生成式人工智能模型已经深刻改变了数字内容创作领域，以至于我们很难想象没有它的互联网是什么样子。虽然这些AI工具在视频和照片等创意项目中表现出色，但它们在物理世界中的应用还未完全普及。
那么，为什么我们还没在家庭、办公室或商店中看到由生成式AI打造的个性化物品，比如手机壳或花盆呢？麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究人员指出，关键问题在于3D模型的机械完整性。
虽然AI可以帮助生成可打印的个性化3D模型，但这些系统往往忽略了模型的物理属性。MIT电气工程与计算机科学系博士生兼CSAIL工程师Faraz Faruqi针对这一矛盾进行了探索，开发了基于生成式AI的系统，既能对设计进行美学上的调整，又能保持其功能性；另一个系统则能根据用户需求调整结构的触感属性。
将创意变为现实
Faruqi与谷歌、Stability AI及东北大学的研究人员合作，开发出一种能够制造既耐用又符合用户预期外观和质感的现实物品的AI工具——“MechStyle”。用户只需上传3D模型或选择预设资产（如花瓶、挂钩），通过图片或文字提示生成个性化版本。生成式AI模型会修改3D几何形状，而MechStyle则模拟这些变化对结构的影响，确保脆弱部位依然坚固。满意后，用户即可3D打印并实际使用。
举例来说，你可以选择一个墙壁挂钩模型和打印材料（如聚乳酸塑料），然后输入“生成一个仙人掌形状的挂钩”作为指令。AI模型会结合模拟模块，生成既像仙人掌又具备挂钩结构强度的3D模型。这个绿色带棱的挂钩可以用来挂杯子、外套和背包。该系统通过风格化过程，根据文本提示调整模型几何形状，并结合模拟反馈不断优化。
保持结构强度
CSAIL研究人员指出，传统的3D风格化往往带来意想不到的后果。早期研究显示，只有约26%的3D模型在修改后仍保持结构可行，说明AI系统未能理解模型的物理特性。
“我们希望用AI创造出可以真正制造并在现实中使用的模型，”Faruqi表示。他是该项目论文的主要作者之一。“MechStyle通过模拟生成式AI的修改对结构的影响，使用户能够个性化物品的触感体验，同时确保物品能承受日常使用。”
这一计算方法未来可帮助用户打造独一无二的物品，比如带有鱼鳞状蓝色和米色斑点的眼镜，或是带有岩石质感、点缀粉色和水绿色斑点的药盒。系统还能设计独特的家居和办公装饰，如类似红色岩浆的灯罩，甚至为用户定制辅助技术产品，如手指夹板和辅助握持工具。
未来，MechStyle还可用于设计玩具店、五金店或手工艺品店销售的配件和手持产品原型。CSAIL研究人员希望无论是专业设计师还是初学者，都能更多地专注于头脑风暴和3D设计测试，而非手工组装和定制。
结合有限元分析确保耐用性
为了保证MechStyle生成的物品能承受日常使用，研究团队将生成式AI技术与有限元分析（FEA）物理模拟结合。想象一个3D眼镜模型上覆盖着热力图，显示哪些区域在承受实际重量时结构稳固，哪些区域较弱。AI在优化模型时，物理模拟会标记出变弱的部分，防止进一步破坏。
Faruqi补充道，频繁运行模拟会显著降低AI处理速度，因此MechStyle设计了智能调度策略，精准判断何时何地进行结构分析。“当生成式AI对模型某些关键区域做出可能危及结构的修改时，我们的系统会重新模拟物理效果，并进行调整，确保打印后模型不会损坏。”
结合有限元分析和自适应调度，MechStyle能生成结构可行率高达100%的物品。团队测试了30个不同风格的3D模型（如砖块、石头、仙人掌），发现动态识别薄弱区域并调整生成过程是确保结构稳固的最佳方法。系统可在达到应力阈值时停止风格化，或逐步微调以避免风险区域过度受力。
系统提供两种模式：自由风格模式让AI快速展示不同风格效果，MechStyle模式则仔细分析结构影响。用户可先尝试不同创意，再用MechStyle模式检验这些艺术调整对模型耐用性的影响。
未来展望
CSAIL研究人员表示，当前系统能确保上传的模型在打印前结构稳固，但尚不能修复本身不合格的模型。若上传不可行模型，系统会提示错误，未来团队计划提升对这些模型的耐用性改进能力。
此外，团队希望未来能用生成式AI直接创建3D模型，而非仅对预设或用户上传设计进行风格化。这样即使用户不熟悉3D设计或找不到现成模型，也能从零开始生成所需物品。例如，想制作独特的碗但无现成模型时，AI可直接生成。
谷歌研究科学家Fabian Manhardt评价道：“虽然2D图像的风格迁移已非常成熟，但3D领域探索较少。3D更具挑战性，因为训练数据稀缺，且改变几何形状可能破坏结构，导致无法实际使用。MechStyle通过模拟解决了这一难题，让3D风格化既有创意又不损害结构完整性，使人们能通过个性化产品更好地表达自我。”
该论文由Faraz Faruqi与MIT副教授、CSAIL首席研究员Stefanie Mueller共同撰写，团队成员还包括Leandra Tejedor、Jiaji Li、Amira Abdel-Rahman、Martin Nisser、谷歌研究员Vrushank Phadnis、Stability AI研究副总裁Varun Jampani、MIT教授兼Bits and Atoms中心主任Neil Gershenfeld，以及东北大学助理教授Megan Hofmann。该项目获得MIT-谷歌计算创新计划支持，并于11月在计算制造协会研讨会上发布。
