- Spectral Labs เปิดตัว SGS-1 โมเดล AI เชิงกำเนิดตัวแรกสำหรับการสร้าง CAD แบบมีโครงสร้าง (B-Rep)
- SGS-1 รับอินพุตเป็น ภาพหรือ 3D mesh แล้วสร้าง ไฟล์ CAD แบบพาราเมตริก ที่แก้ไขได้ง่าย
- เมื่อเทียบกับ GPT-5, HoLa BRep และโมเดลเดิมอื่น ๆ แล้ว SGS-1 สร้างรูปทรงที่ซับซ้อนและหลากหลายได้แม่นยำกว่า
- รองรับ การทำ reverse engineering แบบอัตโนมัติ โดยแปลงอินพุตหลากหลายอย่าง สเก็ตช์, แบบวิศวกรรม, STL ให้เป็นไฟล์ STEP ได้อัตโนมัติ
- แม้ยังมีข้อจำกัดในการสร้าง พื้นผิวโค้งแบบออร์แกนิกหรือแอสเซมบลีทั้งชุด แต่มีแผนปรับปรุงเพิ่มเติมในโมเดลรุ่นถัดไป เช่น มัลติโมดัลและการให้เหตุผลเชิงฟิสิกส์
แนะนำ SGS-1 และคุณสมบัติหลัก
- Spectral Labs เปิดเผย SGS-1 ในฐานะ foundation generative AI model ที่สามารถสร้าง โครงสร้างเรขาคณิต 3D ซึ่งผลิตได้จริงและมีองค์ประกอบแบบพาราเมตริก
- SGS-1 รับอินพุตเป็น ภาพ หรือ 3D mesh แล้วส่งออกเป็นไฟล์ STEP ในรูปแบบ B-Rep (boundary representation) ที่ แก้ไขได้ง่าย
- ผลลัพธ์ดังกล่าวสามารถนำไปแก้ไขและใช้งานใน ซอฟต์แวร์ CAD แบบดั้งเดิม ได้อย่างง่ายดายและแม่นยำ
วิธีการทำงานและผลลัพธ์ของ SGS-1
- ผู้ใช้สามารถอัปโหลด ภาพ หรือ ไฟล์ 3D แบบง่าย เพื่อแปลงเป็น ไฟล์ B-Rep แบบพาราเมตริก ที่ปรับขนาดเฉพาะจุดได้
- SGS-1 สร้าง รูปทรง CAD ที่ซับซ้อนและหลากหลาย ได้มากกว่าโมเดลเดิมอย่างชัดเจน
- สามารถประยุกต์ใช้กับงานออกแบบวิศวกรรมจริงได้ และมีตัวอย่างการออกแบบชิ้นส่วนจาก ข้อมูลบางส่วนของแอสเซมบลีและคำอธิบายข้อความ
การทดลองเปรียบเทียบกับโมเดลเดิม
- มีการประเมินเปรียบเทียบ SGS-1 กับ GPT-5 (โมเดลขนาดใหญ่ของ OpenAI ที่สร้างโค้ด CadQuery ได้), HoLa BRep (โมเดลสร้าง B-Rep จากภาพ) และโมเดลอื่น ๆ โดยใช้ ภาพ CAD ซับซ้อน 75 ภาพ
- การทดลองทำซ้ำโมเดลละ 10 ครั้ง และวัดผลตาม อัตราการสร้างสำเร็จ (Success Ratio)
- SGS-1 แสดง ประสิทธิภาพสูงสุด ในรูปทรงที่ซับซ้อนส่วนใหญ่ และมี ความเข้าใจเชิงพื้นที่ กับ ความสามารถในการสร้างเรขาคณิต ที่เหนือกว่าโมเดลอื่น
- โมเดลอื่นมักให้ผลลัพธ์ที่เรียบง่ายเกินไปหรือใช้งานได้ต่ำ จึงนำไปใช้กับการออกแบบชิ้นงานประกอบจริงได้ยาก
