آسان کردن کار توسط هوش مصنوعی برای شخصی سازی مدل های قابل چاپ سه بعدی
با Style2Fab، سازندگان می‌توانند به سرعت مدل‌های اشیاء قابل چاپ سه‌بعدی، مانند دستگاه‌های کمکی را سفارشی کنند، بدون اینکه مانعی در عملکرد آنها ایجاد کنند.
از آنجایی که پرینترهای سه بعدی ارزان‌تر و در دسترس‌تر شده‌اند، جامعه‌ای از سازندگان تازه‌کار به سرعت در حال رشد در حال ساخت اشیاء خود هستند. برای انجام این کار، بسیاری از این صنعتگران آماتور به مخازن رایگان و منبع باز مدل های سه بعدی تولید شده توسط کاربر دسترسی دارند که آنها را دانلود و بر روی چاپگر سه بعدی خود می سازند.
اما افزودن عناصر طراحی سفارشی به این مدل‌ها چالش بزرگی را برای بسیاری از سازندگان ایجاد می‌کند، زیرا نیاز به استفاده از نرم‌افزار طراحی به کمک رایانه (CAD) پیچیده و گران‌قیمت دارد و به‌ویژه اگر نمایش اصلی مدل به صورت آنلاین در دسترس نباشد، دشوار است. به‌علاوه، حتی اگر کاربر بتواند عناصر شخصی‌سازی‌شده را به یک شی اضافه کند، اطمینان از اینکه این سفارشی‌سازی‌ها به عملکرد شی آسیب نمی‌زند، نیاز به سطح بیشتری از تخصص دامنه دارد که بسیاری از سازندگان مبتدی فاقد آن هستند.
برای کمک به سازندگان برای غلبه بر این چالش‌ها، محققان MIT ابزاری مبتنی بر هوش مصنوعی ایجاد کردند که کاربر را قادر می‌سازد تا عناصر طراحی سفارشی را به مدل‌های سه‌بعدی بدون به خطر انداختن عملکرد اشیاء ساخته شده اضافه کند. یک طراح می‌تواند از این ابزار به نام Style2Fab برای شخصی‌سازی مدل‌های سه‌بعدی اشیاء با استفاده از اعلان‌های زبان طبیعی برای توصیف طرح مورد نظرشان استفاده کند. سپس کاربر می تواند اشیاء را با یک چاپگر سه بعدی بسازد.
برای افرادی که تجربه کمتری دارند، مشکل اساسی که با آن روبرو بوده اند این بوده است: اکنون که یک مدل را دانلود کرده اند، به محض اینکه بخواهند هر گونه تغییری در آن ایجاد کنند، ضرر می کنند و نمی دانند چه باید بکنند. فراز فاروقی، دانشجوی فارغ التحصیل علوم کامپیوتر و نویسنده اصلی مقاله معرفی Style2Fab می گوید: Style2Fab سبک کردن و چاپ یک مدل سه بعدی را بسیار آسان می کند، اما در حین انجام آن نیز آزمایش و یادگیری را انجام می دهد.
Style2Fab توسط الگوریتم های یادگیری عمیق هدایت می شود که به طور خودکار مدل را به بخش های زیبایی شناختی و عملکردی تقسیم می کند و فرآیند طراحی را ساده می کند.
علاوه بر توانمندسازی طراحان مبتدی و دسترسی بیشتر به چاپ سه بعدی، Style2Fab می تواند در حوزه نوظهور ساخت پزشکی نیز مورد استفاده قرار گیرد. تحقیقات نشان داده است که در نظر گرفتن هر دو ویژگی زیبایی شناختی و عملکردی یک دستگاه کمکی، احتمال استفاده بیمار از آن را افزایش می دهد، اما پزشکان و بیماران ممکن است تخصص لازم برای شخصی سازی مدل های قابل چاپ سه بعدی را نداشته باشند.
برای مثال، با Style2Fab، کاربر می‌تواند ظاهر یک آتل شست را سفارشی کند تا بدون تغییر در عملکرد دستگاه پزشکی، با لباس او ترکیب شود. فاروقی می افزاید، ارائه یک ابزار کاربرپسند برای حوزه رو به رشد فناوری کمکی DIY انگیزه اصلی این کار بود.
او این مقاله را با مشاور خود، نویسنده ارشد، استفانی مولر، دانشیار در بخش‌های مهندسی برق و علوم کامپیوتر و مهندسی مکانیک MIT، و یکی از اعضای آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) که رهبری HCI را بر عهده دارد، نوشت. گروه مهندسی; مگان هافمن، نویسنده ارشد، استادیار دانشکده علوم کامپیوتر خوری در دانشگاه نورث ایسترن. و همچنین سایر اعضا و اعضای سابق گروه. این تحقیق در سمپوزیوم ACM در زمینه نرم افزار و فناوری رابط کاربری ارائه خواهد شد.
تمرکز بر عملکرد
مخازن آنلاین، مانند Thingiverse، به افراد این امکان را می‌دهد که فایل‌های طراحی دیجیتالی منبع باز و ایجاد شده توسط کاربر را از اشیایی که دیگران می‌توانند دانلود و با چاپگر سه بعدی بسازند، آپلود کنند.
