\nIn einer Welt, in der \u201cWas du siehst, ist was du bekommst\u201d f\u00fcr die meisten Softwareentwickler das Leitprinzip ist, sollte es selbstverst\u00e4ndlich sein, Programme zu entwickeln, bei denen der bearbeitete Inhalt mit dem Endprodukt identisch ist. Doch wenn wir uns dem Bereich der generativen KI-Systeme f\u00fcr den 3D-Druck zuwenden, wird die Sache etwas undurchsichtig. Hier k\u00f6nnte man beispielsweise eine atemberaubende Kaffeetasse entwerfen, die leider keinen Tropfen Kaffee fassen kann. Aber warum?<\/p>\n
Das Problem besteht darin, dass KI-Modelle zwar ein gutes Gesp\u00fcr daf\u00fcr haben, wie ein Objekt aussieht, dabei jedoch dessen Funktionalit\u00e4t au\u00dfer Acht lassen. In der Regel f\u00fchrt diese Einschr\u00e4nkung zu sch\u00f6nen Entw\u00fcrfen, die sich in der Praxis jedoch als unbrauchbar erweisen. Selbst wenn man die \u00c4rmel hochkrempelt, um diese Modellfehler zu korrigieren, kann diese Aufgabe \u00fcberw\u00e4ltigend sein \u2013 insbesondere, wenn man noch keine Erfahrung mit 3D-Design hat.<\/p>\n
\nNun m\u00f6chten wir Ihnen InstructMesh vorstellen, eine geniale Innovation, die die Welt des 3D-Designs und -Drucks im Sturm erobert. Unter der Federf\u00fchrung von Forschungsteams des CSAIL am MIT, von Google und der Northeastern University, InstructMesh<\/a> veranschaulicht den Prozess, der zu funktionalen Haushaltsgegenst\u00e4nden, Accessoires und sogar Robotern f\u00fchrt. Der Prozess ist optimiert: Erstellen Sie anhand einer Eingabe ein 3D-Design, markieren Sie Teile des Entwurfs, die verfeinert werden m\u00fcssen, und drucken Sie das Ergebnis aus. Diese intuitive, KI-gest\u00fctzte Benutzeroberfl\u00e4che erkennt das Aussehen Ihres gew\u00fcnschten Designs und versteht, welche \u00c4nderungen der Nutzer vornehmen m\u00f6chte. Damit richtet sie sich sowohl an Experten als auch an Neulinge im Bereich des 3D-Designs.<\/p>\n Zu den kreativen Anwendungen, die CSAIL-Forscher mit InstructMesh entwickelt haben, geh\u00f6ren Alltagsgegenst\u00e4nde mit dem gewissen Etwas. Stellen Sie sich eine Kaffeetasse vor, die von einem Drachen umschlungen wird, eine Pfeife in Form einer strahlenden Muschel oder eine Brille, aus der Schmetterlingsfl\u00fcgel sprie\u00dfen. Ein unvergessliches Beispiel ist ein tintenfisch\u00e4hnlicher Spender, der aus jedem seiner Tentakel Getr\u00e4nke ausschenkt. InstructMesh erzeugt nicht nur optisch ansprechende Objekte, sondern gl\u00e4nzt auch durch seine einzigartige Art, Anweisungen zu befolgen.<\/p>\n \nWas ist also das Geheimnis hinter InstructMesh? Einfach ausgedr\u00fcckt: Es ist eine Kombination aus Microsofts TRELLIS<\/a> System und das gro\u00dfe Sprachmodell GPT-4<\/a>, das Kraftpaket hinter ChatGPT. Die Verschmelzung von visuellem und textuellem Wissen ebnet den Weg f\u00fcr ein interaktiveres und intensiveres Designerlebnis.<\/p>\n Bei InstructMesh geht es nicht nur um das Aussehen; seine F\u00e4higkeiten erstrecken sich auch auf die praktische Anwendbarkeit im Alltag. Nehmen wir zum Beispiel eine von MIT-Wissenschaftlern entwickelte Knieorthese, die im Denim-Look gestaltet ist und sich nahtlos in die Jeans eines Patienten einf\u00fcgt. Auch in der Robotik erweist sich die Technologie als unverzichtbar, da sie bei der Herstellung von Geh\u00e4usen f\u00fcr drahtlose Komponenten hilft \u2013 man stelle sich nur einmal einen \u201cBristle Bot\u201d in Form einer bunten Garnele vor.<\/p>\n Was die Benutzererfahrung angeht, \u00fcberzeugt InstructMesh im Praxistest. Das Team lie\u00df TRELLIS beliebte 3D-Modelle aus Thingiverse<\/a>. Obwohl fast 80% dieser Modelle strukturelle Fehler aufwiesen, konnten Anf\u00e4nger diese Fehler mithilfe von InstructMesh in etwa 90% der F\u00e4lle erkennen und korrigieren. Ein eindeutiger Beweis f\u00fcr die Benutzerfreundlichkeit des Tools.<\/p>\n Mit Blick auf die Zukunft rechnet der Hauptautor der Studie, Faruqi, der mittlerweile bei Google t\u00e4tig ist, damit, dass InstructMesh in Augmented-Reality-Plattformen integriert wird. Stellen Sie sich nur einmal vor, Sie k\u00f6nnten beschreiben, was Sie in Ihrer unmittelbaren Umgebung ben\u00f6tigen, und es w\u00fcrde sofort vor Ort in 3D gedruckt werden. Zuk\u00fcnftige Versionen k\u00f6nnten zudem Physiksimulationen beinhalten, um vorherzusagen, wie Entw\u00fcrfe auf reale Situationen reagieren \u2013 was den Nutzen der Technologie weiter steigern w\u00fcrde.<\/p>\n Zusammenfassend l\u00e4sst sich sagen, dass InstructMesh einen bedeutenden Fortschritt im Bereich des KI-gest\u00fctzten 3D-Designs darstellt. Es ist nicht nur leicht zug\u00e4nglich, sondern auch f\u00fcr Anwender aller Kenntnisstufen praktisch einsetzbar. Im Zuge des technologischen Fortschritts versprechen Tools wie InstructMesh, die L\u00fccke zwischen Vorstellungskraft und Realit\u00e4t zu schlie\u00dfen. Sind Sie also bereit, das Universum der KI-Automatisierung f\u00fcr Ihr Unternehmen zu erkunden? Erfahren Sie mehr unter implementi.ai<\/a>. M\u00f6chten Sie mehr erfahren? Lesen Sie den Originalartikel hier<\/a>.<\/p>","protected":false},"excerpt":{"rendered":" In a world where “what you see is what you get” is the guiding principle for most software engineers, creating programs where the content you edit is identical to the final product should be a given. But when we enter the realm of generative AI systems for 3D printing, the waters get a bit muddy. Here, you might design a stunning coffee mug that, unfortunately, can’t hold a drop of coffee. But why? The trouble bubbles around AI models being perceptive about how an object looks but neglecting its functionality. Typically, this boundary results in beautiful designs that just aren’t […]<\/p>\n","protected":false},"author":4,"featured_media":9724,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,47],"tags":[],"class_list":["post-9723","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\/9723","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=9723"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/9723\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/9724"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=9723"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=9723"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=9723"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}