- Spectral Labs a lancé SGS-1, le premier modèle d’IA générative pour la création de CAO structurée (B-Rep)
- SGS-1 prend en entrée des images ou des maillages 3D et génère des fichiers CAO paramétriques faciles à modifier
- Par rapport à GPT-5, HoLa BRep et autres modèles existants, SGS-1 génère des formes complexes plus précises et plus variées
- Il permet l’automatisation de la rétroconception en convertissant automatiquement croquis, plans d’ingénierie, STL, etc. en fichiers STEP
- Il présente encore des limites pour la génération de surfaces organiques ou d’assemblages complets, mais la prochaine génération de modèles doit apporter des améliorations supplémentaires comme le multimodal et le raisonnement physique
Présentation de SGS-1 et principales caractéristiques
- Avec la publication de SGS-1, Spectral Labs présente un modèle génératif de base capable de produire des structures géométriques 3D manufacturables avec des éléments paramétriques
- SGS-1 reçoit en entrée une image ou un maillage 3D et produit un fichier STEP au format B-Rep (représentation par frontières), facile à modifier
- Le résultat peut ensuite être modifié et exploité facilement et avec précision dans des logiciels de CAO traditionnels
Fonctionnement et résultats de SGS-1
- L’utilisateur peut téléverser une image ou un fichier 3D simple, puis le convertir en fichier B-Rep paramétrique dont certaines dimensions peuvent être ajustées
- SGS-1 génère des formes de CAO bien plus complexes et variées que les modèles existants
- Le modèle peut être appliqué à de véritables conceptions d’ingénierie et fournit des exemples de conception de pièces à partir d’informations partielles d’assemblage et de descriptions textuelles
Expériences comparatives avec les modèles existants
- SGS-1 a été évalué par comparaison avec GPT-5 (le grand modèle d’OpenAI capable de générer du code CadQuery) et HoLa BRep (un modèle de génération B-Rep à partir d’images), entre autres, à l’aide de 75 images de CAO complexes
- L’expérience a été répétée 10 fois pour chaque modèle, avec une mesure basée sur le taux de génération réussie (Success Ratio)
- SGS-1 affiche les meilleures performances sur la plupart des formes complexes, avec une compréhension spatiale et une capacité d’implémentation géométrique supérieures à celles des autres modèles
- Les autres modèles produisent souvent des résultats simples ou peu exploitables, ce qui rend leur utilisation difficile dans la conception d’assemblages réels
Génération de structures paramétriques dans un contexte d’assemblage
- Avec SGS-1, il est possible de concevoir de nouvelles pièces adaptées au contexte à partir d’un sous-assemblage existant (une partie d’un assemblage CAO) et d’une description ou image en entrée
- Processus d’utilisation
- créer un rendu du sous-assemblage partiel et une description de la pièce à ajouter
- les fournir à SGS-1 pour générer un B-Rep sous forme de fichier STEP
- importer le fichier STEP généré dans l’assemblage, puis l’adapter en ajustant les dimensions
- Des vidéos d’exemple montrant divers scénarios de conception de supports sont également fournies
Conversion automatique de croquis et de plans d’ingénierie
- En fournissant à SGS-1 des croquis dessinés à la main ou des plans d’ingénierie formels, il est possible de les convertir automatiquement en fichiers de CAO 3D paramétriques modifiables
- Même des croquis à main levée peu complexes peuvent être transformés efficacement, contribuant ainsi à faire évoluer le processus de conception
Rétroconception et conversion automatique maillage (STL) → STEP
- Des fichiers scannés ou un fichier STL/maillage unique peuvent aussi être convertis automatiquement par SGS-1 en fichiers STEP paramétriques
- Cela permet une rétroconception entièrement automatisée sans intervention manuelle, avantageuse pour la numérisation de pièces aux formes variées
Limites
