Designer, Hersteller und andere nutzen den 3D-Druck häufig, um schnell Prototypen für eine Reihe funktionaler Objekte zu erstellen, von Filmrequisiten bis hin zu medizinischen Geräten. Genaue Druckvorschauen sind unerlässlich, damit Benutzer wissen, dass ein gefertigtes Objekt wie erwartet funktioniert.
Bei den meisten 3D-Druck-Programmen liegt der Schwerpunkt bei den Vorschaubildern jedoch eher auf der Funktion als auf der Ästhetik. Ein gedrucktes Objekt weist am Ende möglicherweise eine andere Farbe, Textur oder Schattierung auf als vom Benutzer erwartet, was zu mehreren Nachdrucken führt, die Zeit, Mühe und Materials verschwenden.
Um Benutzern zu helfen, sich vorzustellen, wie ein hergestelltes Objekt aussehen wird, haben Forscher vom MIT und anderswo ein benutzerfreundliches Vorschautool entwickelt, bei dem das Aussehen an erster Stelle steht.
Benutzer laden einen Screenshot des Objekts aus ihrer 3D-Drucksoftware hoch, zusammen mit einem einzelnen Bild des Druckmaterials. Aus diesen Eingaben generiert das System automatisch eine Darstellung, wie das gefertigte Objekt voraussichtlich aussehen wird.
Das auf künstlicher Intelligenz basierende System namens VisiPrint ist für die Zusammenarbeit mit einer Reihe von 3D-Drucksoftware konzipiert und kann jedes Materialbeispiel verarbeiten. Es berücksichtigt nicht nur die Farbe des Supplies, sondern auch Glanz, Transluzenz und wie sich Nuancen des Herstellungsprozesses auf das Erscheinungsbild des Objekts auswirken.
Solche auf Ästhetik ausgerichteten Vorschauen könnten besonders in Bereichen wie der Zahnmedizin nützlich sein, indem sie Ärzten dabei helfen, sicherzustellen, dass provisorische Kronen und Brücken dem Erscheinungsbild der Zähne eines Patienten entsprechen, oder in der Architektur, um Designern bei der Beurteilung der visuellen Wirkung von Modellen zu helfen.
„3D-Druck kann ein sehr verschwenderischer Prozess sein. Einige Studien gehen davon aus, dass bis zu einem Drittel des verwendeten Supplies direkt auf der Mülldeponie landen, oft aus Prototypen, die der Benutzer schließlich entsorgt. Um den 3D-Druck nachhaltiger zu machen, möchten wir die Anzahl der Versuche reduzieren, die erforderlich sind, um den gewünschten Prototyp zu erhalten. Der Benutzer sollte nicht jedes verfügbare Druckmaterial ausprobieren müssen, bevor er sich für ein Design entscheidet“, sagt Maxine Perroni-Scharf, Doktorandin und Leiterin der Elektrotechnik und Informatik (EECS). Autor von a Papier auf VisiPrint.
Sie wird bei der Arbeit von Faraz Faruqi unterstützt, einem Kommilitonen des EECS-Doktoranden; Raul Hernandez, ein MIT-Scholar; SooYeon Ahn, ein Doktorand am Gwangju Institute of Science and Expertise; Szymon Rusinkiewicz, Professor für Informatik an der Princeton College; William Freeman, Thomas und Gerd Perkins Professor für EECS am MIT und Mitglied des Pc Science and Synthetic Intelligence Laboratory (CSAIL); und leitende Autorin Stefanie Mueller, außerordentliche Professorin für EECS und Maschinenbau am MIT und Mitglied von CSAIL. Die Forschung wird auf der ACM CHI Convention on Human Components in Computing Methods vorgestellt.
Präzise Ästhetik
Die Forscher konzentrierten sich auf Fused Deposition Modeling (FDM), die häufigste Artwork des 3D-Drucks. Beim FDM wird Druckmaterial-Filament geschmolzen und dann durch eine Düse gespritzt, um Schicht für Schicht ein Objekt herzustellen.
Die Erstellung präziser ästhetischer Vorschauen ist eine Herausforderung, da der Schmelz- und Extrusionsprozess das Erscheinungsbild eines Supplies verändern kann, ebenso wie die Höhe jeder aufgetragenen Schicht und der Weg, dem die Düse während der Herstellung folgt.
VisiPrint nutzt zwei KI-Modelle, die zusammenarbeiten, um diese Herausforderungen zu meistern.
