Репост из: Синтезиум Ai
ИИ покоряет CAD-геометрию
В генерации 3D-моделей с помощью нейросетей произошли заметные изменения. Вы, конечно же, знаете, как сегодня ИИ уже создаёт трёхмерную геометрию. Она выглядит невероятно детализированно, а с текстурами — так вообще крышесносно. Вы «скармливаете» своей любимой ИИ-модели промпт или картинки, и на выходе получаете триангулированную геометрию со всеми текстурами. Скачиваете себе на компьютер, рендерите для картинок, используете для геймдева и даже распечатываете на 3D-принтере. Это быстро, красиво, удобно. Но что делать, когда запрос исходит от инженера, разрабатывающего промышленную продукцию? Очевидно, что STL с его показушной триангуляцией этот инженер сразу поднимет на смех, а эту БЯМ обойдёт стороной, и на обеде вместе с коллегами будет давиться от смеха над ущербностью ИИ, лишний раз превознося профессию разработчика с человеческим лицом. Но время идёт, и всё меняется.
Итак, поговорим сегодня коротко о том, как нейросети заходят в мир параметрического моделирования — а это уже промышленность со всеми последствиями для... человека.
Именно это проверяет BenchCAD. Мультимодальная модель получает несколько ортографических видов детали, а на выходе должна выдать исполняемую программу на CadQuery, которая построит эту деталь заново. Затем код запускают и сравнивают полученную геометрию с эталоном. Тест вполне инженерный: 17 900 деталей, 106 семейств, 47 стандартов — ISO, DIN, EN, ASME, IEC. В наборе шестерни, пружины, фитинги, крепёж, свёрла, крыльчатки и другие реальные типы деталей. 52 семейства из 106 привязаны к таблицам стандартов.
Разница после тестов получилась заметной. Форму детали ИИ восстанавливает уже неплохо. Но инженерная модель — это не только форма. Это размеры, сопряжения, отверстия, симметрия, последовательность операций, конструктивная логика и параметры, которые потом можно изменить.
Здесь и начинается следующая граница для ИИ в САПР. Если модель умеет восстановить деталь по четырём видам, следующий шаг очевиден: получить от инженера функциональные требования, предложить конструкцию, построить параметрическую модель, проверить её и подготовить результат для производства.
BenchCAD пока измеряет только часть этой цепочки. Но ещё недавно даже эту часть было трудно измерить нормально.
Так что, друзья, не за горами то время, когда во время обеда уцелевшие инженеры в столовой будут молча поедать свой суп, а в мыслях судорожно пытаться удержаться на плаву на работе, закрывая своими умениями ускользающую часть работы, которую каждый месяц забирает на себя ИИ.
Источник: BenchCAD
😎 { Синтезиум. Подписка }
В генерации 3D-моделей с помощью нейросетей произошли заметные изменения. Вы, конечно же, знаете, как сегодня ИИ уже создаёт трёхмерную геометрию. Она выглядит невероятно детализированно, а с текстурами — так вообще крышесносно. Вы «скармливаете» своей любимой ИИ-модели промпт или картинки, и на выходе получаете триангулированную геометрию со всеми текстурами. Скачиваете себе на компьютер, рендерите для картинок, используете для геймдева и даже распечатываете на 3D-принтере. Это быстро, красиво, удобно. Но что делать, когда запрос исходит от инженера, разрабатывающего промышленную продукцию? Очевидно, что STL с его показушной триангуляцией этот инженер сразу поднимет на смех, а эту БЯМ обойдёт стороной, и на обеде вместе с коллегами будет давиться от смеха над ущербностью ИИ, лишний раз превознося профессию разработчика с человеческим лицом. Но время идёт, и всё меняется.
Итак, поговорим сегодня коротко о том, как нейросети заходят в мир параметрического моделирования — а это уже промышленность со всеми последствиями для... человека.
Именно это проверяет BenchCAD. Мультимодальная модель получает несколько ортографических видов детали, а на выходе должна выдать исполняемую программу на CadQuery, которая построит эту деталь заново. Затем код запускают и сравнивают полученную геометрию с эталоном. Тест вполне инженерный: 17 900 деталей, 106 семейств, 47 стандартов — ISO, DIN, EN, ASME, IEC. В наборе шестерни, пружины, фитинги, крепёж, свёрла, крыльчатки и другие реальные типы деталей. 52 семейства из 106 привязаны к таблицам стандартов.
За несколько месяцев показатели передовых моделей выросли примерно с 20% до 95,9% у GPT-6 Astra. Но называть это точностью CAD на 95,9% не стоит. У BenchCAD своя метрика: в задачах Vision2Code учитывают воксельный IoU вместе с успешностью выполнения программы. Модель должна написать работающий код и получить геометрию, достаточно близкую к эталонной.
Разница после тестов получилась заметной. Форму детали ИИ восстанавливает уже неплохо. Но инженерная модель — это не только форма. Это размеры, сопряжения, отверстия, симметрия, последовательность операций, конструктивная логика и параметры, которые потом можно изменить.
Здесь и начинается следующая граница для ИИ в САПР. Если модель умеет восстановить деталь по четырём видам, следующий шаг очевиден: получить от инженера функциональные требования, предложить конструкцию, построить параметрическую модель, проверить её и подготовить результат для производства.
BenchCAD пока измеряет только часть этой цепочки. Но ещё недавно даже эту часть было трудно измерить нормально.
Так что, друзья, не за горами то время, когда во время обеда уцелевшие инженеры в столовой будут молча поедать свой суп, а в мыслях судорожно пытаться удержаться на плаву на работе, закрывая своими умениями ускользающую часть работы, которую каждый месяц забирает на себя ИИ.
Источник: BenchCAD
😎 { Синтезиум. Подписка }