Wyobra\u017a sobie rzeczywisto\u015b\u0107, w kt\u00f3rej wystarczy wypowiedzie\u0107 pro\u015bb\u0119 o krzes\u0142o, a ono pojawia si\u0119 na twoich oczach w ci\u0105gu kilku minut. Dzi\u0119ki prze\u0142omowym odkryciom naukowc\u00f3w z MIT taki scenariusz nie jest ju\u017c tylko fantazj\u0105 science fiction. Opracowano mechanizm sterowany przez sztuczn\u0105 inteligencj\u0119, nazwany \u201cspeech-to-reality\u201d (od s\u0142owa do rzeczywisto\u015bci), kt\u00f3ry umo\u017cliwia u\u017cytkownikom dos\u0142owne urzeczywistnianie swoich pomys\u0142\u00f3w za pomoc\u0105 g\u0142osu. Dzi\u0119ki po\u0142\u0105czeniu robotyki z generatywn\u0105 sztuczn\u0105 inteligencj\u0105 system jest w stanie przekszta\u0142ci\u0107 wypowiedziane polecenia w fizycznie namacalne, zmontowane obiekty.<\/p>\n
Sercem tej prze\u0142omowej innowacji jest rami\u0119 robota umieszczone na stole roboczym. U\u017cytkownik musi jedynie wypowiedzie\u0107 proste \u017cyczenie, na przyk\u0142ad \u201cChc\u0119 prosty sto\u0142ek\u201d, a reszt\u0105 zajmie si\u0119 system. Proces rozpoczyna si\u0119 od rozszyfrowania \u017c\u0105dania przez oprogramowanie do rozpoznawania mowy przy pomocy kompleksowego modelu j\u0119zykowego. Nast\u0119pnie generatywna sztuczna inteligencja 3D tworzy cyfrow\u0105 siatk\u0119 po\u017c\u0105danego obiektu. Siatka ta jest nast\u0119pnie przekszta\u0142cana w projekt oparty na wokselach, kt\u00f3ry jest dalej dzielony na modu\u0142owe cz\u0119\u015bci, kt\u00f3re robot mo\u017ce z\u0142o\u017cy\u0107.<\/p>\n
Przed rozpocz\u0119ciem w\u0142a\u015bciwej budowy algorytmy geometryczne analizuj\u0105 projekt pod k\u0105tem praktycznej wykonalno\u015bci, oceniaj\u0105c stabilno\u015b\u0107, redukuj\u0105c nawisy i planuj\u0105c po\u0142\u0105czenia cz\u0119\u015bci. Alexander Htet Kyaw, doktorant MIT i stypendysta Morningside Academy for Design, opisuje ten proces jako pierwsze w swoim rodzaju po\u0142\u0105czenie przetwarzania j\u0119zyka naturalnego, generatywnej sztucznej inteligencji 3D i monta\u017cu zrobotyzowanego. Ostatnim krokiem jest zautomatyzowany plan trasy, kt\u00f3ry umo\u017cliwia szybki monta\u017c obiektu.<\/p>\n
Pomys\u0142 na system powsta\u0142 podczas kursu \u201cJak zrobi\u0107 prawie wszystko\u201d prowadzonego przez profesora Neila Gershenfelda. Alexander dopracowa\u0142 system w Centrum Bit\u00f3w i Atom\u00f3w (CBA) MIT, wsp\u00f3\u0142pracuj\u0105c z innymi studentami studi\u00f3w magisterskich, Se Hwan Jeonem z wydzia\u0142u in\u017cynierii mechanicznej i Mian\u0105 Smith z CBA. Dzi\u0119ki temu systemowi zesp\u00f3\u0142 wyprodukowa\u0142 szereg przedmiot\u00f3w, od sto\u0142k\u00f3w, p\u00f3\u0142ek i ma\u0142ych stolik\u00f3w po krzes\u0142a, a nawet elementy dekoracyjne, takie jak figurka psa. Dzi\u0119ki szybkiemu monta\u017cowi i \u0142atwemu demonta\u017cowi system ten okaza\u0142 si\u0119 zar\u00f3wno szybki, jak i zr\u00f3wnowa\u017cony.<\/p>\n
System ten okazuje si\u0119 lepszy od konwencjonalnego drukowania 3D, kt\u00f3re mo\u017ce by\u0107 powolnym procesem, cz\u0119sto trwaj\u0105cym wiele godzin, a nawet dni. Co wa\u017cniejsze, eliminuje on konieczno\u015b\u0107 posiadania umiej\u0119tno\u015bci w zakresie modelowania 3D lub programowania robot\u00f3w. To nowe podej\u015bcie oznacza, \u017ce ka\u017cdy, kto potrafi m\u00f3wi\u0107, ma dost\u0119p do procesu projektowania i produkcji. Koncentruj\u0105c si\u0119 na zr\u00f3wnowa\u017conym rozwoju, zesp\u00f3\u0142 zadba\u0142 o to, aby modu\u0142owe cz\u0119\u015bci by\u0142y \u0142atwe do ponownego wykorzystania, umo\u017cliwiaj\u0105c demonta\u017c obiekt\u00f3w i przebudow\u0119 ich w nowe formy.<\/p>\n