การสร้างโครงสร้างแบบพาราเมตริกในบริบทของแอสเซมบลี
- ด้วย SGS-1 สามารถออกแบบ ชิ้นส่วนใหม่ ที่เหมาะกับบริบทได้จากเพียง ชุดประกอบบางส่วนที่มีอยู่เดิม (บางส่วนของ CAD assembly) และ คำอธิบายหรือภาพ
- ขั้นตอนการใช้งาน
- สร้างเรนเดอร์ของชุดประกอบบางส่วนและเขียนคำอธิบายของชิ้นส่วนที่จะเพิ่ม
- ป้อนข้อมูลเข้า SGS-1 เพื่อสร้าง B-Rep ในรูปแบบ ไฟล์ STEP
- นำเข้าไฟล์ STEP ที่สร้างแล้วกลับเข้าแอสเซมบลี และปรับมิติเพื่อให้พอดีกับการใช้งาน
- ยังมีการนำเสนอวิดีโอตัวอย่างสำหรับสถานการณ์การออกแบบ bracket หลายรูปแบบ
การแปลงสเก็ตช์และแบบวิศวกรรมอัตโนมัติ
- หากป้อน สเก็ตช์วาดมือ หรือ แบบวิศวกรรมอย่างเป็นทางการ เข้า SGS-1 ก็สามารถแปลงเป็น ไฟล์ CAD 3D แบบพาราเมตริกที่แก้ไขได้ โดยอัตโนมัติ
- แม้แต่สเก็ตช์มือที่ไม่ซับซ้อนก็ยังแปลงได้อย่างมีประสิทธิภาพ ช่วยผลักดัน นวัตกรรมในกระบวนการออกแบบ
Reverse engineering และการแปลง mesh (STL) → STEP อัตโนมัติ
- ไฟล์สแกน และ ไฟล์ STL/mesh เดี่ยว ก็สามารถแปลงเป็น ไฟล์ STEP แบบพาราเมตริก ได้โดยอัตโนมัติผ่าน SGS-1
- จึงทำให้ reverse engineering แบบอัตโนมัติเต็มรูปแบบโดยไม่ต้องทำงานด้วยมือ เป็นไปได้ และมีข้อดีในการทำดิจิไทซ์ชิ้นส่วนที่มีรูปทรงหลากหลาย
ข้อจำกัด
- SGS-1 เป็นโมเดลที่ปรับแต่งมาสำหรับการสร้าง 3D แบบพาราเมตริกเพื่อ งานวิศวกรรม/งานเอนจิเนียริง
- ยังมีข้อจำกัดในการสร้าง พื้นผิวซับซ้อนหรือโครงสร้างโค้งอิสระแบบออร์แกนิก, โครงสร้างที่บางมาก และ การสร้างชุดประกอบทั้งชุดในคราวเดียว
- ในโมเดลรุ่นถัดไปมีแผนเพิ่ม การรองรับมัลติโมดัล, การรับรู้เชิงพื้นที่ที่ซับซ้อน, การให้เหตุผลเชิงฟิสิกส์ขั้นสูง รวมถึง reinforcement learning จาก feedback
แผนในอนาคตและการแนะนำทีม
- Spectral Labs กำลังเตรียมโมเดลรุ่นถัดไปของ SGS-1 โดยมุ่งเป้าไปที่ การออกแบบระบบฟิสิกส์ที่ซับซ้อนยิ่งขึ้น, อินพุตแบบมัลติโมดัล, บริบทเชิงพื้นที่ที่ละเอียดขึ้น และ ความสามารถในการให้เหตุผลทางกายภาพ
- บริษัทมีเป้าหมายเป็นผู้นำในสาย generative AI สำหรับงานวิศวกรรม 3D ด้วยการนำเทคนิค AI สมัยใหม่ เช่น reinforcement learning และการจำลองฟิสิกส์ที่อิง feedback มาใช้