- SGS-1 est un modèle optimisé pour la génération 3D paramétrique à destination des usages techniques et d’ingénierie
- Il présente encore des limites pour la génération de surfaces complexes ou organiques, de structures à courbes libres, de structures très fines, ainsi que pour la génération en lot d’assemblages complets
- Pour la prochaine génération, il est prévu d’ajouter la prise en charge multimodale, une perception spatiale complexe, un raisonnement physique avancé et de l’apprentissage par renforcement basé sur le feedback
Feuille de route et présentation de l’équipe
- Spectral Labs prépare actuellement la prochaine génération de SGS-1, avec pour objectif l’amélioration de la conception de systèmes physiques plus complexes, des entrées multimodales, du contexte spatial avancé et des capacités de raisonnement physique
- L’entreprise vise à devenir un acteur de référence de l’IA générative pour l’ingénierie 3D en adoptant des techniques d’IA récentes comme l’apprentissage par renforcement et la simulation physique basée sur le feedback
- L’équipe est composée de chercheurs et d’ingénieurs en IA issus de Autodesk Research, Samsung Research, CMU et Meta
- Pour toute collaboration de recherche ou demande de déploiement, il est possible de contacter Spectral Labs via ses canaux officiels
1 commentaires
Avis Hacker News
Je pense que la revendication selon laquelle SGS-1 peut générer une géométrie 3D entièrement paramétrique est mensongère, et il n’est même pas nécessaire de la tester pour le savoir, puisque les fichiers STEP ne prennent absolument pas en charge les features paramétriques. Ils disent aussi que les sorties de SGS-1 sont facilement modifiables dans les logiciels de CAO traditionnels, mais après avoir testé moi-même les fichiers de démo, j’ai constaté que ces affirmations étaient complètement absurdes. J’ai comparé les entrées et les sorties avec la pièce correcte que j’ai moi-même modélisée et j’ai listé les différentes erreurs. Il ne s’agit pas seulement de dimensions erronées, mais aussi de features cassées qui rendent l’édition CAO difficile. Je ne comprends pas pourquoi ils avancent ce genre d’affirmations tout en fournissant une démo qui prouve que c’est faux. Je me demande si c’est juste pour faire un gros titre, pour vendre à des gens qui n’y connaissent rien, ou simplement parce que des informaticiens sans connaissances métier croient avoir résolu le problème. Les principales erreurs sont les suivantes : toutes les dimensions sont fausses, un trou n’est pas complètement percé, ce n’est pas un trou circulaire mais deux trous qui se chevauchent, le congé est incorrect, le trou supérieur est décalé, le chanfrein précédent descend sous le plan de référence, les trous du haut ont un décalage sur l’axe Z, le mode de raccordement du chanfrein diffère des deux côtés, etc.<br>Comparatif et captures du vrai modèle : exemple de mauvais résultat, exemple correct que j’ai réalisé moi-même
Je suis moi aussi perplexe sur le fait que les fichiers STEP ne prennent pas en charge les features paramétriques. Je me demande vraiment comment ils peuvent faire une telle affirmation. Ils disent officiellement ne générer que du B-rep (représentation frontière), puis affirment dans l’exemple du roller que « comme c’est paramétrique, il est facile d’ajuster les dimensions », ce qui n’a aucun sens à mes yeux. Si j’avais besoin d’une telle fonctionnalité, plutôt que de modifier un fichier STEP, je préférerais modéliser correctement dès le départ avec un historique de features et des contraintes.
Tu as l’air de bien connaître le domaine, donc j’aimerais poser une question. Je suis totalement débutant, mais j’ai entendu dire que zoo.dev/design-studio propose quelque chose de similaire. J’aimerais avoir le point de vue d’un expert sur les différences.
C’est une affirmation manifestement trompeuse. Je me demande qui ils essaient de duper. Peut-être qu’ils visent les investisseurs.