Die VisiPrint-Vorschau basiert auf zwei Eingaben: einem Screenshot des digitalen Designs aus der 3D-Drucksoftware eines Benutzers (sogenannte „Slicer“-Software program) und einem Bild des Druckmaterials, das einer On-line-Quelle entnommen oder von einem gedruckten Muster erfasst werden kann.
Aus diesen Eingaben extrahiert ein Pc-Imaginative and prescient-Modell Merkmale aus der Materialprobe, die für das Erscheinungsbild des Objekts wichtig sind.
Diese Merkmale werden einem generativen KI-Modell zugeführt, das die Geometrie und Struktur des Objekts berechnet und dabei das sogenannte „Slicing“-Muster berücksichtigt, dem die Düse beim Extrudieren jeder Schicht folgt.
Der Schlüssel zum Ansatz der Forscher ist eine spezielle Konditionierungsmethode. Dabei muss das Innenleben des Modells sorgfältig angepasst werden, um es zu führen, sodass es dem Schnittmuster folgt und die Einschränkungen des 3D-Druckprozesses befolgt.
Ihre Konditionierungsmethode nutzt eine Tiefenkarte, die die Kind und Schattierung des Objekts beibehält, zusammen mit einer Karte der Kanten, die die inneren Konturen und strukturellen Grenzen widerspiegelt.
„Wenn diese beiden Dinge nicht in der richtigen Stability sind, könnte es zu einer schlechten Geometrie oder einem falschen Schnittmuster kommen. Wir mussten darauf achten, beides richtig zu kombinieren“, sagt Perroni-Scharf.
Ein benutzerorientiertes System
Das Group hat außerdem eine benutzerfreundliche Oberfläche erstellt, über die man die erforderlichen Bilder hochladen und die Vorschau auswerten kann.
Über die VisiPrint-Schnittstelle können fortgeschrittenere Hersteller mehrere Einstellungen anpassen, beispielsweise den Einfluss bestimmter Farben auf das endgültige Erscheinungsbild.
Letztendlich soll die ästhetische Vorschau die von der Slicer-Software program generierte Funktionsvorschau ergänzen, da VisiPrint weder die Druckbarkeit noch die mechanische Machbarkeit noch die Ausfallwahrscheinlichkeit abschätzt.
Um VisiPrint zu bewerten, führten die Forscher eine Benutzerstudie durch, bei der die Teilnehmer gebeten wurden, das System mit anderen Ansätzen zu vergleichen. Quick alle Teilnehmer gaben an, dass es insgesamt ein besseres Erscheinungsbild und eine größere strukturelle Ähnlichkeit mit gedruckten Objekten bietet.
Darüber hinaus dauerte der VisiPrint-Vorschauvorgang durchschnittlich etwa eine Minute, was mehr als doppelt so schnell battle wie bei allen Konkurrenzmethoden.
„VisiPrint hat im Vergleich zu anderen KI-Schnittstellen wirklich glänzt. Wenn man einem allgemeineren KI-Modell die gleichen Screenshots gibt, könnte es zufällig die Kind ändern oder das falsche Schnittmuster verwenden, weil es keine direkte Konditionierung hatte“, sagt sie.
Künftig wollen sich die Forscher mit Artefakten befassen, die auftreten können, wenn Modellvorschauen extrem feine Particulars aufweisen. Sie möchten außerdem Funktionen hinzufügen, die es Benutzern ermöglichen, Teile des Druckprozesses über die Farbe des Supplies hinaus zu optimieren.
„Es ist wichtig, über die Artwork und Weise nachzudenken, wie wir Objekte herstellen. Wir müssen weiterhin danach streben, Methoden zu entwickeln, die Abfall reduzieren. Zu diesem Zweck ist diese Verbindung von KI mit dem physischen Herstellungsprozess ein spannender Bereich zukünftiger Arbeit“, sagt Perroni-Scharf.
„‚What you see is what you get‘ battle in den 1980er-Jahren der Hauptgrund dafür, dass Desktop-Publishing möglich wurde, da es den Benutzern ermöglichte, auf Anhieb das zu bekommen, was sie wollten. Es ist an der Zeit, WYSIWYG auch für den 3D-Druck einzuführen. VisiPrint ist ein großer Schritt in diese Richtung“, sagt Patrick Baudisch, Professor für Informatik am Hasso-Plattner-Institut, der an dieser Arbeit nicht beteiligt battle.
Diese Forschung wurde teilweise durch ein MIT Morningside Academy for Design Fellowship und ein MIT MathWorks Fellowship finanziert.