MIT团队AI系统获90%用户青睐

快速阅读: 截至发稿时，麻省理工学院联合谷歌DeepMind等机构开发出融合视觉与语言模型的AI系统，可理解文本与图像指令，辅助用户完成多组件物体的人机协同设计。该系统支持个性化调整并解释决策逻辑，在用户测试中获得超九成偏好，未来有望应用于家具本地化制造等领域。

近日，麻省理工学院（MIT）研究团队开发出一种融合视觉与语言模型的人工智能系统，可辅助用户高效完成多组件物体的设计与制造。该系统能理解文本指令和图像输入，自动规划结构件与面板的装配方式，并支持用户全程参与调整，实现人机协同设计。

研究人员指出，当前多数生成式AI虽可根据文字提示生成三维模型，却难以输出具备组件级细节、适用于机器人组装的几何表示。为此，团队引入预训练的视觉-语言模型（VLM），使其既能“看”懂物体几何形态，又能“理解”功能需求，从而判断面板应安装在座椅、靠背等关键部位。

用户只需输入“制作一把椅子”等简单指令并提供参考图像，系统便会基于大量示例推理出合理布局，并以文字标注各部件功能。随后，用户可进一步细化要求，例如“仅在靠背使用面板”，系统据此优化设计。这种人在回路机制有效缩小了庞大的设计空间，兼顾个性化偏好与实用性。

在用户测试中，超过90%的参与者更青睐该系统生成的设计，优于仅在水平面上随机或全覆盖安装面板的对照算法。研究还发现，VLM能解释其决策依据，体现出对“坐”“靠”等功能需求的基本理解，而非盲目分配。

该框架目前适用于快速原型制造，如航空航天部件或建筑构件。长远来看，有望应用于家庭场景，实现本地化生产家具等物品，减少对集中式物流的依赖。团队下一步计划支持更复杂的材质描述（如“玻璃与金属桌”），并引入铰链、齿轮等可动组件，提升成品功能性。

相关成果已在神经信息处理系统大会（NeurIPS）上发表。论文由MIT电气工程与计算机科学系、建筑系联合谷歌DeepMind及Autodesk Research共同完成。

戴维斯表示，团队希望大幅降低设计工具的使用门槛。通过生成式人工智能与机器人技术，已实现将创意快速、便捷且可持续地转化为实体物品，有望提升设计制造的可及性与效率。

(以上内容均由Ai生成)

引用自：麻省理工学院新闻网站