Je ne connais pas ces formats en profondeur, mais l’intérêt d’un fichier STEP par rapport à un fichier STL, c’est qu’il stocke des données de type « B-rep ». Autrement dit, il enregistre les relations géométriques entre les surfaces, ce qui le rend plus facile à exploiter dans un éditeur paramétrique. Eux aussi semblent mettre en avant comme élément différenciant le fait d’utiliser du B-rep plutôt que les approches classiques basées sur des meshes.
Les actualités autour de l’IA déforment souvent les performances réelles ; j’imagine que quelqu’un finira bien par écrire vaguement dans les commentaires que « ça marche ».
Je pense qu’il y aurait un marché pour une IA capable de nettoyer automatiquement les données incomplètes récupérées par des scanners 3D. Générer un mesh 3D propre à partir d’un nuage de points, puis identifier les objets via les couleurs ou l’éclairage, ce serait très intéressant. On pourrait s’en servir pour décrire le monde et même générer des métadonnées sur les objets. En revanche, ce type de conception automatique risque surtout d’enlever le côté amusant de la CAO sans vraiment résoudre les vrais problèmes. L’IA serait plus utile si elle se concentrait sur les tâches répétitives et ennuyeuses. Ce genre de technologie peut impressionner les investisseurs et faire gagner du temps aux experts, mais ses limites apparaissent quand il s’agit de résoudre des problèmes réellement plus importants.
Honnêtement, dans ce secteur, on ne pense qu’à impressionner les investisseurs. Au final, quand la technologie IA arrivera, elle enlèvera toute satisfaction au travail des travailleurs du savoir, et il ne restera plus qu’une infime minorité pour superviser l’IA ou nettoyer les toilettes. Pour l’instant, cela semble surtout détruire la demande de travail et transférer même des salaires autrefois stables vers les profits des actionnaires.
En réalité, tout le monde ne fait pas de la CAO pour le plaisir. Quand je veux simplement imprimer rapidement un prototype, j’aimerais pouvoir demander à une IA : « fais-moi ce support de carte, avec des trous espacés de X mm, au nombre de N ». « Relie ces deux pièces », « ajoute un trou de vis ici », « crée une jonction snap-fit », « largeur 8 cm », « déplace ce trou de l’autre côté » : voilà le genre de tâches que j’aimerais voir traitées rapidement et facilement.
Au tout début de ChatGPT4, j’ai moi-même créé un standard de balisage ouvert pour la conception mécatronique basée sur les LLM. J’en étais venu à la conclusion qu’il fallait un langage de balisage lisible par l’humain pour permettre aux LLM d’apprendre à partir de plusieurs exemples ou de comprendre la logique. Je l’ai conçu comme un concept de démonstration pour l’itération rapide en conception, et je l’ai mis sur mon projet GitHub afin que chacun puisse l’étendre ou l’implémenter lui-même. J’espère qu’à long terme, ce type d’approche open source garantira davantage de liberté aux développeurs de matériel open hardware.
Le fait de pouvoir générer des pièces de CAO en STEP (B-Rep), au-delà des simples modèles maillés existants, est une évolution révolutionnaire. Jusqu’ici, les modèles précédents n’étaient guère plus que des jouets, donc je suis très curieux de voir jusqu’où cette technologie peut aller à mesure qu’elle progresse. La prochaine étape sera probablement de mieux convertir le STEP vers des formats propriétaires comme SolidWorks ou NX, puis d’inférer les contraintes de conception.
Si on pouvait déjà convertir correctement un mesh issu d’un scan 3D en géométrie STEP exploitable, ce serait une énorme avancée.
Merci pour ce retour ! Nous allons l’intégrer activement dans le prochain modèle. Je serais curieux de savoir plus précisément ce que vous aimeriez voir.
En tant qu’ingénieur, je pense que cette IA n’élimine pas vraiment la partie difficile de la conception. Le plus dur, c’est la fabrication, la conception des chemins de charge, et la détermination de la structure de la pièce en fonction des charges réelles.
