- Spectral Labs ra mắt SGS-1, mô hình AI tạo sinh đầu tiên dành cho việc tạo CAD có cấu trúc (B-Rep)
- SGS-1 nhận đầu vào là hình ảnh hoặc lưới 3D và tạo ra tệp CAD tham số có thể chỉnh sửa dễ dàng
- So với các mô hình hiện có như GPT-5, HoLa BRep, SGS-1 tạo ra các hình dạng phức tạp đa dạng với độ chính xác cao hơn
- Có thể tự động hóa reverse engineering bằng cách tự động chuyển đổi phác thảo, bản vẽ kỹ thuật, STL, v.v. thành tệp STEP
- Dù vẫn còn hạn chế trong việc tạo bề mặt hữu cơ hoặc toàn bộ assembly, thế hệ mô hình tiếp theo dự kiến sẽ được cải thiện thêm về đa phương thức và suy luận vật lý
Giới thiệu SGS-1 và các đặc điểm chính
- Thông qua việc công bố SGS-1, Spectral Labs giới thiệu một mô hình AI tạo sinh nền tảng có khả năng tạo ra cấu trúc hình học 3D có thể sản xuất được và có các yếu tố tham số
- SGS-1 nhận đầu vào là hình ảnh hoặc lưới 3D, sau đó xuất ra tệp STEP ở định dạng B-Rep (biểu diễn biên) dễ chỉnh sửa
- Kết quả này có thể được sửa đổi và sử dụng một cách dễ dàng, chính xác trong phần mềm CAD truyền thống
Cách SGS-1 hoạt động và kết quả
- Người dùng có thể tải lên hình ảnh hoặc tệp 3D đơn giản để chuyển đổi thành tệp B-Rep tham số có thể điều chỉnh kích thước cụ thể
- SGS-1 tạo ra các hình dạng CAD phức tạp và đa dạng hơn rất nhiều so với các mô hình trước đây
- Có thể áp dụng vào thiết kế kỹ thuật thực tế, đồng thời đưa ra ví dụ thiết kế linh kiện dựa trên một phần thông tin assembly và mô tả văn bản
Thử nghiệm so sánh với các mô hình hiện có
- SGS-1 được đánh giá so sánh trên 75 hình ảnh CAD phức tạp với GPT-5 (mô hình ngôn ngữ lớn của OpenAI có thể tạo mã CadQuery) và HoLa BRep (mô hình tạo B-Rep dựa trên đầu vào hình ảnh)
- Thử nghiệm được lặp lại 10 lần cho mỗi mô hình và đo theo tiêu chí tỷ lệ tạo thành công (Success Ratio)
- SGS-1 cho thấy hiệu năng tốt nhất trên phần lớn các hình dạng phức tạp, vượt trội hơn các mô hình khác về khả năng hiểu không gian chính xác và năng lực hiện thực hóa hình học
- Các mô hình khác thường cho ra kết quả đơn giản hoặc ít hữu dụng, nên khó áp dụng vào thiết kế assembly thực tế
Tạo cấu trúc tham số trong ngữ cảnh assembly
- Với SGS-1, chỉ cần đầu vào là một phần sub-assembly hiện có (một phần của CAD assembly) cùng mô tả hoặc hình ảnh, là có thể thiết kế linh kiện mới phù hợp với ngữ cảnh đó
- Quy trình sử dụng
- Tạo render của assembly một phần và viết mô tả về linh kiện cần thêm
- Đưa vào SGS-1 để tạo B-Rep ở dạng tệp STEP
- Import tệp STEP đã tạo vào assembly rồi tinh chỉnh kích thước để áp dụng theo nhu cầu
- Nhóm cũng cung cấp video ví dụ cho nhiều kịch bản thiết kế bracket khác nhau
Tự động chuyển đổi phác thảo và bản vẽ kỹ thuật
- Nếu đưa phác thảo vẽ tay hoặc bản vẽ kỹ thuật chính thức vào SGS-1, hệ thống có thể tự động chuyển chúng thành tệp CAD tham số 3D có thể chỉnh sửa
- Ngay cả các bản phác thảo tay không quá phức tạp cũng có thể được chuyển đổi hiệu quả, góp phần đổi mới quy trình thiết kế
Reverse engineering và tự động chuyển đổi mesh(STL)→STEP
- Tệp quét và tệp STL/mesh đơn lẻ cũng có thể được SGS-1 tự động chuyển thành tệp STEP tham số
- Nhờ reverse engineering hoàn toàn tự động không cần thao tác thủ công, công nghệ này có lợi thế trong việc số hóa các linh kiện có nhiều hình dạng khác nhau
