- Spectral Labs lanzó SGS-1, el primer modelo de IA generativa para la creación de CAD estructurado (B-Rep)
- SGS-1 recibe como entrada imágenes o mallas 3D y genera archivos CAD paramétricos fáciles de editar
- En comparación con modelos existentes como GPT-5 y HoLa BRep, SGS-1 genera formas más precisas y diversas, incluso complejas
- Permite la automatización de ingeniería inversa, convirtiendo automáticamente bocetos, planos de ingeniería, STL y más en archivos STEP
- Aún tiene limitaciones para generar superficies orgánicas o ensamblajes completos, pero en la próxima generación del modelo se planean mejoras adicionales como multimodalidad y razonamiento físico
Introducción a SGS-1 y características principales
- Con la presentación de SGS-1, Spectral Labs mostró un modelo base de IA generativa capaz de crear estructuras geométricas 3D fabricables y con elementos paramétricos
- SGS-1 toma como entrada una imagen o una malla 3D y genera como salida un archivo STEP en formato B-Rep (representación de fronteras), fácil de editar
- Este resultado puede modificarse y utilizarse con facilidad y precisión en software CAD tradicional
Cómo funciona SGS-1 y sus resultados
- El usuario puede subir una imagen o un archivo 3D simple y convertirlo en un archivo B-Rep paramétrico cuyos parámetros permiten ajustar dimensiones específicas
- SGS-1 genera formas CAD mucho más complejas y variadas que los modelos anteriores
- Puede aplicarse a diseños de ingeniería reales y ofrece ejemplos de diseño de piezas basados en información parcial de ensamblajes y descripciones en texto
Pruebas comparativas con modelos existentes
- SGS-1 fue evaluado comparativamente frente a GPT-5 (el gran modelo de OpenAI capaz de generar código CadQuery) y HoLa BRep (modelo de generación B-Rep basado en entrada de imágenes), entre otros, usando 75 imágenes CAD complejas
- El experimento se repitió 10 veces por modelo y se midió con base en la tasa de generación exitosa (Success Ratio)
- SGS-1 mostró el mejor desempeño en la mayoría de las formas complejas, destacando frente a otros modelos por su comprensión espacial precisa y su capacidad para implementar geometría
- Los otros modelos produjeron con frecuencia resultados simples o de baja utilidad, lo que dificulta su uso en el diseño de ensamblajes reales
Generación de estructuras paramétricas en contexto de ensamblaje
- Con SGS-1 es posible diseñar nuevas piezas adecuadas al contexto a partir solo de subensamblajes existentes (parte de un ensamblaje CAD) y una descripción o imagen
- Proceso de uso
- Crear un render del subensamblaje y redactar una descripción de la pieza que se agregará
- Ingresarlo en SGS-1 para generar un B-Rep en forma de archivo STEP
- Importar el archivo STEP generado al ensamblaje y ajustarlo mediante cambios de dimensiones
- También se proporcionan videos de ejemplo con varios escenarios de diseño de soportes
Conversión automática de bocetos y planos de ingeniería
- Si se ingresan a SGS-1 bocetos a mano o planos de ingeniería formales, estos pueden convertirse automáticamente en archivos CAD 3D paramétricos editables
- Incluso los bocetos a mano poco complejos pueden transformarse de forma efectiva, contribuyendo a la innovación del proceso de diseño
Ingeniería inversa y conversión automática de malla (STL) → STEP
- Con SGS-1, también es posible convertir automáticamente archivos escaneados y archivos STL o de malla individuales en archivos STEP paramétricos
- Esto permite una ingeniería inversa completamente automatizada sin trabajo manual, lo que ofrece ventajas para digitalizar piezas de formas diversas
Limitaciones
- SGS-1 es un modelo optimizado para la generación paramétrica 3D con fines técnicos y de ingeniería
- Aún tiene limitaciones para generar superficies complejas o estructuras orgánicas y de forma libre, estructuras muy delgadas y la generación integral de ensamblajes completos
- Para la próxima generación del modelo se planea incorporar soporte multimodal, percepción espacial compleja, razonamiento físico avanzado y aprendizaje por refuerzo basado en retroalimentación
Planes futuros e introducción al equipo
- Spectral Labs está preparando la próxima generación de SGS-1 con el objetivo de mejorar el diseño de sistemas físicos más complejos, las entradas multimodales, el contexto espacial avanzado y la capacidad de razonamiento físico
- Su meta es liderar el campo de la IA generativa 3D para ingeniería, incorporando técnicas modernas de IA como aprendizaje por refuerzo y simulación física basada en retroalimentación
- El equipo está formado por investigadores y engineers de IA provenientes de Autodesk Research, Samsung Research, CMU y Meta
