Les chercheurs de Bambu Lab apprennent à l’IA à découper des modèles en pièces imprimables en 3D
Le système expérimental SegviGen est capable d'identifier automatiquement les différents composants d'un modèle 3D, et ses chercheurs ont déjà mis à disposition le code source, des modèles pré-entraînés et une démo interactive.
Un modèle d’IA open source permet désormais de repérer les joints dans pratiquement n’importe quel fichier 3D, sans nécessiter de compétences en CAO. Des chercheurs de Bambu Lab et de plusieurs universités chinoises ont mis au point un système d’IA capable de découper un modèle 3D et d’isoler ses composants, une technologie qui pourrait à terme faciliter considérablement la préparation de modèles complexes en vue de l’impression 3D.
Et il ne s’agit pas là d’une recherche confinée à un laboratoire. Baptisé SegviGen, le projet a été publié en open source sous licence MIT, le code et les points de contrôle pré-entraînés étant disponibles sur GitHub. La page du projet comprend également une démo interactive, tandis que le dossier fournit des outils d’inférence pour une segmentation en 2D automatique, interactive et guidée.
Pour les amateurs, cet outil n’est pas encore disponible aujourd’hui, mais il laisse entrevoir un avenir où l’IA pourra analyser n’importe quel modèle 3D et déterminer intelligemment où se trouvent les joints naturels permettant l’impression. Non seulement l’impression de grands modèles sur des plateaux d’impression modestes et leur assemblage s’en trouvent facilités, mais le découpage permet également d’orienter les pièces indépendamment les unes des autres afin de réduire les surplombs et la quantité de matériau de support. De plus, l’identification des joints et des limites des pièces constitue la première étape vers la réalisation d’impressions articulées et positionnables.
Le découpage de modèles assisté par IA est déjà en train de devenir une fonctionnalité commerciale de l’impression 3D. Hi3D et Meshy, par exemple, proposent désormais des outils qui divisent les modèles en composants imprimables, Hi3D allant même jusqu’à générer des connecteurs d’assemblage. SegviGen aborde le problème en amont : plutôt que de développer un outil de préparation à l’impression, les chercheurs étudient si les connaissances structurelles contenues dans un modèle génératif d’IA 3D peuvent être réutilisées pour reconnaître des parties significatives dans pratiquement n’importe quel modèle 3D.
Transformer la segmentation en colorisation
Plutôt que de générer de nouveaux modèles 3D, SegviGen réutilise les connaissances contenues dans un modèle d’IA générative existant pour comprendre comment les objets sont assemblés.
Les chercheurs abordent la segmentation des parties comme un problème de colorisation. SegviGen reconstitue un modèle tout en attribuant différentes couleurs aux régions qu’il identifie comme des composants distincts. Ces régions peuvent ensuite être traitées comme des pièces séparées.
Le système prend en charge trois approches. La segmentation complète tente de diviser automatiquement un objet entier. La segmentation interactive permet à l’utilisateur de cliquer sur une partie d’un modèle et demande à l’IA d’identifier le composant complet correspondant. Un troisième mode utilise une image 2D segmentée pour guider le processus et offrir aux utilisateurs un meilleur contrôle sur la finesse de la division du modèle.
Les chercheurs identifient spécifiquement l’impression 3D comme une application potentielle, aux côtés de tâches telles que l’édition au niveau des pièces et la mise en place de l’animation.
En matière d’impression, la perspective intéressante consiste à aller au-delà d’une découpe plane conventionnelle. Une IA capable de comprendre qu’un maillage unique se compose d’un corps, d’un couvercle, de boutons, de poignées ou d’autres composants logiques pourrait potentiellement aider à transformer des modèles monolithiques ou générés par l’IA en pièces pouvant être traitées individuellement plus loin dans le flux de fabrication.
Il existe toutefois certaines limites importantes. SegviGen ne prend actuellement pas en charge un maillage arbitraire pour produire automatiquement des composants prêts à l’impression et respectant les tolérances requises, et Bambu Lab n’a annoncé aucune intégration avec Bambu Studio, MakerWorld ou ses imprimantes. Il s’agit pour l’instant d’un projet de recherche.
SegviGen n’est pas non plus un nouveau modèle de base 3D propriétaire de Bambu Lab. Les chercheurs l’ont développé en réutilisant Trellis.2, un modèle génératif 3D pré-entraîné existant, et en affinant une partie de celui-ci pour la segmentation. L’exécution locale de SegviGen nécessite toutefois un matériel bien plus puissant que celui requis par Bambu Studio : les chercheurs précisent qu’il faut un système Linux et un GPU Nvidia doté d’au moins 24 Go de mémoire.
Néanmoins, le fait que les travaux de recherche et le code fonctionnel soient tous deux disponibles fait de SegviGen bien plus qu’un simple aperçu d’une fonctionnalité future hypothétique. Toute personne disposant d’un matériel suffisamment performant peut d’ores et déjà expérimenter cette technique. Toutefois, le passage de la segmentation générée par l’IA à un bouton « diviser ce modèle pour l’impression » accessible en un clic reste une tâche à accomplir ultérieurement.
__________
Cette recherche a été menée par Sheng Wang et Buyu Li, chercheurs au Bambu Lab, en collaboration avec des chercheurs de l’Université Renmin de Chine, de l’Université Tsinghua et de l’Université Beihang. Ces travaux ont été publiés dans la revue *ACM Transactions on Graphics* dans le cadre de SigGraph 2026, le salon consacré à l’infographie et aux techniques interactives qui s’est tenu à Los Angeles.
Vous aimerez peut-être aussi :
Licence : Le texte de l'article "Les chercheurs de Bambu Lab apprennent à l’IA à découper des modèles en pièces imprimables en 3D" écrit par All3DP est publié sous la licence Creative Commons Attribution 4.0 International (CC BY 4.0).