კომპიუტერული დიზაინის (CAD) სისტემები არის გამოცდილი და დადასტურებული ინსტრუმენტები, რომლებიც გამოიყენება მრავალი ფიზიკური ობიექტის შესაქმნელად, რომლებსაც ყოველდღიურად ვიყენებთ. თუმცა, CAD პროგრამული უზრუნველყოფის სრულყოფილად დასაუფლებლად საჭიროა ვრცელი ექსპერტიზა, და ბევრი ინსტრუმენტი მოიცავს ისეთ მაღალ დეტალიზაციას, რომ არ არის მოხერხებული ტვინების შტორმინგისთვის ან სწრაფი პროტოტიპირებისთვის. დიზაინის პროცესის დასაჩქარებლად და არაპროფესიონალებისთვის უფრო ხელმისაწვდომი რომ გამხდარიყო, MIT-ისა და სხვა დაწესებულებების მკვლევრებმა შეიმუშავეს ხელოვნური ინტელექტით (AI) მართვადი რობოტული ასამბლეის სისტემა, რომელიც ადამიანებს საშუალებას აძლევს, ფიზიკური ობიექტები სიტყვებით აღწერით შექმნან. მათი სისტემა იყენებს გენერაციულ AI მოდელს, რათა მომხმარებლის მოთხოვნის საფუძველზე შექმნას ობიექტის გეომეტრიის 3D წარმოდგენა. შემდეგ, მეორე გენერაციული AI მოდელი აანალიზებს სასურველ ობიექტს და ადგენს, თუ სად უნდა განთავსდეს სხვადასხვა კომპონენტი, ობიექტის ფუნქციისა და გეომეტრიის მიხედვით. სისტემას შეუძლია ავტომატურად ააწყოს ობიექტი წინასწარ დამზადებული ნაწილებისგან რობოტული ასამბლეის გამოყენებით. მას ასევე შეუძლია დიზაინის განახლება მომხმარებლის უკუკავშირის საფუძველზე. მკვლევრებმა ეს ყოვლისმომცველი სისტემა გამოიყენეს ავეჯის, მათ შორის სკამებისა და თაროების, დასამზადებლად ორი ტიპის წინასწარ დამზადებული კომპონენტისგან. კომპონენტების დაშლა და ხელახლა აწყობა შესაძლებელია სურვილისამებრ, რაც ამცირებს წარმოების პროცესში წარმოქმნილ ნარჩენების რაოდენობას. მათ შეაფასეს ეს დიზაინები მომხმარებელთა კვლევის მეშვეობით და აღმოაჩინეს, რომ მონაწილეთა 90 პროცენტზე მეტმა უპირატესობა მიანიჭა მათი AI-ით მართვადი სისტემის მიერ შექმნილ ობიექტებს, სხვა მიდგომებთან შედარებით. მიუხედავად იმისა, რომ ეს ნამუშევარი საწყისი დემონსტრაციაა, ეს ჩარჩო განსაკუთრებით გამოსადეგი შეიძლება იყოს რთული ობიექტების, როგორიცაა საჰაერო კოსმოსური კომპონენტები და არქიტექტურული ობიექტები, სწრაფი პროტოტიპირებისთვის. გრძელვადიან პერსპექტივაში, ის შეიძლება გამოყენებულ იქნას სახლებში ავეჯის ან სხვა ობიექტების ადგილობრივად დასამზადებლად, ცენტრალური დაწესებულებიდან მოცულობითი პროდუქტების ტრანსპორტირების საჭიროების გარეშე. „ადრე თუ გვიან, ჩვენ გვსურს, რომ შევძლოთ რობოტთან და AI სისტემასთან კომუნიკაცია ისევე, როგორც ერთმანეთთან ვსაუბრობთ, რათა ერთად შევქმნათ ნივთები. ჩვენი სისტემა პირველი ნაბიჯია ამ მომავლისკენ,“ – აცხადებს წამყვანი ავტორი ალექს ქიო, MIT-ის ელექტროინჟინერიისა და კომპიუტერული მეცნიერების (EECS) და არქიტექტურის