- Las consultas sobre colaboración en investigación o solicitudes de acceso pueden realizarse a través de los canales oficiales de Spectral Labs
1 comentarios
Comentarios de Hacker News
Dicen que SGS-1 puede generar geometría 3D completamente paramétrica, pero como los archivos STEP no tienen ningún soporte para features paramétricas, se nota que eso es mentira sin siquiera tener que probarlo. También dicen que la salida de SGS-1 se puede editar fácilmente en software CAD tradicional, pero tras probar yo mismo los archivos de demostración, resultó que estaban haciendo afirmaciones absurdas. Comparé la entrada y la salida con una pieza correcta modelada por mí mismo y enumeré varios errores. No solo hay dimensiones incorrectas, también hay features rotas que dificultan la edición CAD. No entiendo por qué hacen estas afirmaciones e incluso publican demos que prueban que están mintiendo. Me pregunto si es solo por el titular, si quieren venderle a gente que no sabe nada, o si simplemente son personas de CS sin conocimiento del dominio que creen haber resuelto el problema. Los errores principales son: todas las dimensiones están mal, un agujero no atraviesa por completo, no es un agujero circular sino dos agujeros superpuestos, el fillet está mal hecho, el agujero superior está desplazado, el chaflán anterior baja por debajo del plano de referencia, hay desplazamiento en Z de los agujeros superiores, la forma de unir el chaflán es distinta en ambos lados, etc.<br>Material de comparación y capturas del modelo real: ejemplo de resultado incorrecto, ejemplo correcto hecho por mí
A mí también me confunde que los archivos STEP no soporten features paramétricas. Me pregunto cómo pueden hacer esa afirmación. Oficialmente dicen que solo generan B-rep (representación de fronteras), pero en el ejemplo del rodillo aseguran que “como es paramétrico, es fácil ajustar las dimensiones”, y eso no tiene sentido. Si necesitara esa funcionalidad, en vez de modificar un archivo STEP preferiría modelarlo bien desde el inicio, con historial de features y restricciones de verdad.
Parece que conoces bien este campo, así que quería preguntarte algo. Soy completamente novato, pero había escuchado que zoo.dev/design-studio ofrece algo parecido. Me interesa una comparación desde la perspectiva de alguien experto sobre en qué se diferencian y cómo.
Esto es una afirmación claramente engañosa. Me pregunto a quién intentan engañar. Pienso si quizá están apuntando a los inversionistas.
No conozco estos formatos a fondo, pero la característica del archivo STEP, a diferencia de STL, es que guarda datos “B-rep”. O sea, almacena las relaciones geométricas entre superficies, así que es relativamente fácil usarlo en un editor paramétrico. Parece que ellos también usan como punto diferenciador el hecho de trabajar con B-rep en lugar del enfoque tradicional basado en mallas.
Muchas noticias de IA distorsionan el rendimiento real, así que seguro alguien en los comentarios va a mencionar vagamente que sí funciona
Creo que habría mercado para una función donde la IA limpie automáticamente datos capturados de forma imperfecta por un escáner 3D. Generar una malla 3D limpia a partir de una nube de puntos, e identificar objetos por color o iluminación, sería muy interesante. Con eso se podría describir el mundo e incluso generar metadatos de los objetos. Pero este tipo de diseño automático más bien le quita lo divertido al CAD en vez de resolver de verdad el problema. La IA sería más efectiva si se enfocara en tareas repetitivas y aburridas. Esta tecnología puede impresionar a los inversionistas y ahorrar tiempo a los expertos, pero tiene límites para resolver problemas realmente más grandes.
Sinceramente, esta industria solo se preocupa por impresionar a los inversionistas. Al final, cuando sale una tecnología de IA, le quita la satisfacción laboral al trabajo del conocimiento, deja a muy pocos y solo quedan cosas como supervisar la IA o limpiar baños. Por ahora, parece que va a destruir la demanda de trabajo y hasta los salarios que antes eran estables terminarán convirtiéndose en ganancias para los accionistas.
En realidad, no todo el mundo hace CAD por diversión. Cuando quiero imprimir un prototipo simple, me gustaría poder pedirle a una IA cosas como “hazme este board mount, con agujeros a X mm de distancia, y N agujeros”. “Conecta estas dos piezas”, “agrega un agujero para tornillo aquí”, “genera una unión snap-fit”, “ancho de 8 cm”, “mueve este agujero al otro lado”, etc. Eso es el tipo de trabajo rápido y fácil que me gustaría.
