麻省理工学院计算机科学与人工智能实验室的研究人员开发出一种名为PhysiOpt的系统，它将生成式人工智能与物理仿真相结合，使用户能够为个人物品——如杯子、钥匙架和书挡——生成可在现实使用中保持稳固的3D打印设计。

该系统针对生成式人工智能设计工具的一个已知局限性展开攻关：虽然像微软TRELLIS这样的平台可以根据文本提示或图像生成三维模型，但由此产生的蓝图在制造出来时往往在结构上存在缺陷。例如，一个椅子设计可能存在部件未连接或支撑力不足以承重的问题。

MIT的PhysiOpt系统融合AI与物理仿真，确保3D打印物体结构稳固

PhysiOpt试图通过运行一种称为有限元分析的物理仿真来解决这个问题。它对3D模型进行应力测试，生成标示结构薄弱区域的热力图，然后进行增量调整以加强这些区域，同时不改变物体的整体外观或预期功能。

用户输入他们想要创建的物品的文本描述，并指定物体应承受的力或重量、制造材料（如塑料或木材）以及支撑方式。然后，系统会在大约30秒内提供一个经过优化的3D模型。

"PhysiOpt结合了生成式人工智能和基于物理的形状优化，帮助几乎任何人都能为自己想要的独特配件和装饰品生成设计，"麻省理工学院电子工程与计算机科学博士生、CSAIL研究员、该论文的联合主要作者Xiao Sean Zhan表示。"这是一个自动化系统，能够在给定一些约束条件的情况下，使形状在物理上可制造。你可以随心所欲地让PhysiOpt对其创作进行迭代，无需任何额外训练。"

该系统依赖于一个预训练模型，而非针对特定任务的训练，使其能够利用先前关于形状和美学的知识。研究人员将这一特性称为"形状先验"。

"现有系统通常需要大量额外训练才能对你想要看到的东西有语义理解，"联合主要作者、同样为MIT EECS博士生和CSAIL研究员的Clément Jambon表示。"但我们使用的模型已经内嵌了对你想要创建物品的感觉，因此PhysiOpt无需训练。"

在与同样模拟和优化3D形状的方法DiffIPC进行的对比测试中，PhysiOpt每次迭代的速度快了近10倍，同时产生更逼真的输出。

研究人员的成果于去年12月在亚洲计算机图形学与交互技术协会SIGGRAPH会议及展览会上展示，并部分得到了MIT-IBM沃森人工智能实验室和纬创资通公司的支持。