Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT), em parceria com cientistas da IBM e da Red Hat, desenvolveram um sistema de inteligência artificial capaz de aprimorar automaticamente a conversão de projetos bidimensionais em modelos tridimensionais utilizados em softwares de engenharia. A tecnologia promete tornar mais rápida e barata a etapa de prototipagem de produtos como automóveis, aeronaves e equipamentos industriais. As informações são do MIT News.
O novo método, batizado de Geometric Inference Feedback Tuning (Gift), ensina modelos de visão e linguagem a gerar códigos para programas de desenho assistido por computador (CAD) com maior precisão e eficiência. Segundo os pesquisadores, o sistema produz modelos mais confiáveis utilizando apenas cerca de 20% do poder computacional exigido por outras técnicas semelhantes.
Os resultados foram apresentados durante a International Conference on Machine Learning (ICML).
Da imagem ao modelo 3D
Engenheiros já utilizam modelos de inteligência artificial para criar novos componentes de automóveis, aviões e outros produtos. Entretanto, antes que essas peças possam ser testadas virtualmente em simulações de impacto, resistência ou durabilidade, elas precisam ser convertidas em modelos tridimensionais compatíveis com softwares CAD.
Os pesquisadores observaram que os modelos atuais frequentemente geram códigos incompletos ou incorretos, produzindo geometrias simples demais para aplicações reais. Um dos principais obstáculos é a escassez de conjuntos de dados de alta qualidade para treinar esses sistemas.
Para superar essa limitação, a equipe desenvolveu um método que permite à própria inteligência artificial criar novos exemplos de treinamento a partir de seus erros.
Diferentemente das técnicas tradicionais de aumento de dados — que normalmente modificam imagens existentes alterando cores, formas ou tamanhos — o Gift analisa o desempenho do modelo durante a execução da tarefa.
O sistema solicita diversas tentativas de geração do código CAD para um mesmo projeto e identifica quais soluções estão corretas, quais apresentam pequenos erros e quais falham completamente.
As respostas "quase corretas" são então corrigidas automaticamente e incorporadas a um novo conjunto de treinamento, juntamente com as soluções bem-sucedidas. Dessa forma, o modelo aprende exatamente onde costuma errar e como resolver problemas semelhantes no futuro.
"Nós queremos que engenheiros possam direcionar nossa estrutura para um modelo CAD com desempenho abaixo do esperado, definir um orçamento computacional e deixar que o sistema transforme os próprios erros do modelo em melhores dados de treinamento", afirma Giorgio Giannone, pesquisador afiliado ao laboratório Design Computation and Digital Engineering (DeCoDE), do MIT, e cientista principal da equipe de inovação em IA da Red Hat.
Segundo Giannone, o objetivo é criar um processo de aumento de dados orientado pelo próprio comportamento do modelo, em vez de depender exclusivamente de conjuntos de dados produzidos manualmente.
Mais precisão com menor custo computacional
O Gift utiliza uma estratégia conhecida como inference-time scaling, que melhora o desempenho de modelos já treinados sem a necessidade de realizar um novo treinamento completo — processo normalmente caro e demorado. Isso permite que o usuário defina quanto poder computacional deseja empregar, adequando a execução às restrições de tempo e orçamento do projeto.
Nos experimentos realizados, o sistema superou diferentes métodos concorrentes, produzindo programas CAD significativamente mais precisos e alinhados aos modelos tridimensionais corretos, utilizando apenas cerca de um quinto da capacidade computacional normalmente necessária.
Além disso, ao incorporar múltiplas soluções corretas para um mesmo problema, o método amplia o conhecimento geral do modelo sobre geração de códigos CAD.
Aplicações para a indústria
Os pesquisadores acreditam que a tecnologia poderá reduzir custos e acelerar o desenvolvimento de produtos ao automatizar parte da criação de modelos tridimensionais utilizados em engenharia. Segundo Faez Ahmed, professor associado de Engenharia Mecânica do MIT, praticamente todo produto físico, de eletrodomésticos a aeronaves, nasce como um modelo CAD.
"As equipes da indústria buscam ferramentas de inteligência artificial que acelerem o desenvolvimento desses projetos, mas os modelos atuais ainda produzem formas simples demais para aplicações práticas. O mais empolgante neste trabalho é que ele permite que esses modelos aprendam com os próprios erros, sem depender continuamente de novos dados produzidos por humanos, aproximando ferramentas confiáveis de IA da engenharia do dia a dia", afirma.
A equipe pretende ampliar as capacidades do Gift para que os modelos de inteligência artificial passem a gerar projetos que não apenas reproduzam corretamente a geometria das peças, mas também levem em consideração critérios como desempenho estrutural e facilidade de fabricação. Os pesquisadores também planejam aplicar a tecnologia a modelos maiores e a uma gama mais ampla de tarefas relacionadas ao desenvolvimento de projetos em CAD.
Gostou? Então compartilhe:
