利用生成式 AI 与机器人装配制造物理对象：考虑制造约束、可持续性、时间、功能与可及性
摘要
3D 生成式 AI 使从文本或图像输入快速且可及地创建 3D 模型成为可能。然而，将这些输出转化为物理对象仍面临现实世界约束的挑战。近期研究聚焦于提升 3D 生成式 AI 生成可制造输出的能力，主要依赖 3D 打印作为制造方法。然而，本工作论文提出更广泛的视角，考量制造方法如何与 3D 生成式 AI 的能力相匹配。作为案例研究，我们展示了一个新型系统，结合离散机器人装配和 3D 生成式 AI 来制造物理对象。通过这一工作，我们识别出五个关键要素，这些要素基于 3D 生成式 AI 的能力来考量物理制造过程：1）制造约束：当前文本到 3D 模型能够生成广泛的 3D 设计，制造方法必须能够适应生成式 AI 输出的多样性。2）时间：虽然生成式 AI 可在数秒内生成 3D 模型，但制造物理对象可能需要数小时甚至数天。更快的生产速度可实现人类与 AI 在制造过程中更紧密的迭代设计循环。3）可持续性：虽然文本到 3D 模型可以在数字世界中生成成千上万的模型，但将这种能力扩展到现实世界将耗费大量资源，难以持续且不负责任。4）功能：不同于 3D 生成式 AI 模型的数字输出，制造方法在物理对象的可用性中起着关键作用。5）可及性：虽然生成式 AI 简化了 3D 模型创建，但制造设备的需求可能限制参与，使 AI 辅助创作不够包容。这五个关键要素为评估物理制造过程如何与 3D 生成式 AI 的能力和世界中的价值观相匹配提供了框架。
引用
@article{arxiv.2504.19131,
title = {Making Physical Objects with Generative AI and Robotic Assembly: Considering Fabrication Constraints, Sustainability, Time, Functionality, and Accessibility},
author = {Alexander Htet Kyaw and Se Hwan Jeon and Miana Smith and Neil Gershenfeld},
journal= {arXiv preprint arXiv:2504.19131},
year = {2025}
}
备注
ACM CHI Conference on Human Factors in Computing Systems (CHI 2025), Workshop on Generative AI and Human-Computer Interaction, Yokohama, Japan, April 26 to May 1, 2025