Hạn chế
- SGS-1 là mô hình được tối ưu cho việc tạo 3D tham số phục vụ mục đích kỹ thuật/kỹ sư
- Mô hình vẫn còn hạn chế trong việc tạo bề mặt cong phức tạp hoặc cấu trúc hữu cơ, đường cong tự do, cấu trúc rất mỏng và tạo hàng loạt toàn bộ assembly
- Ở thế hệ tiếp theo, nhóm có kế hoạch bổ sung hỗ trợ đa phương thức, nhận thức không gian phức tạp, suy luận vật lý nâng cao và học tăng cường dựa trên phản hồi
Kế hoạch sắp tới và giới thiệu đội ngũ
- Spectral Labs đang chuẩn bị thế hệ tiếp theo của SGS-1 với mục tiêu cải thiện thiết kế các hệ vật lý phức tạp hơn, đầu vào đa phương thức, ngữ cảnh không gian nâng cao và năng lực suy luận vật lý
- Nhóm đặt mục tiêu dẫn đầu lĩnh vực AI tạo sinh cho kỹ thuật 3D bằng cách áp dụng các kỹ thuật AI mới nhất như học tăng cường và mô phỏng vật lý dựa trên phản hồi
- Đội ngũ gồm các nhà nghiên cứu AI và kỹ sư đến từ Autodesk Research, Samsung Research, CMU, Meta
- Có thể liên hệ qua kênh chính thức của Spectral Labs để trao đổi về hợp tác nghiên cứu hoặc yêu cầu triển khai
1 bình luận
Ý kiến trên Hacker News
Tôi cho rằng việc SGS-1 tuyên bố có thể tạo ra hình học 3D hoàn toàn tham số là sai ngay từ đầu, vì định dạng STEP hoàn toàn không hỗ trợ các feature tham số, nên thậm chí không cần kiểm thử cũng biết là không đúng. Họ nói đầu ra của SGS-1 có thể được chỉnh sửa dễ dàng trong phần mềm CAD truyền thống, nhưng khi tôi tự kiểm tra bằng file demo thì thấy đây thực sự là một tuyên bố vô lý. Tôi đã so sánh đầu vào và đầu ra với một part chuẩn do chính tôi dựng, rồi liệt kê hàng loạt lỗi. Không chỉ kích thước sai mà còn có các feature bị hỏng khiến việc chỉnh sửa CAD trở nên khó khăn. Tôi không hiểu vì sao họ lại đưa ra những tuyên bố như vậy, thậm chí còn cung cấp cả demo tự chứng minh là họ sai. Không rõ là chỉ để giật tiêu đề, để bán cho những người không biết gì, hay đơn giản là những người xuất thân CS nhưng thiếu kiến thức miền tin rằng họ đã giải quyết được vấn đề. Các lỗi chính gồm: mọi kích thước đều sai, một lỗ không xuyên hoàn toàn, không phải lỗ tròn mà là hai lỗ chồng lên nhau, fillet không đúng, lỗ phía trên bị lệch offset, chamfer phía trước đi xuống dưới cả mặt chuẩn, offset theo trục Z của các lỗ phía trên, cách nối chamfer ở hai bên khác nhau, v.v.<br>Tài liệu so sánh và ảnh chụp màn hình mô hình thực tế: ví dụ kết quả sai, ví dụ đúng do tôi tự làm
Tôi cũng thấy khó hiểu ở chỗ file STEP không hỗ trợ feature tham số. Thật sự không hiểu sao họ có thể đưa ra tuyên bố như vậy. Họ chính thức nói chỉ tạo B-rep (biểu diễn biên), nhưng ở ví dụ con lăn lại bảo rằng "vì có tính tham số nên dễ chỉnh kích thước", điều này theo tôi là vô lý. Nếu cần tính năng đó thì thay vì sửa file STEP, thà dựng lại từ đầu với đầy đủ lịch sử feature và ràng buộc còn hơn.
Có vẻ bạn rất hiểu lĩnh vực này nên tôi muốn hỏi cho rõ. Tôi hoàn toàn là người mới, nhưng nghe nói zoo.dev/design-studio cũng cung cấp khả năng tương tự. Tôi muốn nghe góc nhìn chuyên môn để so sánh xem khác nhau ở đâu.
Đây rõ ràng là một tuyên bố mang tính lừa dối. Tôi tự hỏi họ đang định đánh lừa ai. Có lẽ là nhắm đến các nhà đầu tư.
