São Paulo — InkDesign News —
A recente pesquisa conduzida na Carnegie Mellon University revela um novo avanço em machine learning, ao integrar inteligência artificial em projetos de fabricação por meio de uma ferramenta chamada BrickGPT, que transforma ideias em modelos físicos utilizando blocos Lego.
Contexto da pesquisa
A ferramenta foi desenvolvida por pesquisadores da School of Computer Science da Carnegie Mellon University, e busca revolucionar a forma como objetos do cotidiano são projetados e fabricados. “Esta pesquisa abre caminho para a fabricação generativa, onde as pessoas podem usar um modelo generativo para projetar objetos que podem ser construídos por elas mesmas” (“This research paves the way toward generative manufacturing, which is when people can use a generative model to design everyday objects they can build themselves.”)
— Jun-Yan Zhu, Professor Assistente, Carnegie Mellon University
Método proposto
O BrickGPT utiliza prompts em texto para gerar guias passo a passo, permitindo tanto a seres humanos quanto a robôs a construção de diversos modelos. Para isso, um modelo de linguagem de grande porte (LLM) foi treinado com um dataset chamado StableText2Brick, que contém mais de 47.000 estruturas de bloco geradas a partir de 28.000 objetos 3D únicos. Os modelos são então “voxelizados” e utilizados para prever a próximo bloco a ser inserido, assegurando a estabilidade do modelo.
Resultados e impacto
Atualmente, a demonstração do BrickGPT pode gerar guias para a construção de 21 tipos de modelos, como sofás e casas de passarinho. “Se uma estrutura é instável, existe um processo de reversão” (“If a structure is unstable, there’s a rollback process.”)
— Ava Pun, Estudante de doutorado, Carnegie Mellon University
Os pesquisadores destacam o potencial da ferramenta na aceleração do design e construção de novos produtos. A aplicação de AI nesse contexto pode reduzir significativamente as barreiras que existem na transição de uma ideia para um protótipo físico.
Os próximos passos incluem a ampliação do modelo para gerar uma variedade maior de objetos e aumentar a complexidade e precisão dos designs gerados.
Fonte: (TechXplore – Machine Learning & AI)
