაც დაამზადეს სტიმპანკის (სტილი, რომელიც აერთიანებს ვიქტორიანულ და ფუტურისტულ ესთეტიკას) გასაღების დამჭერი, რომელიც გამოირჩეოდა რთული, რობოტული შესახედაობის კაუჭებით, და „ჟირაფის მაგიდა“ ბრტყელი ზურგით, რომელზეც ნივთების განთავსება შეგიძლიათ. მაგრამ როგორ იცოდა მან რა არის „სტიმპანკი“, ან როგორ უნდა გამოიყურებოდეს ასეთი უნიკალური ავეჯის ნაწილი? აღსანიშნავია, რომ პასუხი არ არის ვრცელი წვრთნა — ყოველ შემთხვევაში, არა მკვლევრების მხრიდან. სამაგიეროდ, PhysiOpt იყენებს წინასწარ გაწვრთნილ მოდელს, რომელსაც უკვე ნანახი აქვს ათასობით ფორმა და ობიექტი. „არსებული სისტემები ხშირად საჭიროებენ უამრავ დამატებით წვრთნას იმისათვის, რომ ჰქონდეთ სემანტიკური გაგება იმისა, რისი ხილვაც გსურთ“, – დასძენს თანაავტორი Clément Jambon, რომელიც ასევე არის MIT EECS-ის დოქტორანტი და CSAIL-ის მკვლევარი. „მაგრამ ჩვენ ვიყენებთ მოდელს, რომელსაც უკვე აქვს ჩადებული იმის შეგრძნება, რისი შექმნა გსურთ, ამიტომ PhysiOpt არის წვრთნისგან თავისუფალი.“ წინასწარ გაწვრთნილ მოდელთან მუშაობით, PhysiOpt-ს შეუძლია გამოიყენოს „ფორმის პრიორები“, ანუ ცოდნა იმის შესახებ, თუ როგორ უნდა გამოიყურებოდეს ფორმები ადრეული წვრთნის საფუძველზე, რათა შექმნას ის, რისი ხილვაც მომხმარებლებს სურთ. ეს რაღაცნაირად ჰგავს მხატვარს, რომელიც ცნობილი მხატვრის სტილს ხელახლა ქმნის. მათი ექსპერტიზა დაფუძნებულია მრავალფეროვანი მხატვრული მიდგომების გულდასმით შესწავლაზე.