- ทีมประกอบด้วยนักวิจัย AI และวิศวกรจาก Autodesk Research, Samsung Research, CMU, Meta
- หากต้องการความร่วมมือด้านวิจัยหรือสอบถามเรื่องการเปิดใช้งาน สามารถติดต่อผ่านช่องทางทางการของ Spectral Labs ได้
1 ความคิดเห็น
ความคิดเห็นบน Hacker News
ผมอ้างได้ว่า SGS-1 สามารถสร้างเรขาคณิต 3D แบบพาราเมตริกเต็มรูปแบบได้ แต่เพียงแค่ดูว่าไฟล์ STEP ไม่รองรับพาราเมตริกฟีเจอร์เลย ก็รู้ได้ทันทีว่านี่เป็นคำกล่าวที่ไม่จริงโดยแทบไม่ต้องทดสอบด้วยซ้ำ พวกเขาบอกว่าผลลัพธ์ของ SGS-1 สามารถแก้ไขได้ง่ายในซอฟต์แวร์ CAD แบบดั้งเดิม แต่จากที่ผมลองกับไฟล์เดโมด้วยตัวเอง พบว่าคำกล่าวเหล่านั้นเกินจริงอย่างมาก ผมเทียบอินพุตและเอาต์พุตกับชิ้นส่วนที่ผมโมเดลเองอย่างถูกต้อง และลิสต์ข้อผิดพลาดต่าง ๆ ไว้แล้ว ไม่ใช่แค่ขนาดผิด แต่ยังมีฟีเจอร์พังที่ทำให้แก้ไข CAD ได้ยากด้วย ผมไม่เข้าใจว่าทำไมถึงกล้าพูดแบบนี้ ทั้งที่ยังปล่อยเดโมที่พิสูจน์ได้เองว่ามันไม่จริง ไม่แน่ใจว่าแค่ต้องการพาดหัวข่าว อยากขายให้คนที่ไม่รู้อะไรเลย หรือเป็นแค่คนสาย CS ที่ไม่มีความรู้โดเมนแล้วเชื่อว่าตัวเองแก้ปัญหาได้แล้ว ข้อผิดพลาดหลักมีดังนี้: ขนาดทุกจุดผิดหมด, รูหนึ่งเจาะไม่ทะลุ, ไม่ใช่รูวงกลมแต่เป็นรูซ้อนกันสองรู, fillet ทำไม่ถูกต้อง, รูด้านบนเยื้องตำแหน่ง, chamfer ก่อนหน้าลงต่ำกว่าระนาบอ้างอิง, รูด้านบนมี Z offset, วิธีเชื่อม chamfer สองด้านไม่เหมือนกัน เป็นต้น<br>ภาพเปรียบเทียบและสกรีนช็อตโมเดลจริง: ตัวอย่างผลลัพธ์ที่ผิด, ตัวอย่างที่ถูกต้องที่ผมทำเอง
ผมเองก็งงเหมือนกันว่าไฟล์ STEP ไม่รองรับพาราเมตริกฟีเจอร์ แล้วทำไมถึงยังกล้าอ้างแบบนั้น อย่างเป็นทางการก็บอกว่าสร้างได้แค่ B-rep (boundary representation) แต่ในตัวอย่างลูกกลิ้งกลับบอกว่า "เป็นพาราเมตริกจึงปรับขนาดได้ง่าย" ซึ่งผมมองว่าไม่สมเหตุสมผลเลย ถ้าต้องการความสามารถแบบนั้น ผมคงขึ้นโมเดลใหม่ตั้งแต่แรกพร้อม feature history และ constraints ที่ถูกต้อง ดีกว่าไปแก้ไฟล์ STEP
ดูเหมือนคุณจะรู้เรื่องสายนี้ดี เลยอยากถามเพราะผมยังใหม่มาก แต่ผมเคยได้ยินว่า zoo.dev/design-studio ให้ความสามารถคล้ายกัน อยากฟังมุมมองจากผู้เชี่ยวชาญว่าแตกต่างกันอย่างไร