Obecnie zesp\u00f3\u0142 pracuje nad popraw\u0105 wytrzyma\u0142o\u015bci strukturalnej powsta\u0142ych produkt\u00f3w poprzez zast\u0105pienie magnetycznych punkt\u00f3w po\u0142\u0105cze\u0144 bardziej wytrzyma\u0142ymi technikami \u0142\u0105czenia. Zastanawia si\u0119 r\u00f3wnie\u017c nad skalowaniem systemu dla rozproszonych robot\u00f3w mobilnych, co potencjalnie umo\u017cliwi budow\u0119 rozleg\u0142ych konstrukcji. Zainspirowany replikatorami z serialu \u201cStar Trek\u201d i robotami budowlanymi z filmu \u201cWielka sz\u00f3stka\u201d, Alexander wyobra\u017ca sobie przysz\u0142o\u015b\u0107, w kt\u00f3rej tworzenie obiekt\u00f3w fizycznych b\u0119dzie tak proste, jak wypowiedzenie pro\u015bby. Ponadto stara si\u0119 wbudowa\u0107 w system rozpoznawanie gest\u00f3w i interfejsy rzeczywisto\u015bci rozszerzonej, aby zapewni\u0107 bardziej instynktown\u0105 interakcj\u0119 mi\u0119dzy lud\u017ami a robotami.<\/p>\n
Wyniki ich bada\u0144 zosta\u0142y przedstawione w artykule zatytu\u0142owanym \u201cSpeech to Reality: On-Demand Production using Natural Language, 3D Generative AI, and Discrete Robotic Assembly\u201d (Od s\u0142\u00f3w do rzeczywisto\u015bci: produkcja na \u017c\u0105danie z wykorzystaniem j\u0119zyka naturalnego, generatywnej sztucznej inteligencji 3D i dyskretnego monta\u017cu robotycznego) podczas sympozjum ACM Symposium on Computational Fabrication, kt\u00f3re odby\u0142o si\u0119 21 listopada na MIT. Aby zapozna\u0107 si\u0119 z szczeg\u00f3\u0142ami badania, mo\u017cna odwiedzi\u0107 stron\u0119 oryginalny artyku\u0142 w MIT News<\/a>.<\/p>","protected":false},"excerpt":{"rendered":" Transforming Words into Tangible Reality: A New Dawn of Instantaneous Creation Ponder a reality where you could verbalize a demand for a chair, and it comes to life right before your eyes within minutes. Courtesy of innovative breakthroughs by MIT researchers, a scenario like this is no longer solely the stuff of science fiction. Developed is an AI-controlled mechanism christened “speech-to-reality,” providing users with the ability to literally talk their concepts into existence. By integrating robotics with generative AI, the system is capable of converting spoken cues into physically tangible assembled objects. What lays at the heart of this progressive […]<\/p>\n","protected":false},"author":4,"featured_media":7535,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[47,52],"tags":[],"class_list":["post-7534","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news","category-ai-productivity","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/7534","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=7534"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/7534\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/7535"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=7534"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=7534"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=7534"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}