فاروقی و همکارانش این پروژه را با مطالعه اشیاء موجود در این مخازن عظیم آغاز کردند تا عملکردهای موجود در مدل های سه بعدی مختلف را بهتر درک کنند. او می‌گوید این به آنها ایده بهتری در مورد نحوه استفاده از هوش مصنوعی برای تقسیم‌بندی مدل‌ها به اجزای عملکردی و زیبایی‌شناختی می‌دهد.
با تکیه بر این ارزیابی، آنها دو عملکرد را تعریف کردند: عملکرد خارجی، که شامل بخش‌هایی از مدل است که با دنیای خارج در تعامل است، و عملکرد داخلی، که شامل بخش‌هایی از مدل است که باید پس از ساخت به هم متصل شوند.
یک ابزار سبک‌سازی باید هندسه بخش‌های عملکردی بیرونی و درونی را حفظ کند و در عین حال امکان سفارشی‌سازی بخش‌های زیبایی‌شناختی غیر کاربردی را فراهم کند.
اما برای انجام این کار، Style2Fab باید بفهمد که کدام بخش از یک مدل سه بعدی کاربردی است. سیستم با استفاده از یادگیری ماشین، توپولوژی مدل را برای ردیابی فرکانس تغییرات هندسه، مانند منحنی ها یا زوایایی که در آن دو صفحه به هم متصل می شوند، تجزیه و تحلیل می کند. بر این اساس، مدل را به تعداد معینی از بخش ها تقسیم می کند.
سپس، Style2Fab آن بخش‌ها را با مجموعه داده‌ای که محققان ایجاد کرده‌اند مقایسه می‌کند که شامل 294 مدل از اشیاء سه‌بعدی است که بخش‌های هر مدل با برچسب‌های کاربردی یا زیبایی‌شناختی حاشیه‌نویسی شده است. اگر یک بخش به شدت با یکی از آن قطعات مطابقت داشته باشد، عملکردی مشخص می شود.
اما طبقه‌بندی بخش‌ها فقط بر اساس هندسه، به دلیل تنوع بسیار زیاد در مدل‌هایی که به اشتراک گذاشته شده‌اند، واقعاً مشکلی است. بنابراین این بخش‌ها مجموعه اولیه‌ای از توصیه‌ها هستند که به کاربر نشان داده می‌شوند، که به راحتی می‌تواند طبقه‌بندی هر بخش را به زیبایی یا کاربردی تغییر دهد.»
انسان در حلقه
هنگامی که کاربر بخش‌بندی را پذیرفت، وارد یک اعلان به زبان طبیعی می‌شود که عناصر طراحی مورد نظر خود را توصیف می‌کند، مانند «یک گلدان خشن و چند رنگ چینی‌سری» یا یک قاب گوشی «به سبک هنر مراکشی». یک سیستم هوش مصنوعی، معروف به Text2Mesh، سپس سعی می‌کند بفهمد که یک مدل سه بعدی که معیارهای کاربر را برآورده می‌کند، چگونه به نظر می‌رسد.
بخش‌های زیبایی‌شناختی مدل را در Style2Fab دستکاری می‌کند، بافت و رنگ را اضافه می‌کند یا شکل را تنظیم می‌کند تا آن را تا حد ممکن شبیه کند. اما بخش های عملکردی خارج از محدودیت هستند.
محققان تمام این عناصر را در قسمت پشتی یک رابط کاربری قرار دادند که به طور خودکار یک مدل را بر اساس چند کلیک و ورودی کاربر تقسیم‌بندی می‌کند و سپس سبک می‌کند.
آنها مطالعه‌ای را با سازندگانی انجام دادند که سطوح مختلف تجربه‌ای در مدل‌سازی سه‌بعدی داشتند و دریافتند که Style2Fab به روش‌های مختلف بر اساس تخصص سازنده مفید است. کاربران تازه کار قادر به درک و استفاده از رابط برای سبک سازی طرح ها بودند، اما همچنین زمینه مناسبی را برای آزمایش با یک مانع کم برای ورود فراهم کرد.
برای کاربران با تجربه، Style2Fab به سرعت بخشیدن به گردش کار آنها کمک کرد. همچنین، استفاده از برخی از گزینه های پیشرفته آن به آنها کنترل دقیق تری بر سبک سازی ها داد.
فاروقی و همکارانش می‌خواهند Style2Fab را گسترش دهند تا سیستم کنترل دقیقی بر ویژگی‌های فیزیکی و همچنین هندسه ارائه دهد. به عنوان مثال، تغییر شکل یک جسم ممکن است میزان نیرویی که می تواند تحمل کند را تغییر دهد، که می تواند باعث از کار افتادن آن در هنگام ساخت شود. علاوه بر این، آنها می‌خواهند Style2Fab را ارتقا دهند تا کاربر بتواند مدل‌های سه بعدی سفارشی خود را از ابتدا در سیستم تولید کند. محققان همچنین در یک پروژه پیگیری با گوگل همکاری می کنند.
این تحقیق توسط برنامه نوآوری محاسباتی MIT-Google پشتیبانی شد و از امکانات ارائه شده توسط مرکز بیت‌ها و اتم‌های MIT استفاده شد.