นี่เป็นคำกล่าวที่ชวนให้เข้าใจผิดอย่างชัดเจน ผมสงสัยว่าพวกเขากำลังพยายามหลอกใครอยู่ หรืออาจจะเล็งไปที่นักลงทุน
ผมไม่ได้รู้ลึกเรื่องฟอร์แมตพวกนี้มากนัก แต่จุดเด่นของไฟล์ STEP เมื่อเทียบกับ STL คือมันเก็บข้อมูลแบบ "B-rep" นั่นคือเก็บความสัมพันธ์เชิงเรขาคณิตระหว่างพื้นผิว จึงเอาไปใช้ในพาราเมตริกเอดิเตอร์ได้ง่ายกว่า ดูเหมือนพวกเขาก็ใช้จุดนี้เป็นจุดขาย โดยชูว่าต่างจากวิธีเดิมที่ทำด้วย mesh เพราะใช้ B-rep แทน
ข่าว AI มักบิดเบือนประสิทธิภาพจริงอยู่บ่อย ๆ เดี๋ยวคงมีคนมาเมนต์แบบกำกวมว่าใช้งานได้แหละ
ผมคิดว่าน่าจะมีตลาดสำหรับฟังก์ชันที่ใช้ AI จัดการข้อมูลที่นำเข้าจาก 3D scanner แบบไม่สมบูรณ์โดยอัตโนมัติ การสร้าง 3D mesh ที่สะอาดจาก point cloud และการระบุวัตถุด้วยสีหรือแสงก็น่าสนใจมาก ถ้าใช้สิ่งนี้ก็อาจอธิบายโลกและสร้าง metadata ของวัตถุได้ด้วย แต่ฟังก์ชันออกแบบอัตโนมัติแบบนี้กลับทำให้ความสนุกของ CAD หายไป มากกว่าจะช่วยแก้ปัญหาจริง ผมคิดว่า AI จะมีประโยชน์ที่สุดเมื่อเอาไปใช้กับงานซ้ำ ๆ และน่าเบื่อ เทคโนโลยีแบบนี้อาจสร้างความประทับใจให้นักลงทุนและช่วยประหยัดเวลาของผู้เชี่ยวชาญได้ แต่มีข้อจำกัดในการแก้ปัญหาที่ใหญ่กว่านั้นจริง ๆ
เอาจริง ๆ วงการนี้สนใจแค่ทำให้นักลงทุนประทับใจเท่านั้น สุดท้ายพอเทคโนโลยี AI มา มันจะพรากความพึงพอใจในการทำงานของแรงงานความรู้ไป แล้วเหลือคนเพียงน้อยนิดไว้คอยคุม AI หรือไม่ก็ทำงานอย่างล้างห้องน้ำ ตอนนี้ดูเหมือนมันกำลังทำลายอุปสงค์แรงงาน และแม้แต่รายได้ที่เคยมั่นคงก็จะไหลไปเป็นผลประโยชน์ของผู้ถือหุ้น
ความจริงไม่ใช่ทุกคนที่ทำ CAD เพราะมันสนุก เวลาจะพิมพ์ต้นแบบง่าย ๆ ผมอยากสั่ง AI ได้ว่า "ทำบอร์ดเมาท์นี้ให้หน่อย รูห่างกัน Xmm มีทั้งหมด N รู" หรือ "เชื่อมสองพาร์ตนี้", "เพิ่มรูน็อตตรงนี้", "สร้าง snap-fit joint", "กว้าง 8cm", "ย้ายรูนี้ไปอีกด้าน" งานที่ผมหวังคืออะไรพวกนี้ที่ทำได้เร็วและง่าย
