Het probleem met veel AI-gegenereerde 3D-ontwerpen is dat ze er prachtig uitzien op het scherm, maar in de echte wereld uit elkaar vallen. Een AI kan een spectaculaire stoel bedenken, maar begrijpt niet dat die onder het gewicht van een persoon zou instorten. Onderzoekers van het MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) hebben een systeem ontwikkeld dat deze kloof tussen digitaal ontwerp en fysieke realiteit overbrugt.

Hun systeem, genaamd PhysiOpt, voegt een laag natuurkunde toe aan generatieve AI. In plaats van alleen maar vormen te creëren die esthetisch aantrekkelijk zijn, simuleert het systeem of een ontwerp ook daadwerkelijk zijn functie kan vervullen. Je geeft een beschrijving of uploadt een afbeelding, en binnen ongeveer een halve minuut krijg je een aangepast 3D-model dat klaar is om te printen. Het systeem past subtiele veranderingen aan de vorm aan om de structurele integriteit te garanderen, terwijl het algemene uiterlijk en de functie behouden blijven.

Volgens de onderzoekers, die hun werk in een paper presenteren, is PhysiOpt een automatisch systeem dat generatieve AI combineert met op fysica gebaseerde vormoptimalisatie. Het is specifiek bedoeld voor het maken van persoonlijke items zoals bekers, sleutelhangers en boekensteunen. Als voorbeeld noemen de onderzoekers een door het systeem gegenereerd “drinkglas in de vorm van een flamingo”, dat daadwerkelijk kon worden geprint en gebruikt. Tijdens het genereren paste PhysiOpt kleine verfijningen toe om ervoor te zorgen dat het ontwerp stevig genoeg was.

Hoe kun je dit vandaag toepassen?

De specifieke MIT-software is nog niet commercieel beschikbaar, maar het principe – het testen van AI-ontwerpen voordat je ze produceert – is direct toepasbaar. Het voorkomt verspilling van materiaal, tijd en geld. Je zou kunnen beginnen door de ontwerp- en productiefase explicieter van elkaar te scheiden en simulatie in te bouwen als verplichte tussenstap.

Als je een kleine webshop runt met unieke, geprinte producten. Je gebruikt AI om nieuwe ontwerpen voor sieraden, telefoonhoesjes of decoratie te genereren. Een mogelijke stap is om, voordat je een batch laat printen, een enkel prototype te maken en zelf te testen op stevigheid. Of je overweegt om een eenvoudige 3D-simulatiesoftware te gebruiken die belasting op onderdelen kan testen, voordat je investeert in productie.

Als je als ontwerper of maker werkt voor klanten. Je presenteert niet alleen het visuele ontwerp dat door AI is gegenereerd, maar ook een plan voor hoe je de functionaliteit en duurzaamheid gaat waarborgen. Je zou kunnen voorstellen om een fysiek prototype te maken of een digitale stress-test uit te voeren als onderdeel van je offerte, om het vertrouwen van de klant te winnen.

Als je binnen een bedrijf verantwoordelijk bent voor prototyping. In plaats van direct over te gaan op dure productiemethodes voor een AI-gegenereerd concept, kun je een gefaseerde aanpak hanteren. Eerst een snel en goedkoop 3D-print prototype maken om de vorm en pasvorm te testen, daarna een versie in het uiteindelijke materiaal om de sterkte te evalueren. Dit maakt het veilig om met AI te experimenteren.

Als je educatieve of creatieve workshops geeft. Je kunt deelnemers leren om kritisch te zijn op AI-output. Laat ze niet alleen een mooi ontwerp genereren, maar ook een plan bedenken: van welk materiaal maak je het, waar moet het tegen kunnen, en hoe test je dat? Dit transformeert AI van een speeltje naar een serieus ontwerpinstrument.

De kern is dat generatieve AI een geweldige bron van inspiratie is, maar geen vervanging voor praktisch inzicht. Door een ‘realiteitstest’ in te bouwen tussen het digitale idee en de fysieke uitvoering, voorkom je frustratie en maak je van AI een betrouwbare partner in het creatieve proces.

Bron: MIT News