ARTICLE · 1121990
MIT新工具解决AI建模后的3D打印制造可行性
让AI设计一个龙缠杯身、龙尾当把手的马克杯，它很快就能交出一个精致的3D模型。
可仔细一看，杯口被一块平板封死了。
照这个模型打印出来，连一滴咖啡也倒不进去。
这不是个例。
MIT计算机科学与人工智能实验室联合谷歌等机构专门研究了这个问题，论文将发表在11月的人机交互顶会UIST上。
他们开发的工具叫InstructMesh，思路很简单。
AI生成的模型先别急着打印，让普通人用鼠标涂一笔、说一句话，把它修到能打印为止。
原因出在AI的学习方式上。
目前主流的3D生成模型，训练时主要看渲染出来的图片像不像，只要各个角度看起来对，就算合格。
至于杯口有没有开、杯壁够不够厚、两个零件有没有连上，从图片上很难看出来，模型自然也就不在意。
研究团队先做了一次摸底。
他们从3D打印模型分享网站Thingiverse挑出最热门的120个模型，各渲染一张图片，交给微软开源的3D生成模型TRELLIS重建，再请两位建模专家把重建结果和原模型逐一对照。
结果，120个模型中有94个同时存在两类以上的毛病，平均每个模型有2.4处。最常见的三类毛病是：
多出不该有的凸起和碎块，占65.8%；该开的孔没有开，占48.6%；该实心的地方做成了空心，或者反过来，占36.9%。
要修这些毛病，专业人士会打开Blender这类建模软件，一个面一个面地改，外行根本无从下手。
重写提示词让AI再生成一遍，又常常是这里修好了，那里又变了样。
InstructMesh最关键的一步是选对了下手的地方。
TRELLIS这类模型生成3D模型分两步走。
第一步先搭出一个粗糙的毛坯，它由64×64×64的小方块网格组成，就像用乐高拼出的大致轮廓。
第二步再由解码器在毛坯的基础上补出光滑的表面、纹理和细节。
InstructMesh只改第一步的毛坯。
添几个方块，或者挖掉几个方块，再把改好的毛坯交回解码器，由AI重新生成细节。
好比雕塑家不去打磨抛光好的铜像，而是回到泥坯上捏几下，再重新翻模。方块之间没有复杂的连接关系，增减都不容易出错；
鳞片和花纹交给AI重新补齐，修过的地方也不会显得突兀。
研究者把常见的修补操作归纳为六个基本动作：
往外加料的有拉伸、加厚、填充，往里减料的有修剪、掏空、压平。
他们还为这些动作调好了十二套参数预设，用来应对不同的毛病。
界面上的操作很简单，先用画笔涂出有问题的部位，再用一句话说明要怎么改；
也可以不打字，直接拉滑块选择动作、调节幅度。
下面这张卡片，点一下走一步。
用文字下指令时，背后由GPT-4负责理解。
但它并不直接改动几何形状，只做一道选择题，从六个动作里挑出一个，再配好参数。
至于改哪里，由用户涂抹的区域决定。
还有一个难题，毛坯藏在后台，用户看不到改动效果。
所以系统在正式生成前先给出预览，要加的部分标绿，要挖的部分标红，满意了再点确认。
团队先自己用这套工具修复测试集里的毛病，再请独立评审逐个判定。
各类毛病的修复成功率在83%到96%之间，其中开孔类最容易修好。
真正的考验在外行身上。研究者招募了12名非技术专业的学生，他们都没有接触过3D建模或CAD软件。
每人要处理5个有毛病的模型，每个模型限时10分钟。
结果，学生们找出了90.4%的毛病。经独立专家复核，156处毛病中有140处修好了，成功率89.7%。
更有意思的是，学生对自己有没有修好的判断，和专家的结论高度一致，只有7.1%的情况对不上。
第二轮实验招募了12名新参与者，专门比较两种操作方式。
用文字描述更省力，适合大改；
拉滑块更精确，适合补缝、开孔这类细活。
最终6人更喜欢用文字，6人更喜欢滑块，而12人全都希望两种方式都保留。
一位参与者说，它让原本看不见的操作变得看得见了。
团队用Stratasys J55全彩3D打印机打印了一批实物。
贝壳造型的哨子原本没有共鸣腔，加上气道后能吹出清脆的声音；
牛仔布纹理的护膝原本没有绑带孔，开孔后能绑在腿上；
蝴蝶眼镜原本镜片是实心的、镜腿是断开的，修好后能正常佩戴。
最有意思的是一个虾形外壳，里面装的是一种靠电机振动、用细腿爬行的刷毛机器人。
原模型前后的腿互相抵消了前进的力，肚子里也没有放电机的空间。
修短挡路的腿、挖出电机舱后，它就能朝一个方向爬了。
还有一个章鱼分酒器，原本头和腿都是实心的。
在头顶开口、打通每条腿里的通道后，从头顶倒酒，酒就能同时流进几个杯子。
第一，精度有限。毛坯只有64×64×64格，一格约占物体尺寸的1.5%。
以10厘米高的杯子为例，一格约1.5毫米，比这更细小的缺陷修不了。
第二，毛病得靠人先发现。
肉眼能看出的问题，外行能找到九成；
但内部壁厚不足、装配公差不对这类问题，往往要到切片时甚至打印失败后才会暴露。
第三，铰链、卡扣这类需要活动的结构，目前还修不了。
MIT的InstructMesh做的事，让用户看一眼、说一句话，一分钟内就能在毛坯上把AI生产的模型变得更加合理从而制造出来更有实用价值。
这个工具从AI生成到打印之间，多了一道可打印性修复的工序。
生成模型会越来越逼真，但杯口被封死这类物理世界的理解问题还大量存在。
解决这类问题的核心价值可以让AI设计和真实可制造的通道进一步打通。
我们也将持续关注这类工具。