დეპარტამენტების კურსდამთავრებული სტუდენტი. ქიოსთან ერთად ნაშრომზე მუშაობდნენ რიჩა გუპტა, MIT-ის არქიტექტურის მაგისტრანტი; ფაეზ აჰმედი, მექანიკური ინჟინერიის ასოცირებული პროფესორი; ლორენს სასი, არქიტექტურის დეპარტამენტის კომპიუტერული ჯგუფის პროფესორი და თავმჯდომარე; უფროსი ავტორი რენდელ დევისი, EECS-ის პროფესორი და კომპიუტერული მეცნიერების და ხელოვნური ინტელექტის ლაბორატორიის (CSAIL) წევრი; ასევე სხვები Google Deepmind-დან და Autodesk Research-დან. ნაშრომი ცოტა ხნის წინ წარმოდგენილი იყო ნერვული ინფორმაციის დამუშავების სისტემების კონფერენციაზე. **მრავალკომპონენტიანი დიზაინის გენერირება** მიუხედავად იმისა, რომ გენერაციული AI მოდელები კარგად ქმნიან 3D წარმოდგენებს, ცნობილს როგორც ბადეებს, ტექსტური მოთხოვნებიდან გამომდინარე, უმეტესობა არ წარმოქმნის ობიექტის გეომეტრიის ერთგვაროვან წარმოდგენებს, რომლებსაც აქვთ რობოტული ასამბლეისთვის საჭირო კომპონენტების დონის დეტალები. ამ ბადეების კომპონენტებად დაყოფა მოდელისთვის რთულია, რადგან კომპონენტების მინიჭება დამოკიდებულია ობიექტისა და მისი ნაწილების გეომეტრიასა და ფუნქციონალურობაზე. მკვლევრებმა ამ გამოწვევებს ხედვა-ენის მოდელის (VLM) გამოყენებით გაუმკლავდნენ, რაც არის მძლავრი გენერაციული AI მოდელი, რომელიც გაწვრთნილია სურათებისა და ტექსტის გასაგებად. მათ VLM-ს დაავალეს გაერკვია, თუ როგორ უნდა შეერთებულიყო ორი ტიპის წინასწარ დამზადებული ნაწილი, სტრუქტურული კომპონენტები და პანელური კომპონენტები, ობიექტის შესაქმნელად. „არსებობს მრავალი გზა, თუ როგორ შეგვიძლია პანელების განთავსება ფიზიკურ ობიექტზე, მაგრამ რობოტს სჭირდება გეომეტრიის დანახვა და მისი ანალიზი, რათა მიიღოს გადაწყვეტილება. რობოტის როგორც თვალებისა და ტვინის როლის შესრულებით, VLM რობოტს ამის გაკეთების საშუალებას აძლევს,“ – ამბობს ქიო. მომხმარებელი სისტემას აწვდის ტექსტს, მაგალითად, წერს „დამიმზადე სკამი“ და აწვდის AI-ის მიერ გენერირებულ სკამის გამოსახულებას დასაწყისისთვის. შემდეგ, VLM აანალიზებს სკამს და განსაზღვრავს, თუ სად უნდა განთავსდეს პანელური კომპონენტები სტრუქტურულ კომპონენტებზე, მის მიერ ადრე ნანახი მრავალი მაგალითი ობიექტის ფუნქციონალურობის საფუძველზე. მაგალითად, მოდელს შეუძლია განსაზღვროს, რომ სკამს და საზურგეს უნდა ჰქონდეს პანელები, რათა ადამიანს დასაჯდომად და დასაყრდნობად ჰქონდეს ზედაპირები. ის ამ ინფორმაციას გამოაქვეყნებს ტექსტის სახით, მაგალითად „დასაჯდომი“ ან „საზურგე“. სკამის თითოეული ზედაპირი შემდეგ აღინიშნება ნომრებით და ინფორმაცია უკან მიეწოდება VLM-ს. შემდეგ VLM ირჩევს ეტიკეტებს, რომლებიც შეესაბამება ობიექტის გეომეტრიულ ნაწილებს