ตอน ChatGPT4 ออกใหม่ ๆ ผมเคยลองสร้างมาตรฐานมาร์กอัปแบบเปิดสำหรับงานออกแบบ mechatronics ที่ใช้ LLM ด้วยตัวเอง ผมคิดว่า LLM จำเป็นต้องมีภาษามาร์กอัปที่มนุษย์อ่านได้ เพื่อใช้เรียนรู้จากตัวอย่างหลายแบบหรือทำความเข้าใจตรรกะ ผมทำเป็นเดโมแนวคิดอ้างอิงสำหรับงานออกแบบแบบวนรอบเร็ว และอัปไว้ใน โปรเจกต์ GitHub ของผม เพื่อให้ใครก็ได้เอาไปขยายต่อหรือทำ implementation เอง หวังว่าแนวทางโอเพนซอร์สแบบนี้จะช่วยรับประกันเสรีภาพให้กับนักพัฒนาฮาร์ดแวร์แบบเปิดในระยะยาว
การที่ตอนนี้สร้างชิ้นส่วน CAD เป็น STEP (B-Rep) ได้ จากเดิมที่ให้ได้แค่โมเดลแบบ mesh ถือเป็นการเปลี่ยนแปลงครั้งใหญ่ ก่อนหน้านี้โมเดลพวกนั้นแทบเป็นแค่ของเล่น แต่ผมตื่นเต้นมากที่จะได้เห็นว่าเทคโนโลยีนี้จะพัฒนาไปได้ไกลแค่ไหน ขั้นต่อไปน่าจะเป็นการแปลง STEP ไปเป็นฟอร์แมตปิดอย่าง SolidWorks, NX และอื่น ๆ ได้ดีขึ้น พร้อมทั้งอนุมาน constraints ของการออกแบบ
ถ้าแค่แปลง 3D scan mesh ให้เป็นเรขาคณิต STEP ที่ใช้งานได้จริงอย่างถูกต้องได้ ก็ถือว่าก้าวหน้ามากแล้ว
ขอบคุณสำหรับฟีดแบ็ก! เราวางแผนจะนำไปใช้กับโมเดลถัดไปอย่างจริงจัง อยากรู้ว่าคุณต้องการเห็นอะไรแบบเจาะจงบ้าง
ในฐานะวิศวกร ผมคิดว่า AI นี้จริง ๆ แล้วไม่ได้ตัดส่วนที่ยากที่สุดของงานออกแบบทิ้งไป ส่วนที่ยากจริงคือการออกแบบเพื่อการผลิต เส้นทางรับแรง และการกำหนดโครงสร้างของชิ้นส่วนให้เหมาะกับแรงที่เกิดขึ้นจริง
จากมุมมองวิศวกรเหมือนกัน ถ้า AI นี้ทำงานได้ดี มันน่าจะย่นขั้นตอนการทำต้นแบบลงอย่างมาก ทำให้สร้างผลิตภัณฑ์ที่ดีกว่าในต้นทุนต่ำลงได้ และ AI นี้ก็อาจช่วยเรื่องแรงจริงและการออกแบบโครงสร้างได้ด้วย
ในการพัฒนาซอฟต์แวร์ ตอนนี้กำลังมีแนวโน้มใช้ AI เพื่อลดงานสูตรสำเร็จและโฟกัสกับคุณค่าหลักจริง ๆ ซึ่งผมคิดว่าน่าจะใช้ได้แบบเดียวกันในสาขาอื่นด้วย
เรื่องนี้ AI ก็กำลังเข้ามาแก้อยู่แล้ว: limitlesscnc.ai
ในฐานะผู้ก่อตั้งสตาร์ทอัปที่กำลังทำผลิตภัณฑ์แข่งกัน ผมดีใจที่เห็นคนสนใจและพูดถึงกันมาก เพราะแปลว่ามีตลาดอยู่จริง แต่เอาต์พุตของโมเดล SGS-1 ตอนนี้ยังขาดมากในแง่การผลิตจริงและการใช้งานได้จริง STEP ที่ได้ตอนนี้แม้จะนำเข้า CAD ได้หลายตัว แต่แทบไม่ช่วยนักออกแบบ วิศวกร หรือผู้ผลิตเลยนัก (แม้แต่โรงงานหรือ 3D printer ก็ลำบาก) ปัญหาหลักคือ: คุณภาพพื้นผิวโค้งต่ำจนใช้กับ simulation หรือการผลิตไม่ได้, รูปร่างง่าย ๆ ถูกสร้างออกมาซับซ้อนเกินไป (fillet ถูกหั่นเป็นพื้นผิวมากกว่า 10 ชิ้น), แม้จะสร้างหนึ่งพาร์ตก็กลับถูกแยกเป็นพาร์ตเล็ก ๆ มากกว่า 10000 ชิ้น จนในทางปฏิบัติไม่ใช่ผลิตภัณฑ์ชิ้นเดียวอีกต่อไป ผมคาดหวังกับเวอร์ชัน V2 มาก อนึ่ง ผมเป็นผู้ก่อตั้งบริษัทชื่อ Transfigure และหลังจากเห็นข้อจำกัดของ SGS-1 ล่วงหน้า เรากำลังสร้างสถาปัตยกรรม AI จากมุมมองวิศวกรเครื่องกล เพื่อสร้างข้อมูลที่สะอาดและใช้กับ simulation กับการผลิตได้ทันที<br>ถ้าคุณส่งข้อมูลที่สร้างจาก SGS-1 เข้ามาที่โรงงานของเรา คุณคงถูกไล่ออกทันที<br>yo@xfgr.ai
ผมมีปัญหาเสมอเวลาพยายามใช้ LLM สร้างโมเดล OpenSCAD เพราะมันไม่เข้าใจมิติ XYZ และการให้เหตุผลทางคณิตศาสตร์ 3D ได้ดีพอ ผมเลยใช้เรื่องนี้เป็นเกณฑ์ประเมินความสามารถของ LLM ด้วย แค่จะทำที่วางโทรศัพท์แบบง่าย ๆ มันก็ทำครั้งเดียวไม่สำเร็จ ต้องแยกเป็นขั้นตอน เช่น สร้างระนาบ, เอียงมุม, คำนวณความสูงด้วยตรีโกณมิติ, สร้างระนาบใหม่, ย้ายตำแหน่ง ฯลฯ
ผมมองว่าฟังก์ชันแปลงสเก็ตช์เป็น CAD จะเป็นนวัตกรรมใหญ่ในตลาดงานบูรณะ มีแบบเขียนเก่า ๆ จำนวนมากที่ไม่มีขนาดกำกับ แต่ถ้าวิศวกรรู้ขนาดโดยรวมหรือความสูงทั้งหมด ก็สามารถเริ่มจากทำกล่องก่อน แล้วบอก AI ว่า "ทำชิ้นส่วนนี้ให้เข้ากับเครื่องนี้" ได้ มันจะเปลี่ยนเกมในทุกวงการที่ต้องใช้ CAD ไม่ว่าจะเป็น 3D printing, งานบูรณะ, การออกแบบจากจินตนาการ, การผลิตชิ้นส่วน และอื่น ๆ
ในทางทฤษฎี ผมรู้สึกว่าฟังก์ชันนี้มีบางส่วนที่ไม่สมเหตุสมผล เช่น ผมสงสัยว่ามันกำหนดค่าความคลาดเคลื่อนได้ด้วยหรือไม่
เดโมน่าสนใจ แต่สิ่งที่สำคัญจริง ๆ คือความสามารถในการนำ constraints ที่อธิบายเป็นข้อความไปสะท้อนในแบบได้อย่างถูกต้อง การออกแบบพาร์ตที่มีเพียงฟังก์ชันตามต้องการนั้นง่าย แต่การทำให้มันผลิตได้จริง ใส่ลงในพื้นที่ที่กำหนดได้จริง และผ่านข้อจำกัดด้านคุณสมบัติเชิงกลกับต้นทุน (เช่น ใช้วัสดุน้อยที่สุด ผลิตง่าย ฯลฯ) นั้นยากกว่ามาก ตัวอย่างเช่น พาร์ตสำหรับ 3D printing มีข้อจำกัดมากมาย เช่น ต้องหลีกเลี่ยงวัสดุซัพพอร์ต หรือพิมพ์ในทิศทางเฉพาะ ความสามารถที่มีประโยชน์จริงคือให้ผู้ใช้พิมพ์ข้อจำกัดเหล่านี้เป็นข้อความ แล้ว AI สะท้อนลงแบบให้ได้ทันที