Хорошая новость: ИИ теперь умеет делать красивые вещи. Лучшая новость: он наконец учится делать вещи, которые не ломаются
NewsMakerНовый алгоритм PhysiOpt учит генеративные модели создавать формы, которые не только выглядят эффектно, но и выдерживают реальные нагрузки.
3D-генераторы уже научились создавать впечатляющие модели по тексту, картинке или готовому набору деталей, но красивый объект на экране еще не значит, что предмет выдержит нагрузку в реальном мире. Исследователи представили систему PhysiOpt, которая решает как раз эту проблему: она берет сгенерированную 3D-форму, проверяет физическое поведение конструкции и дорабатывает геометрию так, чтобы результат можно было не только показать на рендере, но и изготовить без неприятных сюрпризов.
Авторы называют PhysiOpt дифференцируемым оптимизатором формы для 3D-генеративных моделей. Пользователь задает условия задачи: материал, точки крепления, внешнюю нагрузку и другие ограничения. После этого система не правит объект вручную по сетке, как в традиционных подходах, а работает напрямую в латентном пространстве генератора, то есть в том внутреннем представлении, из которого модель строит форму. Такой подход позволяет быстрее находить более устойчивый вариант и при этом не ломать исходный замысел.
Проблема давно известна. Большинство современных генераторов описывают геометрию как непрерывные неявные поля, тогда как инженерные расчеты обычно опираются на метод конечных элементов. Из-за разницы между двумя представлениями разработчикам часто приходится извлекать промежуточную сетку и уже на ней проводить оптимизацию. Процедура получается громоздкой, медленной и плохо подходит для итеративного дизайна, когда форму нужно быстро менять, снова проверять и снова улучшать.
PhysiOpt предлагает связать генеративную модель и физический расчет без такого неудобного этапа. Система декодирует латентные параметры в неявное поле, затем вокселизует форму и превращает объект в разреженный набор конечных элементов с учетом плотности материала. Дальше программа рассчитывает смещения при заданных условиях с помощью линейного статического анализа и вычисляет физическую функцию потерь. Поскольку весь конвейер остается дифференцируемым, оптимизатор может шаг за шагом менять параметры генератора и двигать форму к более прочной и устойчивой конструкции.
3D-генераторы уже научились создавать впечатляющие модели по тексту, картинке или готовому набору деталей, но красивый объект на экране еще не значит, что предмет выдержит нагрузку в реальном мире. Исследователи представили систему PhysiOpt, которая решает как раз эту проблему: она берет сгенерированную 3D-форму, проверяет физическое поведение конструкции и дорабатывает геометрию так, чтобы результат можно было не только показать на рендере, но и изготовить без неприятных сюрпризов.
Авторы называют PhysiOpt дифференцируемым оптимизатором формы для 3D-генеративных моделей. Пользователь задает условия задачи: материал, точки крепления, внешнюю нагрузку и другие ограничения. После этого система не правит объект вручную по сетке, как в традиционных подходах, а работает напрямую в латентном пространстве генератора, то есть в том внутреннем представлении, из которого модель строит форму. Такой подход позволяет быстрее находить более устойчивый вариант и при этом не ломать исходный замысел.
Проблема давно известна. Большинство современных генераторов описывают геометрию как непрерывные неявные поля, тогда как инженерные расчеты обычно опираются на метод конечных элементов. Из-за разницы между двумя представлениями разработчикам часто приходится извлекать промежуточную сетку и уже на ней проводить оптимизацию. Процедура получается громоздкой, медленной и плохо подходит для итеративного дизайна, когда форму нужно быстро менять, снова проверять и снова улучшать.
PhysiOpt предлагает связать генеративную модель и физический расчет без такого неудобного этапа. Система декодирует латентные параметры в неявное поле, затем вокселизует форму и превращает объект в разреженный набор конечных элементов с учетом плотности материала. Дальше программа рассчитывает смещения при заданных условиях с помощью линейного статического анализа и вычисляет физическую функцию потерь. Поскольку весь конвейер остается дифференцируемым, оптимизатор может шаг за шагом менять параметры генератора и двигать форму к более прочной и устойчивой конструкции.