Bei der Entwicklung und Herstellung physischer Produkte kommen heutzutage h\u00e4ufig CAD-Tools (Computer-Aided Design) zum Einsatz. Von der neuesten Unterhaltungselektronik bis hin zu Designerm\u00f6beln \u2013 all dies ist das Ergebnis des effektiven Einsatzes von CAD. Eine unbestreitbare Tatsache bei diesen Tools ist jedoch, dass sie komplex sein k\u00f6nnen, ihre Beherrschung in der Regel jahrelanges Training erfordert und sie manchmal die Kreativit\u00e4t in den fr\u00fchen Phasen des Designprozesses hemmen.<\/p>\n
Um den Weg f\u00fcr barrierefreiere Designpraktiken zu ebnen, hat ein Forscherteam am MIT gemeinsam ein neues, KI-gesteuertes Robotersystem entwickelt. Dieses bahnbrechende System erm\u00f6glicht es Nutzern, ihre kreativen Ideen zum Leben zu erwecken und physische Objekte wie beispielsweise M\u00f6bel zu gestalten, indem sie ihr Design einfach in nat\u00fcrlicher Sprache beschreiben.<\/p>\n
Das System interpretiert diese Beschreibungen, um 3D-Modelle zu erstellen, und setzt Objekte sogar aus vorgefertigten Bauteilen zusammen. \u201cDas Ziel ist es, irgendwann eine Kommunikation und Zusammenarbeit mit einem Roboter und einem KI-System zu erm\u00f6glichen, die so nat\u00fcrlich ist wie unsere Gespr\u00e4che untereinander. Unser System ist ein wegweisender Schritt in diese Richtung\u201d, kommentiert Alex Kyaw, Doktorand am MIT und aktives Mitglied der Fachbereiche Elektrotechnik, Informatik und Architektur.<\/p>\n
Hinter den Kulissen kommt ein generatives KI-Modell zum Einsatz, das die Textanweisung des Nutzers \u2013 etwa \u201cErstelle mir einen Stuhl\u201d \u2013 in ein 3D-Netz umwandelt, das die Geometrie des Objekts erfasst. Anschlie\u00dfend greift die zweite Ebene des KI-Modells ein und analysiert die Funktion des Objekts, um zu ermitteln, wie es aus vorgefertigten Teilen \u2013 Struktur- und Verkleidungskomponenten \u2013 zusammengesetzt werden soll.<\/p>\n
Die Faszination des Systems liegt in dem zweiten Modell, das als Vision-Language-Modell (VLM) bezeichnet wird. Dieses Modell fungiert als \u201cGehirn und Augen\u201d des Roboters und ist darauf trainiert, sowohl Text als auch Bilder wahrzunehmen. Es interpretiert das 3D-Netz intelligent und entscheidet anhand fr\u00fcherer Erfahrungen und Kenntnisse \u00fcber \u00e4hnliche Objekte, wo die einzelnen Komponenten platziert werden sollen.<\/p>\n
Sobald der Konstruktionsprozess abgeschlossen ist, ist es an der Zeit, dass das Robotersystem das Objekt aus diesen wiederverwendbaren Teilen zusammenbaut. Was diese Funktion umweltfreundlich macht, ist, dass diese Komponenten wieder zerlegt und f\u00fcr zuk\u00fcnftige Projekte wiederverwendet werden k\u00f6nnen, wodurch der Materialabfall erheblich reduziert wird.<\/p>\n
Das System hat sich bereits bew\u00e4hrt, was durch die Herstellung von M\u00f6beln wie St\u00fchlen und Regalen belegt wird. Eine Nutzerstudie zeigt, dass die von der KI generierten Entw\u00fcrfe bei \u00fcber 90% bevorzugt werden gegen\u00fcber solchen, die mit anderen automatisierten Methoden erstellt wurden, wie beispielsweise durch zuf\u00e4llige oder ausschlie\u00dflich nach oben gerichtete Anordnung der Oberfl\u00e4chenplatten.<\/p>\n
Was dieses System wirklich auszeichnet, ist sein \u201cHuman-in-the-Loop\u201d-Ansatz. Er erm\u00f6glicht es den Nutzern, ihre Entw\u00fcrfe durch iteratives Feedback fein abzustimmen. Alex Kyaw erkl\u00e4rt: \u201eDer Entwurfsraum ist riesig, daher schr\u00e4nken wir diese Unermesslichkeit durch Nutzer-Feedback ein. Angesichts der vielf\u00e4ltigen Vorlieben der Menschen w\u00e4re es unpraktisch, ein einheitliches Idealmodell zu entwickeln.\u201c<\/p>\n
Das VLM verl\u00e4sst sich bei der Platzierung von Bauteilen nicht nur auf Vermutungen. Es zeigt ein \u00fcberraschendes Verst\u00e4ndnis f\u00fcr die Funktionalit\u00e4t von Objekten. So versteht es beispielsweise, wie wichtig die Einlagen an Sitzfl\u00e4che und R\u00fcckenlehne eines Stuhls f\u00fcr den Komfort sind.<\/p>\n
Dieses neu entwickelte System bietet Anwendungsm\u00f6glichkeiten, die weit \u00fcber den Bereich der M\u00f6belherstellung hinausgehen. Das Team hofft, dass zuk\u00fcnftige Versionen des Systems in der Lage sein werden, komplexere Vorgaben zu verarbeiten und mechanische Teile wie Scharniere und Zahnr\u00e4der f\u00fcr anspruchsvollere Kreationen zu integrieren.<\/p>\n
\u201cWir wollen Design-Tools deutlich zug\u00e4nglicher machen\u201d, sagt Randall Davis, leitender Autor und Professor am EECS-Institut des MIT. \u201cUnsere Arbeit belegt, dass der Einsatz von KI und Robotik zur Umsetzung von Konzepten in greifbare Objekte schnell, benutzerfreundlich und \u00f6kologisch nachhaltig sein kann.\u201d Wenn Sie mehr \u00fcber dieses KI-gesteuerte Robotersystem und die dahinterstehende Studie erfahren m\u00f6chten, lesen Sie den Originalartikel auf der Website von MIT News: https:\/\/news.mit.edu\/2025\/robot-makes-chair-1216.<\/a><\/p>","protected":false},"excerpt":{"rendered":" Engineering and manufacturing physical products today often involves computer-aided design (CAD) tools. Everything from the latest consumer electronics to designer furniture springs from the effective use of CAD. However, an undeniable fact about these tools is that they can be complex, usually requiring years of training to master and sometimes stifling creativity during the early stages of design. Innovative Design Through Conversation Paving the way for more accessible design practices, a team of researchers at MIT collaborated to create a new AI-driven robotic system. This groundbreaking system allows users to bring their creative ideas to life, forming physical objects such […]<\/p>\n","protected":false},"author":4,"featured_media":7613,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,47],"tags":[],"class_list":["post-7612","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/7612","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/comments?post=7612"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/7612\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/7613"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=7612"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=7612"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=7612"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}