Du point de vue d’un autre ingénieur, si cette IA fonctionne bien, elle pourrait considérablement raccourcir l’étape de prototypage, ce qui permettrait de créer de meilleurs produits à moindre coût. Elle pourrait aussi aider sur les charges réelles et la conception structurelle.
En développement logiciel, on voit déjà concrètement l’IA réduire les parties banales pour permettre de se concentrer sur la vraie valeur. Je pense que cela peut s’appliquer de la même manière dans d’autres domaines.
L’IA commence aussi à s’attaquer à cet aspect : limitlesscnc.ai
En tant que fondateur d’une startup qui développe un produit concurrent, je suis ravi de voir que beaucoup de gens s’y intéressent et en discutent, car cela montre qu’il existe un marché. Mais les sorties du modèle SGS-1 actuel présentent encore de nombreuses limites du point de vue de la fabrication réelle et de l’utilisabilité. Les sorties STEP actuelles peuvent certes être importées dans diverses solutions de CAO, mais elles n’aident pas vraiment les designers, les ingénieurs ou les fabricants en pratique, et c’est même difficile à exploiter pour les usines ou les imprimantes 3D. Parmi les principaux problèmes : qualité médiocre des surfaces courbes, inutilisable pour la simulation ou la fabrication ; formes simples produites de façon excessivement complexe (un congé découpé en plus de 10 faces) ; même lorsqu’on génère une seule pièce, elle est fragmentée en plus de 10 000 petits éléments, donc ce n’est pas réellement un seul produit. J’attends la V2 avec intérêt. Pour référence, j’ai fondé une entreprise appelée Transfigure, et après avoir constaté à l’avance les limites de SGS-1, je construis une architecture IA, du point de vue d’un ingénieur mécanique, qui produit des données propres directement exploitables pour la simulation et la fabrication.<br>Si j’avais soumis à notre usine des données générées par SGS-1, j’aurais été licencié sur-le-champ.<br>yo@xfgr.ai
J’ai toujours eu du mal à faire générer des modèles OpenSCAD par des LLM. Ils comprennent mal l’espace XYZ et le raisonnement mathématique en 3D. J’utilise même cela comme critère d’évaluation des performances des LLM. Même pour fabriquer un simple support de téléphone, ils n’y arrivent pas d’un seul coup : il faut découper le processus en étapes, créer un plan, lui donner un angle, calculer une hauteur avec de la trigonométrie, créer un nouveau plan, le déplacer, etc.
La conversion de croquis en CAO serait une révolution majeure sur le marché de la restauration. Il existe d’innombrables anciens plans sans dimensions, mais si un ingénieur peut au moins identifier la taille globale ou la hauteur, il peut commencer par créer une boîte de base, puis demander à l’IA : « adapte cette pièce à cette machine ». Cela changerait complètement la donne dans tous les domaines où la CAO est nécessaire : impression 3D, restauration, conception imaginative, fabrication de pièces, etc.
Théoriquement, il y a quelque chose qui ne colle pas dans cette fonctionnalité. Par exemple, je me demande si elle définit aussi les tolérances.
La démo est intéressante, mais ce qui compte vraiment, c’est la capacité à intégrer correctement dans le design des contraintes exprimées en texte. Concevoir une pièce qui a simplement la fonction voulue est facile ; ce qui est beaucoup plus difficile, c’est de concevoir une pièce réellement fabricable, qui tienne dans l’espace disponible et qui respecte les propriétés mécaniques ainsi que les contraintes de coût, comme minimiser l’usage de matière ou faciliter la production. Par exemple, pour une pièce destinée à l’impression 3D, il y a de nombreuses contraintes : éviter les supports ou imprimer dans une orientation donnée. Ce qui serait vraiment utile, ce serait de pouvoir exprimer ces contraintes à l’IA en langage naturel et qu’elle les prenne immédiatement en compte.