21.08.2026 03:02
«Способен ли ИИ выполнять подлинно инженерную работу?
«Способен ли ИИ выполнять подлинно инженерную работу? Искусственный интеллект для промышленного проектирования». Перевод подкаста Die-Hard: American Metal от 31.07.26. Часть вторая. «Разрешение парадокса совместимости на основе граничного представления (B-rep) в 2026 году: доступные виды архитектур и возможности построения ИИ 3Д модели по традиционным чертежам».
«Одно из главных архитектурных решений этой проблемы имеет явную графическую репрезентацию. Можно увидеть, как 3Д модель раскладывается для ИИ на графические элементы. Физические поверхности размечаются узлами, а топологические соединения становятся мостами между рёбрами (bridging edges). Используя матрицу смежности, модель генерирует только геометрически значимые соединения поверхностей, сокращая избыточные расчётные издержки в ходе получения результата.
Второй подход использует иерархическую диффузию, генерируя сплошное тело от корневого узла вниз к отдельным вершинам. Это «шумоудаление» сверху вниз позволяет ИИ синтезировать сложно изогнутые аналитические поверхности, когда-то считавшиеся невозможными для генеративных инструментов.
Третий подход: заставляя нейросети оперировать внутри дискретной топологии графов, разработчики успешно добились возможности обратного инжиниринга точного математического формата, требуемого для физической реализации.
Все эти возможности сейчас применяются для наиболее часто требуемой активности в традиционном машиностроении — для способности загрузить в ИИ систему 2Д чертеж и немедленно получить параметрическую 3Д модель. На практике такая геометрическая реконструкция часто не удаётся из-за «слепых пятен» на разных видах чертежа. ИИ модели тщетно пытаются согласовать вид спереди, вид сверху, вид слева и различные сечения/разрезы в единую 3Д топологию. Типичные виды ошибок включают в себя неправильную интерпретацию неявных параметров. Системы компьютерного/машинного зрения часто путают внутренние каналы (например, каналы охлаждения для стальных секций штампов горячей листовой штамповки) или штриховки разрезов с внешними геометрическими выступами.
Семантическая инженерная проработка обеспечивает мгновенный положительный эффект для правильного распознавания распечатанных чертежей, где геометрическая реконструкция остаётся не целостной. Обычное распознавание символов не удаётся сделать на сложных чертежах, потому что система не может отличить текстовые записи в разных направлениях, или размерные выноски пересекаются с символами.
Современные архитектуры проводят оптическое распознавание символов (OCR), различая структурный контекст чертежа, позволяя системе идентифицировать семантические структуры. При этом чертежные линии как бы «гасятся», тогда как геометрические размеры и допуски легко извлекаются. Символы плоскостности и положения структурируются в смежное дерево (термин теории графов).
Таким образом, ИИ «нормализует» чертежные размеры, учитывая различные указания на чертеже вплоть до конкретной фаски. Эта извлеченная информация поступает напрямую в ERP системы (enterprise resource planning – системы планирования ресурсов предприятия). А это уже может обеспечить автоматическую проверку выполнимости и отправление запроса поставщику в реальном времени без риска ошибок от ручного ввода данных.
Извлечение семантической производственной информации из действующей документации обеспечивает намного более прямую экономическую ценность для предприятия, чем простое генерирование 3Д форм.»
#новости #переводы #benchmarking #немного_матчасти
«Одно из главных архитектурных решений этой проблемы имеет явную графическую репрезентацию. Можно увидеть, как 3Д модель раскладывается для ИИ на графические элементы. Физические поверхности размечаются узлами, а топологические соединения становятся мостами между рёбрами (bridging edges). Используя матрицу смежности, модель генерирует только геометрически значимые соединения поверхностей, сокращая избыточные расчётные издержки в ходе получения результата.
Второй подход использует иерархическую диффузию, генерируя сплошное тело от корневого узла вниз к отдельным вершинам. Это «шумоудаление» сверху вниз позволяет ИИ синтезировать сложно изогнутые аналитические поверхности, когда-то считавшиеся невозможными для генеративных инструментов.
Третий подход: заставляя нейросети оперировать внутри дискретной топологии графов, разработчики успешно добились возможности обратного инжиниринга точного математического формата, требуемого для физической реализации.
Все эти возможности сейчас применяются для наиболее часто требуемой активности в традиционном машиностроении — для способности загрузить в ИИ систему 2Д чертеж и немедленно получить параметрическую 3Д модель. На практике такая геометрическая реконструкция часто не удаётся из-за «слепых пятен» на разных видах чертежа. ИИ модели тщетно пытаются согласовать вид спереди, вид сверху, вид слева и различные сечения/разрезы в единую 3Д топологию. Типичные виды ошибок включают в себя неправильную интерпретацию неявных параметров. Системы компьютерного/машинного зрения часто путают внутренние каналы (например, каналы охлаждения для стальных секций штампов горячей листовой штамповки) или штриховки разрезов с внешними геометрическими выступами.
Семантическая инженерная проработка обеспечивает мгновенный положительный эффект для правильного распознавания распечатанных чертежей, где геометрическая реконструкция остаётся не целостной. Обычное распознавание символов не удаётся сделать на сложных чертежах, потому что система не может отличить текстовые записи в разных направлениях, или размерные выноски пересекаются с символами.
Современные архитектуры проводят оптическое распознавание символов (OCR), различая структурный контекст чертежа, позволяя системе идентифицировать семантические структуры. При этом чертежные линии как бы «гасятся», тогда как геометрические размеры и допуски легко извлекаются. Символы плоскостности и положения структурируются в смежное дерево (термин теории графов).
Таким образом, ИИ «нормализует» чертежные размеры, учитывая различные указания на чертеже вплоть до конкретной фаски. Эта извлеченная информация поступает напрямую в ERP системы (enterprise resource planning – системы планирования ресурсов предприятия). А это уже может обеспечить автоматическую проверку выполнимости и отправление запроса поставщику в реальном времени без риска ошибок от ручного ввода данных.
Извлечение семантической производственной информации из действующей документации обеспечивает намного более прямую экономическую ценность для предприятия, чем простое генерирование 3Д форм.»
#новости #переводы #benchmarking #немного_матчасти