Novi AI Agent Uči Koristiti CAD za Kreiranje 3D Objekata iz Skica

Computer-Aided Design (CAD) je najčešći način dizajniranja većine današnjih fizičkih proizvoda. Inženjeri koriste CAD za pretvaranje 2D skica u 3D modele koje zatim mogu testirati i refinisirati prije slanja konačne verzije u proizvodnu liniju. Ali, software je poznat po tome što je teško naučiti, s tisućama naredbi za odabir. Da bi se istaknuli u softwareu, potrebno je ogroman iznos vremena i vještine.

Inženjeri s MIT-a žele olakšati učenje krivulje CAD-a s AI modelom koji koristi CAD software kao čovjek. Daje li se 2D skica objekta, model brzo stvara 3D verziju klikom na gumbe i opcije datoteka, slično tome kako inženjer koristi software.

Tim s MIT-a stvorio je novi skup podataka nazvan VideoCAD, koji sadrži više od 41.000 primjera kako se 3D modeli grade u CAD softveru. Učenjem iz ovih videa, koji ilustriraju kako se različiti oblici i objekti konstruiraju korak po korak, novi AI sustav sada može operirati CAD softverom kao ljudski korisnik.

S VideoCAD-om, tim radi na AI-om omogućenu “CAD co-pilot”. Predstavljaju da takav alat ne samo da stvara 3D verzije dizajna, već i radi s ljudskim korisnikom da predloži sljedeće korake ili automatski izvrši sekvence gradnje koje bi inače bile umorne i vremenski zahtjevne da se ručno kliknu.

“Postoji prilika za AI da povećava produktivnost inženjera kao i da učini CAD dostupnijim većem broju ljudi,” kaže Ghadi Nehme, diplomirani student na Odjelu mehaničkog inženjerstva MIT-a.

“To je značajno jer snižava prag ulaska u dizajn, pomažući ljudima bez godina CAD treniranja da lakše stvore 3D modele i iscrpe svoju kreativnost,” dodaje Faez Ahmed, docent mehaničkog inženjerstva na MIT-u.

Ahmed i Nehme, zajedno s diplomiranim studentom Brandonom Manom i postdoktorandom Ferdousom Alamom, predstavit će svoj rad na Konferenciji o obradi informacija neuronskim sustavima (NeurIPS) u prosincu.

Novi rad tima proširuje nedavne razvoj u AI-om pokrećenu korisničko sučelje (UI) agente – alate koji su trenirani da koriste softverske programe za izvršavanje zadataka, kao što je automatsko skupljanje informacija na internetu i njihovo organiziranje u Excel tablicu. Ahmedova grupa se pitala može li se takvi UI agenti dizajnirati da koriste CAD, koji obuhvaća mnogo više značajki i funkcija, i uključuje mnogo složenije zadatke nego što ih običan UI agent može rukovati.

U novom radu, tim je htio dizajnirati AI-om pokrećenu UI agenta koji preuzima kontrolu nad CAD programom za stvaranje 3D verzije 2D skice, klik po klik. Da bi to učinio, tim je prvo pogledao postojeći skup podataka objekata koji su dizajnirani u CAD-u od strane ljudi. Svaki objekt u skupu podataka uključuje sekvencu visokih nivoa dizajnerskih naredbi, kao što su “skiciraj liniju”, “krug” i “ekstruzija”, koje su korištene za izgradnju konačnog objekta.

Međutim, tim je shvatio da ove visoke nivoe naredbi sami nisu dovoljne za treniranje AI agenta da stvarno koristi CAD software. Pravi agent mora također razumjeti detalje iza svake radnje. Na primjer: Koji bi region skice trebao odabrati? Kada bi trebao zumirati? I koji dio skice bi trebao ekstruzirati? Da bi popunio tu prazninu, istraživači su razvili sustav za prevođenje visokih nivoa naredbi u interakcije korisničkog sučelja.

“Na primjer, recimo da smo nacrtali skicu crtanjem linije od točke 1 do točke 2,” kaže Nehme. “Preveli smo te visoke radnje u radnje korisničkog sučelja, što znači da kažemo, idi s ove lokacije piksela, klikni, zatim se pomakni na drugu lokaciju piksela, klikni, dok ima operacija ‘linija’ odabrana.”

Na kraju, tim je stvorio više od 41.000 videa ljudski dizajniranih CAD objekata, svaki od kojih se opisuje u stvarnom vremenu u smislu specifičnih klikova, povlačenja miša i drugih tipkovničkih radnji koje je originalno izvršio čovjek. Zatim su sve te podatke unijeli u model koji su razvili da nauče veze između UI radnji i CAD objektima. Objekti su se kretao od jednostavnih zgloba do složenijih kućnih dizajna. Tim trenira model na složenijim oblicima i predviđa da bi i model i skup podataka mogli jedan dan omogućiti CAD co-pilotima dizajnerima u širokom rasponu polja.

