Los investigadores de Bambu Lab enseñan a la IA a dividir los modelos en piezas imprimibles en 3D
El sistema experimental SegviGen es capaz de identificar automáticamente los distintos componentes de un modelo 3D, y sus investigadores ya han puesto a disposición el código fuente, modelos preentrenados y una demostración interactiva.
Un modelo de IA de código abierto permite ahora detectar las juntas en prácticamente cualquier archivo 3D, sin necesidad de tener conocimientos de CAD. Investigadores de Bambu Lab y de varias universidades chinas han desarrollado un sistema de IA capaz de descomponer un modelo 3D y aislar sus componentes, una tecnología que, a largo plazo, podría facilitar considerablemente la preparación de modelos complejos para la impresión 3D.
Y no se trata de una investigación limitada al ámbito del laboratorio. El proyecto, denominado SegviGen, se ha publicado en código abierto bajo licencia MIT, y tanto el código como los puntos de control preentrenados están disponibles en GitHub. La página del proyecto incluye también una demostración interactiva, mientras que el repositorio proporciona herramientas de inferencia para una segmentación en 2D automática, interactiva y guiada.
Para los aficionados, esta herramienta aún no está disponible, pero deja entrever un futuro en el que la IA podrá analizar cualquier modelo 3D y determinar de forma inteligente dónde se encuentran las juntas naturales que permiten la impresión. Esto no solo facilita la impresión de modelos grandes en bandejas de impresión de tamaño reducido y su ensamblaje, sino que el corte también permite orientar las piezas de forma independiente entre sí para reducir los voladizos y la cantidad de material de soporte. Además, la identificación de las juntas y los límites de las piezas constituye el primer paso hacia la realización de impresiones articuladas y posicionables.
El corte de modelos asistido por IA ya se está convirtiendo en una funcionalidad comercial de la impresión 3D. Hi3D y Meshy, por ejemplo, ofrecen ahora herramientas que dividen los modelos en componentes imprimibles, y Hi3D llega incluso a generar conectores de ensamblaje. SegviGen aborda el problema desde el principio: en lugar de desarrollar una herramienta de preparación para la impresión, los investigadores estudian si los conocimientos estructurales contenidos en un modelo generativo de IA 3D pueden reutilizarse para reconocer partes significativas en prácticamente cualquier modelo 3D.
Transformar la segmentación en coloración
En lugar de generar nuevos modelos 3D, SegviGen reutiliza los conocimientos contenidos en un modelo de IA generativa ya existente para comprender cómo se ensamblan los objetos.
Los investigadores abordan la segmentación de las partes como un problema de coloración. SegviGen reconstruye un modelo al tiempo que asigna diferentes colores a las regiones que identifica como componentes distintos. A continuación, estas regiones pueden tratarse como piezas separadas.
El sistema admite tres enfoques. La segmentación completa intenta dividir automáticamente un objeto completo. La segmentación interactiva permite al usuario hacer clic en una parte de un modelo y solicita a la IA que identifique el componente completo correspondiente. Un tercer modo utiliza una imagen 2D segmentada para guiar el proceso y ofrecer a los usuarios un mayor control sobre la precisión de la división del modelo.
Los investigadores señalan específicamente la impresión 3D como una aplicación potencial, junto con tareas como la edición a nivel de piezas y la creación de animaciones.
En lo que respecta a la impresión, la perspectiva interesante consiste en ir más allá del corte plano convencional. Una IA capaz de comprender que una malla única se compone de un cuerpo, una tapa, botones, asas u otros componentes lógicos podría ayudar potencialmente a transformar modelos monolíticos o generados por IA en piezas que puedan procesarse individualmente en fases posteriores del flujo de fabricación.
Sin embargo, existen algunas limitaciones importantes. SegviGen no admite actualmente mallas arbitrarias para producir automáticamente componentes listos para imprimir que cumplan con las tolerancias requeridas, y Bambu Lab no ha anunciado ninguna integración con Bambu Studio, MakerWorld ni sus impresoras. Por el momento, se trata de un proyecto de investigación.
SegviGen tampoco es un nuevo modelo 3D básico propio de Bambu Lab. Los investigadores lo han desarrollado reutilizando Trellis.2, un modelo generativo 3D preentrenado ya existente, y perfeccionando una parte del mismo para la segmentación. No obstante, la ejecución local de SegviGen requiere un hardware mucho más potente que el que necesita Bambu Studio: los investigadores precisan que se necesita un sistema Linux y una GPU Nvidia con al menos 24 GB de memoria.
No obstante, el hecho de que tanto los trabajos de investigación como el código funcional estén disponibles convierte a SegviGen en mucho más que un simple avance de una hipotética funcionalidad futura. Cualquier persona que disponga de un equipo lo suficientemente potente ya puede experimentar con esta técnica. No obstante, el paso de la segmentación generada por la IA a un botón «dividir este modelo para imprimir» accesible con un solo clic sigue siendo una tarea pendiente para el futuro.
__________
Esta investigación ha sido llevada a cabo por Sheng Wang y Buyu Li, investigadores del Bambu Lab, en colaboración con investigadores de la Universidad Renmin de China, la Universidad de Tsinghua y la Universidad de Beihang. Este trabajo se ha publicado en la revista *ACM Transactions on Graphics* en el marco de SigGraph 2026, el congreso dedicado a la infografía y las técnicas interactivas que se celebró en Los Ángeles.
Quizá también te interese:
Licencia: El texto del artículo "Los investigadores de Bambu Lab enseñan a la IA a dividir los modelos en piezas imprimibles en 3D" de All3DP está bajo una licencia de Atribución 4.0 CC BY 4.0..