איך משלבים בינה מלאכותית עם פיזיקה כדי לעצב פריטים אישיים?

על-פי דיווח על כיוון מחקרי חדש, חוקרים ב-MIT מציגים גישה שמנסה לפתור את אחת הבעיות המתסכלות בעידן היצירה בעזרת בינה מלאכותית: מודלים גנרטיביים יכולים להמציא צורות תלת ממד מרשימות, אבל כשהן יורדות לעולם האמיתי, בדמות הדפסה בתלת ממד או ייצור, הן נוטות להישבר, להתנדנד או לכלול חלקים מנותקים שלא ישרדו שימוש יומיומי.

כשהדמיון פוגש את כוח המשיכה

כלים גנרטיביים מסוגלים לייצר 'כיסא עתידני' או 'מתלה מפתחות' מתוך טקסט או תמונה, אך במקרים רבים הם לא מבינים מה המשמעות של יציבות, עומס או נקודות תמיכה. התוצאה דומה לרישום שנראה יפה אך אינו הנדסי. האובייקטים שנראים נכון על המסך, אינם מצליחים לעמוד תחת משקל, לחץ או שימוש חוזר. בעולם שבו יותר אנשים נכנסים לייצור מבוזר, מדפסות תלת ממד ביתיות, פלטפורמות עיצוב ושירותי הדפסה לפי דרישה, הפער הזה הופך לחסם ממשי.

PhysiOpt: “בדיקת מציאות” לעיצוב גנרטיבי

במעבדת CSAIL של MIT פיתחו את PhysiOpt- מערכת שמחברת בין מודלים גנרטיביים תלת ממדיים לבין סימולציות פיזיקליות. החוקרים המרכזיים הם הדוקטורנטים שיאו שון ז'אן (Xiao Sean Zhan) וקלמנט ז׳מבון (Clément Jambon), יחד עם קני נג (Kenney Ng) תחת הנחייתה של הפרופסור מינה קונאקוביץ׳ לוקוביץ׳ (Mina Konaković Luković).

PhysiOpt מאפשר למשתמש להקליד מה שהוא מבקש ליצור ומה השימוש המיועד, או לחלופין להעלות תמונה, ואז לקבל בתוך כשלושים שניות מודל תלת-ממדי 'מציאותי' יותר מבחינה הנדסית. הדגש הוא לא על שינוי דרמטי של המראה, אלא על תיקונים עדינים במבנה כך שהפריט ישמור על האסתטיקה המקורית אך יהיה עמיד. בדוגמה שהחוקרים מתארים, יצירת “כוס שתייה בצורת פלמינגו” עברה התאמות זעירות כדי להבטיח ידית ובסיס יציבים מספיק לשימוש.

איך זה עובד מתחת למכסה המנוע

לב המערכת הוא ניתוח אלמנטים סופיים (Finite Element Analysis), שיטה הנדסית שמחשבת מאמצים ועיוותים במבנים ומייצרת מעין “מפת חום” שמסמנת אזורי חולשה. המשתמש מגדיר עומסים צפויים, חומר (למשל פלסטיק או עץ) ואופן תמיכה, למשל כוס שעומדת על משטח מול מדף ספרים שנלחץ אל ספרים אחרים. לאחר מכן המערכת מריצה איטרציות של אופטימיזציה לצורה עד שהיא עומדת במגבלות.

אחד החידושים המשמעותיים, לפי החוקרים, הוא שהמערכת נשענת על מודל מאומן מראש שמכיל ידע נרחב על צורות, ולכן אינה מצריכה אימון נוסף עבור כל משימה. הדבר מאפשר לשמור על משמעות סגנונית ובו-בזמן לתקן לפי הצורך ההנדסי. החוקרים אף מציינים השוואה לשיטה דומה בשם DiffIPC, שבה PhysiOpt הייתה מהירה כמעט פי 10 בכל איטרציה והפיקה אובייקטים שנראו מציאותיים יותר.

למה זה חשוב לתעשייה ולטרנד העולמי

המשמעות היא צעד נוסף בדרך מפרומפט לאובייקט שימושי. פריטים אישיים, אביזרים לבית, עיצוב פנים ואפילו ריהוט קטן יכולים להפוך לנגישים לקהל רחב בלי ידע הנדסי עמוק, תוך צמצום פסילות בהדפסה ובזבוז חומר וזמן. בהמשך, החוקרים שואפים להפוך את המערכת לאוטונומית יותר גם בהסקת עומסים ומגבלות, למשל באמצעות מודלי ראיית-שפה, ולשפר את המודעות הפיזיקלית של המודל כדי למנוע חלקיקים אקראיים ובלתי-רצויים שמופיעים לעיתים במודלים. בנוסף, נבחנת התאמה למגבלות ייצור נוספות, כמו הפחתת בליטות ותליות שמקשות על הדפסת תלת-ממד.

בסביבה שבה בינה מלאכותית משנה את הדרך שבה אנשים מעצבים ומייצרים, PhysiOpt מסמנת מגמה ברורה- מעבר מכלי יצירה שמייצרים תמונות או צורות יפות, לכלי תכנון שמותאמים לתפקד בעולם האמיתי.