En los primeros tiempos de ChatGPT4, hice por mi cuenta un estándar abierto de marcado para diseño mecatrónico basado en LLM. Pensé que hacía falta un lenguaje de marcado legible por humanos para que el LLM aprendiera de varios ejemplos o entendiera la lógica. Lo hice como concepto de demostración para iterar diseños rápidamente como referencia, y lo subí a mi proyecto en GitHub para que cualquiera pudiera ampliarlo o implementarlo por su cuenta. Espero que este tipo de enfoque open source termine garantizando libertad a largo plazo para los desarrolladores de hardware abierto.
Poder generar piezas CAD en STEP (B-Rep), en vez de limitarse a los modelos tradicionales basados en malla, es un cambio revolucionario. Hasta ahora, los modelos anteriores eran casi juguetes, pero me emociona mucho ver hasta dónde puede llegar esta tecnología a medida que madure. El siguiente paso probablemente sea convertir mejor STEP a formatos propietarios como SolidWorks, NX, etc., e inferir restricciones de diseño.
Incluso si solo pudiera convertir bien una malla de escaneo 3D en geometría STEP decente, ya sería un gran avance.
¡Gracias por los comentarios! Planeamos incorporarlos activamente en el próximo modelo. Me interesa saber con más detalle qué cosas te gustaría ver.
Como ingeniero, creo que esta IA en realidad no elimina la parte verdaderamente difícil del diseño. Lo difícil de verdad es la manufactura y el diseño de trayectorias de carga, además de decidir la estructura de la pieza según las cargas reales.
Desde la misma perspectiva de ingeniero, si esta IA funciona bien, podría comprimir mucho la etapa de prototipado y permitir fabricar mejores productos a menor costo. También podría ayudar con las cargas reales y el diseño estructural.
En desarrollo de software realmente está ocurriendo esa tendencia de usar IA para reducir la parte rutinaria y concentrarse en el valor esencial. Creo que lo mismo puede aplicarse en otros campos.
Esto también lo está resolviendo la IA: limitlesscnc.ai
Como fundador de una startup que construye un producto competidor, me alegra que tanta gente le preste atención y lo discuta, porque eso muestra que hay mercado. Pero la salida del modelo SGS-1 actual todavía tiene muchas carencias en términos de fabricación real y usabilidad. La salida STEP actual sí puede importarse en varios CAD, pero en la práctica no ayuda mucho a diseñadores, ingenieros o fabricantes (y también es complicada para fábricas o impresoras 3D). Los problemas principales son: baja calidad de las superficies curvas, así que no sirve para simulación ni manufactura; las formas simples se generan con complejidad excesiva (un fillet se divide en más de 10 superficies); incluso una sola pieza sale fragmentada en más de 10000 piececitas, así que en realidad no es un solo producto. Tengo expectativas sobre la versión V2. Para contexto, fundé una empresa llamada Transfigure, y después de comprobar de antemano las limitaciones de SGS-1, estoy desarrollando una arquitectura de IA desde la perspectiva de ingeniería mecánica para producir datos limpios que puedan usarse directamente en simulación y manufactura.<br>Si alguien hubiera entregado a nuestra fábrica datos generados por SGS-1, lo habríamos despedido de inmediato<br>yo@xfgr.ai
Siempre me ha costado generar modelos de OpenSCAD con LLM. No entienden bien el espacio XYZ ni el razonamiento matemático 3D. Lo uso como criterio para evaluar el desempeño de los LLM. Ni siquiera pueden hacer de una vez un soporte simple para teléfono; tengo que dividirlo en pasos: crear planos, inclinarlos en cierto ángulo, calcular alturas con trigonometría, generar un plano nuevo, mover posiciones, etc.
Creo que la función de convertir bocetos en CAD sería una innovación enorme en el mercado de restauración. Hay muchísimos planos antiguos sin cotas, pero si un ingeniero al menos entiende el tamaño general o la altura total, podría empezar haciendo una caja y luego decirle a la IA: “haz esta pieza para que encaje en esta máquina”. Esto cambiaría por completo el panorama en cualquier campo que necesite CAD: impresión 3D, restauración, diseño imaginativo, fabricación de piezas, etc.
En teoría, hay partes de esta función que no cuadran. Por ejemplo, me pregunto si también define tolerancias.
La demo es interesante, pero lo realmente importante es la capacidad de reflejar bien en el diseño las restricciones escritas en texto. Diseñar una pieza con solo la funcionalidad deseada es fácil, pero es mucho más difícil diseñarla de forma que realmente se pueda producir, que quepa dentro del espacio disponible y que cumpla propiedades mecánicas y restricciones de costo (uso mínimo de material, facilidad de producción, etc.). Por ejemplo, una pieza para impresión 3D tiene muchísimas restricciones, porque hay que evitar material de soporte o imprimirla en cierta orientación. Lo verdaderamente útil sería poder decirle a la IA estas restricciones en lenguaje natural y que las incorpore de inmediato.