Tôi không hiểu sâu về các định dạng này, nhưng điểm đặc trưng của file STEP so với STL là nó lưu dữ liệu "B-rep". Tức là nó lưu quan hệ hình học giữa các mặt, nên nhìn chung sẽ dễ dùng hơn trong các trình chỉnh sửa tham số. Có lẽ họ cũng xem đây là điểm khác biệt so với các cách làm cũ dựa trên mesh, vì họ dùng B-rep.
Tin tức về AI thường bóp méo hiệu năng thực tế, nên chắc kiểu gì trong phần bình luận cũng sẽ có ai đó mơ hồ nói rằng nó hoạt động được
Tôi nghĩ sẽ có thị trường cho các tính năng AI tự động dọn dẹp dữ liệu được đưa vào không hoàn chỉnh từ máy quét 3D. Việc tạo ra mesh 3D sạch từ point cloud, hay nhận diện vật thể bằng màu sắc hoặc ánh sáng, đều rất thú vị. Dùng cách này có thể mô tả thế giới và thậm chí tạo metadata cho vật thể. Nhưng các tính năng tự động thiết kế kiểu này lại làm CAD bớt vui hơn là thực sự giải quyết vấn đề. AI sẽ hiệu quả nhất nếu tập trung vào những việc lặp lại và nhàm chán. Công nghệ này có thể gây ấn tượng với nhà đầu tư và giúp chuyên gia tiết kiệm thời gian, nhưng khả năng giải quyết những vấn đề lớn hơn trong thực tế vẫn còn hạn chế.
Thành thật mà nói, ngành này chỉ quan tâm đến việc gây ấn tượng với nhà đầu tư. Cuối cùng khi công nghệ AI xuất hiện, nó sẽ lấy đi sự hài lòng trong công việc của lao động tri thức, và chỉ còn lại rất ít người làm các việc kiểu giám sát AI hoặc dọn nhà vệ sinh. Ở thời điểm hiện tại, có vẻ nó sẽ phá hủy nhu cầu lao động và đẩy cả mức lương từng ổn định sang thành lợi ích cho cổ đông.
Thực ra không phải ai cũng làm CAD vì thấy vui. Khi cần in thử một nguyên mẫu đơn giản, tôi muốn dùng AI để xử lý các yêu cầu như "làm cho tôi một giá gắn bo mạch này, các lỗ cách nhau Xmm, số lượng là N". Những việc như "nối hai part này", "thêm lỗ vít ở đây", "tạo snap-fit joint", "rộng 8cm", "chuyển lỗ này sang phía đối diện" là kiểu tác vụ mà tôi muốn được xử lý nhanh và dễ.
Vào thời kỳ đầu của ChatGPT4, tôi từng tự tạo một chuẩn markup mở cho thiết kế cơ điện tử dựa trên LLM. Tôi cho rằng LLM cần một ngôn ngữ markup con người có thể đọc được để học từ nhiều ví dụ hoặc suy luận logic. Tôi làm nó như một khái niệm demo tham khảo cho thiết kế lặp nhanh, và đã đưa lên dự án GitHub của tôi để bất kỳ ai cũng có thể mở rộng hoặc tự triển khai. Tôi hy vọng cách tiếp cận mã nguồn mở như vậy về lâu dài sẽ bảo đảm sự tự do cho các nhà phát triển phần cứng mở
Việc có thể tạo ra part CAD dưới dạng STEP (B-Rep), thay vì chỉ cung cấp các mô hình dạng mesh như trước đây, là một thay đổi mang tính đột phá. Các mô hình trước đây thực chất chỉ ở mức đồ chơi, nên tôi rất háo hức muốn xem công nghệ này sẽ tiến xa đến đâu. Bước tiếp theo có lẽ sẽ là chuyển STEP sang các định dạng độc quyền như SolidWorks, NX, v.v. tốt hơn, đồng thời suy luận ra các ràng buộc thiết kế
Nếu chỉ cần chuyển mesh quét 3D thành hình học STEP đúng nghĩa thì cũng đã là một bước tiến lớn rồi
Cảm ơn phản hồi! Chúng tôi dự định sẽ tích cực phản ánh những ý kiến này vào mô hình tiếp theo. Tôi muốn biết cụ thể bạn mong muốn điều gì
Với tư cách là kỹ sư, tôi nghĩ AI này thực ra không loại bỏ được phần khó nhất trong thiết kế. Phần khó thật sự là sản xuất, thiết kế đường truyền tải lực, và quyết định cấu trúc part phù hợp với tải trọng thực tế
Cũng từ góc nhìn kỹ sư, nếu AI này hoạt động tốt thì nó có thể rút ngắn đáng kể giai đoạn tạo prototype, từ đó làm ra sản phẩm tốt hơn với chi phí thấp hơn. AI này cũng có thể hỗ trợ ở phần tải trọng thực tế và thiết kế kết cấu.
