AI建模3D打印不能用？MIT剛補(bǔ)上了一節(jié)物理課

AM易道分享

測(cè)試AI模型其實(shí)很容易發(fā)現(xiàn)一個(gè)問題。

AI生成的3D模型，看起來越酷，打印出來越容易出問題。

不是3D打印機(jī)的問題。

是很多AI壓根不知道現(xiàn)實(shí)世界有重力。

它學(xué)過幾百萬個(gè)椅子的樣子，但沒人告訴它椅子腿要承重。

它知道火烈鳥有細(xì)長(zhǎng)的腿，但不知道細(xì)到一定程度就撐不住一杯水。

生成模型的訓(xùn)練目標(biāo)是看起來對(duì)，不是放到桌上不倒。

麻省理工CSAIL實(shí)驗(yàn)室做的這個(gè)PhysiOpt，在這里打了一個(gè)補(bǔ)丁。

相當(dāng)優(yōu)雅。

本文含AM易道基于原始研究的獨(dú)立解讀和讀后分享，文中技術(shù)描述經(jīng)過通俗化解釋，也包含大量AM易道的主觀分析與判斷，不代表原作者觀點(diǎn)，如需了解完整技術(shù)細(xì)節(jié)，請(qǐng)參閱原始論文。

以前怎么解決這個(gè)問題

有人會(huì)說，打印出來不對(duì)就改嘛，改完再打。

問題在于改這件事本身。

傳統(tǒng)流程是：

AI生成→導(dǎo)出網(wǎng)格文件→拿去做結(jié)構(gòu)分析→發(fā)現(xiàn)哪里太弱→手動(dòng)修→重新導(dǎo)出。

每一步都在跨工具，每一次導(dǎo)出都是單程票。

改完的文件回不去AI，沒法再用AI繼續(xù)迭代，設(shè)計(jì)語言也容易在反復(fù)修改中跑偏。

改到最后，那個(gè)椅子可能還是四條腿，但已經(jīng)和你一開始想要的東西沒什么關(guān)系了。

還有一類方案是直接訓(xùn)練一個(gè)能生成物理學(xué)合理形狀的新模型。

但這需要大量帶物理標(biāo)注的數(shù)據(jù)，而且每換一個(gè)場(chǎng)景、一種材料，可能就得重新訓(xùn)練。

PhysiOpt選了另一條路。

它做的事，其實(shí)只有一件
在AI的內(nèi)部空間里做物理優(yōu)化。
需要解釋一下AI怎么生成3D形狀。
需要先把這個(gè)形狀的意思?jí)嚎s進(jìn)一個(gè)數(shù)學(xué)向量，再?gòu)南蛄拷獯a出具體的幾何。這個(gè)向量所在的空間，叫潛在空間。
你輸入"一把椅子"，AI在潛在空間里找到椅子的位置，解碼出來。
輸入"一把扶手椅"，找到另一個(gè)位置，解碼出另一個(gè)形狀。
這個(gè)空間有一個(gè)重要特性：相鄰的點(diǎn)，解碼出來的形狀也相鄰。它是連續(xù)的，有語義結(jié)構(gòu)的。PhysiOpt做的是：
對(duì)生成出來的形狀跑一次有限元分析，就是工程師用來測(cè)橋梁和飛機(jī)零件的那套東西，把物體切成小塊，逐塊算力學(xué)響應(yīng)，看哪里撐不住。
然后把結(jié)構(gòu)上有問題的信號(hào)反傳回潛在空間，推著那個(gè)向量往更穩(wěn)固的方向走，再解碼出新形狀，再測(cè)，再推。

