Os pesquisadores do Bambu Lab ensinam a IA a dividir os modelos em peças imprimíveis em 3D
O sistema experimental SegviGen é capaz de identificar automaticamente os diferentes componentes de um modelo 3D, e seus pesquisadores já disponibilizaram o código-fonte, modelos pré-treinados e uma demonstração interativa.
Um modelo de IA de código aberto permite agora detectar as juntas em praticamente qualquer arquivo 3D, sem a necessidade de conhecimentos de CAD. Pesquisadores do Bambu Lab e de várias universidades chinesas desenvolveram um sistema de IA capaz de decompor um modelo 3D e isolar seus componentes, uma tecnologia que, a longo prazo, poderá facilitar consideravelmente a preparação de modelos complexos para impressão 3D.
E não se trata de uma pesquisa limitada ao âmbito do laboratório. O projeto, denominado SegviGen, foi publicado em código aberto sob licença MIT, e tanto o código quanto os pontos de controle pré-treinados estão disponíveis no GitHub. A página do projeto também inclui uma demonstração interativa, enquanto o repositório fornece ferramentas de inferência para uma segmentação 2D automática, interativa e guiada.
Para os entusiastas, essa ferramenta ainda não está disponível, mas dá uma ideia de um futuro em que a IA poderá analisar qualquer modelo 3D e determinar de forma inteligente onde estão as juntas naturais que permitem a impressão. Isso não apenas facilita a impressão de modelos grandes em bandejas de impressão de tamanho reduzido e sua montagem, mas o corte também permite orientar as peças de forma independente umas das outras para reduzir os voladizos e a quantidade de material de suporte. Além disso, a identificação das juntas e dos limites das peças constitui o primeiro passo para a realização de impressões articuladas e posicionáveis.
O corte de modelos assistido por IA já está se tornando uma funcionalidade comercial da impressão 3D. A Hi3D e a Meshy, por exemplo, oferecem agora ferramentas que dividem os modelos em componentes imprimíveis, e a Hi3D chega até a gerar conectores de montagem. A SegviGen aborda o problema desde o início: em vez de desenvolver uma ferramenta de preparação para impressão, os pesquisadores estudam se os conhecimentos estruturais contidos em um modelo generativo de IA 3D podem ser reutilizados para reconhecer partes significativas em praticamente qualquer modelo 3D.
Transformar a segmentação em coloração
Em vez de gerar novos modelos 3D, o SegviGen reutiliza o conhecimento contido em um modelo de IA generativa já existente para compreender como os objetos se encaixam.
Os pesquisadores abordam a segmentação das partes como um problema de coloração. O SegviGen reconstrói um modelo ao mesmo tempo em que atribui cores diferentes às regiões que identifica como componentes distintos. Em seguida, essas regiões podem ser tratadas como peças separadas.
O sistema suporta três abordagens. A segmentação completa tenta dividir automaticamente um objeto inteiro. A segmentação interativa permite que o usuário clique em uma parte de um modelo e solicite à IA que identifique o componente completo correspondente. Um terceiro modo utiliza uma imagem 2D segmentada para orientar o processo e oferecer aos usuários maior controle sobre a precisão da divisão do modelo.
Os pesquisadores destacam especificamente a impressão 3D como uma aplicação em potencial, juntamente com tarefas como a edição no nível das peças e a criação de animações.
No que diz respeito à impressão, a perspectiva interessante consiste em ir além do corte plano convencional. Uma IA capaz de compreender que uma malha única é composta por um corpo, uma tampa, botões, alças ou outros componentes lógicos poderia, potencialmente, ajudar a transformar modelos monolíticos ou gerados por IA em peças que possam ser processadas individualmente em fases posteriores do fluxo de fabricação.
No entanto, existem algumas limitações importantes. Atualmente, o SegviGen não suporta malhas arbitrárias para produzir automaticamente componentes prontos para impressão que atendam às tolerâncias exigidas, e a Bambu Lab não anunciou nenhuma integração com o Bambu Studio, o MakerWorld ou suas impressoras. Por enquanto, trata-se de um projeto de pesquisa.
O SegviGen também não é um novo modelo 3D básico desenvolvido pela própria Bambu Lab. Os pesquisadores o desenvolveram reutilizando o Trellis.2, um modelo 3D generativo pré-treinado já existente, e aperfeiçoando uma parte dele para a segmentação. No entanto, a execução local do SegviGen requer um hardware muito mais potente do que o necessário para o Bambu Studio: os pesquisadores especificam que é necessário um sistema Linux e uma GPU Nvidia com pelo menos 24 GB de memória.
No entanto, o fato de tanto os trabalhos de pesquisa quanto o código funcional estarem disponíveis torna o SegviGen muito mais do que um simples avanço em direção a uma hipotética funcionalidade futura. Qualquer pessoa que disponha de um equipamento suficientemente potente já pode experimentar essa técnica. No entanto, a transição da segmentação gerada pela IA para um botão “dividir este modelo para impressão”, acessível com um único clique, continua sendo uma tarefa pendente para o futuro.
__________
Esta pesquisa foi conduzida por Sheng Wang e Buyu Li, pesquisadores do Bambu Lab, em colaboração com pesquisadores da Universidade Renmin da China, da Universidade de Tsinghua e da Universidade de Beihang. Este trabalho foi publicado na revista *ACM Transactions on Graphics* no âmbito da SigGraph 2026, o congresso dedicado à computação gráfica e às técnicas interativas realizado em Los Angeles.
Talvez você também se interesse por:
Licença: O texto "Os pesquisadores do Bambu Lab ensinam a IA a dividir os modelos em peças imprimíveis em 3D", da All3DP, é licenciado pela licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0)