麻省理工学院（MIT）的研究人员近日推出了一款名为MechStyle的新型生成式AI系统，旨在创建既视觉独特又结构合理的个性化3D物体。

该系统由麻省理工学院电气工程与计算机科学系（EECS）博士生兼CSAIL工程师Faraz Faruqi与来自Google、Stability AI和东北大学的研究人员合作开发。

它允许用户使用文本提示或参考图像来自定义3D模型，同时保持其功能完整性，通过持续评估风格变化如何影响结构稳定性，确保关键区域保持坚固，使得AI生成的设计能够被可靠地制造和使用。

早期的3D风格化方法常常会损害可用性，经过修改后大约只有26%的风格化3D模型能保持结构上的合理。

MechStyle集成了有限元分析（FEA）这一基于物理的仿真方法，用于识别设计中的应力点和结构弱点。

该系统并非持续运行仿真，而是选择性地在变更有可能削弱特定区域时触发它们，这种自适应方法使AI能够优化设计，同时避免结构失效。

针对受石头、砖块和仙人掌表面等纹理启发的30个风格化模型进行的测试表明，该方法能够实现高达100%的结构可行性。

当接近应力阈值时，系统要么限制进一步风格化，要么应用较小、受控的调整来保持强度。

MechStyle提供两种设计模式：用于快速探索美学构想的快速可视化模式，以及评估风格变化如何影响耐久性的结构模式。

尽管MechStyle提高了风格化3D模型的结构可行性，但它仅适用于本身即可打印的设计，无法修复根本上有缺陷的几何形状，并且迄今为止仅在一组有限的材料和物体类型上进行了测试。

其可靠性保证仅在受控条件下的设计阶段适用，并不能覆盖所有增材制造场景。

MechStyle已在多个应用场景中展现出潜力，从定制化家居和办公装饰品，到辅助技术如手指夹板和人体工程学餐具握柄。

该系统还可以支持零售环境的产品原型制作，这些场景对快速定制和功能可靠性要求很高。

展望未来，该团队的目标是扩展MechStyle的能力，使其不仅能修改现有模型，还能让用户直接从文本描述生成完整的3D设计。

这将减少对预制资产的依赖，并降低没有正式3D建模经验的用户的使用门槛。

MechStyle与增材制造领域一个更广泛的转变相契合，即转向设计阶段可靠性，业界越来越期望AI工具生成的几何形状不仅新颖，而且从一开始就在机械上和可制造性上是可行的。

几个行业内的努力也说明了这种同样的设计优先方法。

例如，Hyperganic的AI驱动算法设计平台专注于生成复杂的几何形状，这些形状为性能而优化，同时仍符合增材制造的约束。

该软件使用基于规则和AI辅助的方法来确保生成的设计在结构上具有功能性并适合制造。

类似的对早期验证的强调也可见于1000 Kelvin的AMAIZE 2.0工作流程，该流程集成了AI驱动的可打印性检查，以在打印开始前识别几何和可制造性问题。

通过评估一个设计是否能够切实通过金属增材制造生产出来，该系统减少了试错和重新设计的循环。