整個(gè)過程，AI始終在線。

優(yōu)化是在AI理解的語言里進(jìn)行的，并不是在幾何表面上貼補(bǔ)丁。

這就是為什么優(yōu)化結(jié)果看起來還是設(shè)計(jì)過的：

桌腿往外伸展，而沒有在腿上長(zhǎng)出一個(gè)奇怪的凸起；

薄弱的連接處自然加厚，而不是被一塊幾何噪點(diǎn)填滿。

論文圖里說的事
上面論文開頭那張圖把整個(gè)價(jià)值講完了：
左邊是AI生成的原始模型，中間用戶指定受力點(diǎn)和材料，右邊是優(yōu)化后的結(jié)果。
紅色代表變形大的地方，藍(lán)色代表穩(wěn)定。
優(yōu)化前一片紅，優(yōu)化后大片藍(lán)。最右邊是打印出來的實(shí)物。

這個(gè)流程大概半分鐘到兩分鐘跑完，取決于形狀復(fù)雜度。

系統(tǒng)架構(gòu)圖（圖2）展示了技術(shù)鏈路：

潛在參數(shù)→解碼成隱式場(chǎng)（描述三維形狀的連續(xù)數(shù)學(xué)函數(shù)）→轉(zhuǎn)成體素網(wǎng)格→有限元分析→算出物理損耗→反傳梯度→更新潛在參數(shù)。一個(gè)完整的閉環(huán)，全程可微分，意味著梯度能順著鏈路一路傳回去。

圖3說明PhysiOpt支持三種不同的AI底座：

全局向量模型（DeepSDF，整個(gè)形狀一個(gè)向量）、分部件模型（PartGen，每個(gè)零件各有向量）、稀疏體素特征模型（TRELLIS，大規(guī)模3D生成模型）。

只要底層AI能輸出可微的隱式場(chǎng)，就能接進(jìn)來。

圖4是技術(shù)核心：

AI輸出的是一個(gè)連續(xù)的數(shù)學(xué)場(chǎng)，PhysiOpt把它轉(zhuǎn)成體素網(wǎng)格，每個(gè)體素根據(jù)密度值決定是不是實(shí)心的，再賦予對(duì)應(yīng)的材料剛度。

不提取網(wǎng)格，直接在規(guī)則格子上算物理。這是速度快的根本原因，也是梯度穩(wěn)定的原因。

圖5展示用戶可以在三維空間里自由指定受力位置：

臺(tái)燈的懸線、書擋的受壓腿、掛鉤的四條臂，每個(gè)場(chǎng)景施力方式不同。

圖6是三種AI模型的優(yōu)化結(jié)果，配了變形熱力圖和局部放大。

可以看到系統(tǒng)讓桌腿自動(dòng)外擴(kuò)、薄弱處自然加厚、懸空部件自動(dòng)連接。

關(guān)鍵是這些修改保持了原始設(shè)計(jì)的語言，章魚椅還是章魚椅，沒有突兀的出現(xiàn)一個(gè)被工程改造過的奇怪物件。

圖7展示了一個(gè)關(guān)鍵能力是迭代不斷鏈。

用TRELLIS舉例，從圖片生成一棟小屋→優(yōu)化前廊結(jié)構(gòu)→用AI inpainting加一個(gè)側(cè)平臺(tái)→再次優(yōu)化整體。

兩輪優(yōu)化之間的AI編輯，系統(tǒng)完全理解，不用導(dǎo)出重導(dǎo)入，不會(huì)丟失設(shè)計(jì)語境。

圖8還展示了多材料分配！

同一把椅子，腿部賦予金屬材料，框架用PVC，優(yōu)化策略完全不同。

金屬版變形小，系統(tǒng)改動(dòng)幅度也小，而PVC版需要更大的結(jié)構(gòu)調(diào)整。

材料選擇和結(jié)構(gòu)優(yōu)化聯(lián)動(dòng)，在生成階段就能做這個(gè)權(quán)衡。

圖9是全文最有說服力的部分。

用TPU打印了章魚椅和火烈鳥杯，然后加砝碼。

未優(yōu)化版本是章魚椅腿彎到碰地，火烈鳥杯輕輕一壓就倒。

而優(yōu)化版本一直從20克加到500克，穩(wěn)住了。是實(shí)物展示。

圖10是和傳統(tǒng)方法DiffIPC的正面對(duì)比。物理指標(biāo)兩者差不多，但PhysiOpt每次迭代0.47秒，DiffIPC是30.84秒，差了將近70倍。