Trong phát triển phần mềm, xu hướng dùng AI để giảm bớt phần rập khuôn và tập trung vào giá trị cốt lõi đang thực sự diễn ra. Tôi nghĩ các lĩnh vực khác cũng có thể áp dụng tương tự.
Phần này cũng đang được AI giải quyết: limitlesscnc.ai
Là nhà sáng lập đang làm một sản phẩm cạnh tranh, tôi vui vì nhiều người quan tâm và thảo luận, vì điều đó cho thấy thị trường có tiềm năng. Nhưng đầu ra của mô hình SGS-1 hiện tại còn rất nhiều thiếu sót về khả năng chế tạo thực tế và tính hữu dụng. Đầu ra STEP hiện nay có thể import vào nhiều phần mềm CAD, nhưng trên thực tế lại không mấy hữu ích với nhà thiết kế, kỹ sư hay người sản xuất (và cũng gây khó cho nhà máy hoặc máy in 3D). Các vấn đề chính gồm: chất lượng bề mặt cong thấp nên không thể dùng cho mô phỏng hoặc sản xuất, hình dạng đơn giản bị xuất ra quá phức tạp (một fillet bị chia thành hơn 10 mặt), và chỉ một part thôi mà bị tách thành hơn 10000 part nhỏ nên thực tế không còn là một sản phẩm duy nhất. Tôi đang kỳ vọng vào phiên bản V2. Nhân tiện, tôi là người sáng lập công ty Transfigure; sau khi sớm nhận ra giới hạn của SGS-1, chúng tôi đang xây dựng một kiến trúc AI từ góc nhìn kỹ sư cơ khí để tạo ra dữ liệu sạch có thể dùng ngay cho mô phỏng và sản xuất.<br>Nếu bạn nộp dữ liệu tạo bởi SGS-1 cho nhà máy của chúng tôi thì bạn sẽ bị sa thải ngay lập tức<br>yo@xfgr.ai
Tôi luôn gặp khó khăn khi dùng LLM để tạo mô hình OpenSCAD. Nó không thực sự hiểu không gian XYZ và suy luận toán học 3D. Tôi dùng đây như một tiêu chí đánh giá năng lực LLM. Ngay cả việc làm một giá đỡ điện thoại đơn giản cũng không thể xong trong một lần; tôi phải tách thành từng bước như tạo mặt phẳng, nghiêng góc, tính chiều cao bằng lượng giác, tạo mặt phẳng mới, di chuyển vị trí, v.v.
Tôi nghĩ tính năng chuyển sketch sang CAD sẽ là một cuộc cách mạng lớn trong thị trường phục dựng. Có vô số bản vẽ cũ tồn tại mà không có kích thước, nhưng chỉ cần kỹ sư nắm được kích thước tổng thể hoặc chiều cao, họ có thể bắt đầu từ một khối hộp rồi yêu cầu AI "hãy làm part này khớp với thiết bị này". Điều đó sẽ thay đổi cuộc chơi trong mọi lĩnh vực cần CAD như in 3D, phục dựng, thiết kế tưởng tượng, chế tạo linh kiện, v.v.
Về mặt lý thuyết, có những điểm của tính năng này nghe không hợp lý. Ví dụ tôi cũng muốn biết liệu nó có định nghĩa luôn cả dung sai hay không
Bản demo thì thú vị, nhưng điều thực sự quan trọng là khả năng phản ánh đúng các ràng buộc vào thiết kế từ mô tả bằng văn bản. Thiết kế một part chỉ có đúng chức năng mong muốn thì dễ, nhưng làm ra một thiết kế thực sự sản xuất được, lắp vừa trong không gian có sẵn, và đáp ứng các đặc tính cơ học cùng ràng buộc chi phí như tối thiểu hóa vật liệu hay dễ sản xuất thì khó hơn rất nhiều. Ví dụ, part dùng cho in 3D có rất nhiều ràng buộc như phải tránh vật liệu support hoặc phải in theo một hướng nhất định. Khả năng nhập các ràng buộc đó bằng ngôn ngữ tự nhiên cho AI và được phản ánh ngay vào thiết kế mới là thứ thực sự hữu ích