“VideoCAD je važan prvi korak prema AI pomoćnicima koji pomažu pri upisu novih korisnika i automatizaciji ponavljajućeg modeliranja rada koji slijedi poznate uzorke,” kaže Mehdi Ataei, koji nije bio uključen u studiju, i senior istraživač na Autodesk Research, koji razvija nove alate za dizajn softvera. “To je rani temelj, i bio bih uzbuđen vidjeti nasljednike koji bi mogli…”

Kako AI Agent Uči Koristiti CAD

AI agent koji uči koristiti CAD je revolucionaran korak u svijetu dizajna i inženjerstva. Ali kako točno funkcionira? Evo koraka koje AI agent slijedi:

1. Prikupljanje Podataka

Prvi korak u treniranju AI agenta je prikupljanje podataka. Tim s MIT-a je stvorio skup podataka nazvan VideoCAD, koji sadrži više od 41.000 videa ljudski dizajniranih CAD objekata. Svaki video opisuje korake koji su izvršeni da bi se stvorio objekt, uključujući klikove, povlačenja miša i tipkovničke radnje.

2. Prevođenje Naredbi

Nakon prikupljanja podataka, tim je razvio sustav za prevođenje visokih nivoa dizajnerskih naredbi u korisničke interakcije. Na primjer, naredba “skiciraj liniju” je prevezena u korisničke radnje kao što su klikanje na početnu i krajnju točku linije.

3. Treniranje Modela

Svi prikupljeni podaci su zatim unijeti u AI model koji je razvijen da nauči veze između korisničkih radnji i CAD objektima. Model je treniran da razumije koje radnje treba izvršiti da bi se stvorio određeni objekt.

4. Testiranje i Refiniranje

Nakon treniranja, model je testiran na različitim objektima da bi se provjerila njegova učinkovitost. Tim je također refinirao model na temelju povratnih informacija da bi poboljšao njegovu točnost.

5. Implementacija

Kada je model dovoljno točan, tim ga implementira u CAD software. AI agent tada može preuzeti kontrolu nad softverom i stvoriti 3D verziju 2D skice, klik po klik.

Prednosti i Nedostaci AI Agenta u CAD-u

Kao i s bilo kojim novim tehnologijama, AI agent u CAD-u ima svoje prednosti i nedostatke. Evo nekih ključnih točaka:

Prednosti

• Povećanje Produktivnosti: AI agent može automatizirati ponavljajuće zadatke, što povećava produktivnost inženjera.
• Snižavanje Pragova Ulaska: AI agent može olakšati učenje CAD-a, čineći ga dostupnijim ljudima bez godina treniranja.
• Poboljšanje Točnosti: AI agent može izvršiti zadatke s većom točnošću od ljudskog korisnika.

Nedostaci

• Inicijalni Trošak: Razvoj i implementacija AI agenta može biti skupo.
• Ograničenja: AI agent može biti ograničen na određene vrste objekata ili dizajnerskih zadataka.
• Zamjena Radnog Mjesta: Neki inženjeri se mogu bojati da će AI agent zamijeniti njihove poslove.

Zaključak

AI agent koji uči koristiti CAD je revolucionaran korak u svijetu dizajna i inženjerstva. Svojim sposobnostima automatizacije i poboljšanja točnosti, AI agent može značajno povećati produktivnost inženjera i učiniti CAD dostupnijim većem broju ljudi. Međutim, kao i s bilo kojom novom tehnologijom, važno je razmotriti prednosti i nedostatke prije implementacije.

Česta Pitanja

1. Kako dugo je trebalo da AI agent nauči koristiti CAD?

Treniranje AI agenta je trajalo nekoliko mjeseci. Tim s MIT-a je prikupio više od 41.000 videa ljudski dizajniranih CAD objekata i trenirao model na tim podacima.

2. Može li AI agent koristiti bilo koji CAD software?

Trenutno, AI agent je treniran da koristi određeni CAD software. Međutim, tim s MIT-a radi na proširenju njegovih sposobnosti da bi mogao koristiti više softvera.

3. Može li AI agent zamijeniti inženjera?

AI agent ne može zamijeniti inženjera, ali može im pomoći u automatizaciji ponavljajućih zadataka i poboljšati njihovu produktivnost. Inženjeri će i dalje biti potrebni za kreativne i složene zadatke.

4. Kada će AI agent biti dostupan za javnost?

Tim s MIT-a planira predstaviti svoj rad na Konferenciji o obradi informacija neuronskim sustavima (NeurIPS) u prosincu. Nakon toga, moguće je da će AI agent postati dostupan za javnost, ovisno o daljnjim razvoju i testiranju.

5. Može li AI agent pomoći u dizajnu drugih objekata, kao što su zgrade ili vozila?

Da, AI agent može pomoći u dizajnu drugih objekata, ovisno o tome koliko su objekti slični onima na kojima je treniran. Tim s MIT-a radi na proširenju njegovih sposobnosti da bi mogao dizajnirati složenije objekte.