DiffIPC直接動(dòng)網(wǎng)格的頂點(diǎn)，表面出現(xiàn)凹凸噪點(diǎn)；

PhysiOpt在潛在空間改，腿往外伸、背板加高，還是一把設(shè)計(jì)過的椅子。

真正變了什么
很多AI建模軟件是不帶物理合理檢查的，即使有，在這文章之前，物理合理性是3D生成流程的事后檢查項(xiàng)。
生成完了，檢查，不對(duì)，返工。

PhysiOpt讓它變成了生成過程的內(nèi)在約束。

這不只是效率的變化，是設(shè)計(jì)鏈路的結(jié)構(gòu)性變化。

AI不再是一個(gè)輸出待檢品的工具，它開始承擔(dān)打印出來能不能用這個(gè)問題的責(zé)任。

另一個(gè)變化是復(fù)雜功能件的設(shè)計(jì)門檻真的降下來了。

以前保證結(jié)構(gòu)強(qiáng)度需要懂CAD、懂力學(xué)。現(xiàn)在這部分判斷被內(nèi)化進(jìn)了生成過程，這條路原來有一道專業(yè)壁壘，現(xiàn)在這道門開了一條縫。

還有一點(diǎn)值得注意這套框架是開放的。

PhysiOpt不綁定某一個(gè)AI模型，理論上可以接任何能輸出隱式場(chǎng)的3D生成器。

今天接的是DeepSDF、PartGen和TRELLIS，明天出了更好的模型，換個(gè)接口就行。

物理求解器也是，成更精確的求解器，優(yōu)化質(zhì)量會(huì)進(jìn)一步提升。這是一個(gè)可以隨底層技術(shù)一起成長(zhǎng)的框架。

沒解決的問題
論文提到仿真分辨率是323的體素網(wǎng)格，比較粗。
物理預(yù)測(cè)是方向性的，還沒達(dá)到工程精度。

而TRELLIS的體素特征優(yōu)化，偶爾會(huì)出現(xiàn)孤立的幾何碎片，像素化的小凸起。

這是AI模型本身的表達(dá)方式帶來的副作用，還沒有干凈的解法。

最大的實(shí)用門檻是用戶目前還需要手動(dòng)設(shè)定受力條件。

在哪里施多大力、哪里是固定端，這對(duì)沒有力學(xué)背景的用戶仍然是一道坎。

團(tuán)隊(duì)在論文里提到想引入視覺語言模型來自動(dòng)推斷這些參數(shù)，說"一個(gè)放在書架上的花瓶"，系統(tǒng)就能自己理解固定點(diǎn)在哪、力從哪來。

這一步如果做到，這個(gè)工具的受眾就徹底打開了。

AI生成3D打印內(nèi)容這件事，從根本上講就是在往物理世界輸出信息。

但AI一直活在一個(gè)沒有重力、沒有材料強(qiáng)度、沒有物理規(guī)律的虛擬空間里。

這篇論文是一次正經(jīng)的接地。

沒有用更多數(shù)據(jù)和算力訓(xùn)練一個(gè)更懂物理的AI，而是給現(xiàn)有的AI接了一根物理世界的反饋管道。

實(shí)物已經(jīng)打印出來了，放在MIT的桌上。

章魚椅沒有塌，火烈鳥杯沒有倒。

AI能不能設(shè)計(jì)？這個(gè)問題已經(jīng)過時(shí)。

新問題是，還需要不需要人來設(shè)計(jì)？

這個(gè)問題，現(xiàn)在開始變得越來越認(rèn)真了。

AM易道期待與您在幾周后的上海TCT現(xiàn)場(chǎng)討論AI與3D打印的一切。

屆時(shí)AM易道還將主持TCT的出海論壇以及創(chuàng)客的GeniusHub活動(dòng)，并且分享部分優(yōu)秀企業(yè)的新品發(fā)布，敬請(qǐng)關(guān)注。

歡迎留言討論您的看法，更多內(nèi)容也請(qǐng)?jiān)L問amyd.cn