Engenheiros frequentemente usam modelos de visão-linguagem para produzir novos designs, como para componentes de aeronaves ou automóveis. Para simular o desempenho desses componentes em situações realistas, eles utilizam softwares de design assistido por computador (CAD) testados e aprovados para gerar modelos 3D desses designs, que podem ser submetidos a testes virtuais de colisão ou durabilidade.
Pesquisadores do MIT e de outras instituições agora desenvolveram um sistema que pode ensinar um modelo de visão-linguagem a converter automaticamente designs 2D em programas CAD que são muito mais precisos e funcionais em comparação com outras abordagens, utilizando apenas uma fração do poder computacional.
Ao melhorar o desempenho e a eficiência da geração de CAD impulsionada por IA, esta técnica pode otimizar o processo de prototipagem rápida e reduzir custos. Também pode ajudar os engenheiros a identificar escolhas de design benéficas que poderiam ser negligenciadas de outra forma.
O sistema gera novos dados com base nas habilidades do modelo enquanto ele tenta converter uma imagem 2D em um programa CAD. O framework corrige as falhas do modelo e as incorpora em um conjunto de dados com suas soluções bem-sucedidas.
Ele usa esses dados para ensinar o modelo a corrigir erros específicos e lidar com problemas difíceis com os quais ele teria dificuldade por conta própria.
“Queremos que os engenheiros possam apontar nosso framework para um modelo CAD com baixo desempenho, definir um orçamento computacional e deixar o sistema assumir – transformando os próprios erros do modelo em melhores dados de treinamento”, diz o autor principal Giorgio Giannone, pesquisador afiliado no Laboratório de Computação de Design e Engenharia Digital (DeCoDE) do MIT e cientista de pesquisa principal na Equipe de Inovação de IA da Red Hat.
Ele é acompanhado no artigo por Anna Claire Doris, estudante de pós-graduação em engenharia mecânica no MIT; Amin Heyrani Nobari, pós-doutorando do MIT; Kai Xu de
Fonte: MIT News - AI
Publicado em 2026-07-16