Các nhà nghiên cứu từ Viện Công nghệ Massachusetts (MIT) vừa phát triển thành công hệ thống GIFT (Geometric Inference Feedback Tuning), cho phép huấn luyện mô hình ngôn ngữ – thị giác (VLM) tự động chuyển đổi bản vẽ 2D thành chương trình CAD 3D.
Các kỹ sư thường sử dụng mô hình ngôn ngữ – thị giác (vision-language models – VLM) để tạo ra những thiết kế mới, chẳng hạn như các bộ phận máy bay hay ô tô. Để mô phỏng cách các bộ phận này vận hành trong điều kiện thực tế, họ dựa vào phần mềm thiết kế hỗ trợ máy tính (CAD) đáng tin cậy để tạo mô hình 3D, phục vụ các bài kiểm tra va chạm và độ bền ảo.
Ngày nay, các nhà nghiên cứu từ Viện Công nghệ Massachusetts (MIT) và một số đơn vị khác đã phát triển một hệ thống có khả năng huấn luyện mô hình ngôn ngữ – thị giác tự động chuyển đổi thiết kế 2D thành chương trình CAD với độ chính xác và tính khả dụng cao hơn hẳn các phương pháp hiện có, đồng thời chỉ tiêu tốn một phần nhỏ tài nguyên tính toán.
Hệ thống GIFT cho phép AI tạo các chương trình thiết kế CAD phục vụ mô phỏng đối tượng 3D. Ảnh: Midjourney
Bằng cách nâng cao hiệu quả của việc tạo CAD bằng AI, kỹ thuật này có thể đẩy nhanh quá trình tạo mẫu, giảm chi phí và giúp kỹ sư phát hiện những lựa chọn thiết kế có lợi mà họ có thể đã bỏ qua.
Hệ thống tạo ra dữ liệu mới dựa trên chính năng lực của mô hình khi nó cố gắng chuyển đổi hình ảnh 2D thành chương trình CAD. Khung này ghi nhận những sai sót của mô hình và đưa chúng vào một tập dữ liệu cùng với các giải pháp thành công. Từ đó, mô hình được dạy cách khắc phục những lỗi cụ thể và xử lý các bài toán khó mà bình thường nó khó tự giải quyết.
“Chúng tôi muốn các kỹ sư có thể chỉ vào một mô hình CAD hoạt động chưa tốt, đặt ngân sách tính toán, rồi để hệ thống tự vận hành – biến chính những sai lầm của mô hình thành dữ liệu huấn luyện tốt hơn”, ông Giorgio Giannone, tác giả chính của nghiên cứu, chia sẻ. Ông là nghiên cứu viên tại Phòng thí nghiệm Tính toán Thiết kế và Kỹ thuật Số (DeCoDE) của MIT, đồng thời là nhà khoa học nghiên cứu chính tại nhóm Đổi mới AI của Red Hat.
Tham gia nghiên cứu còn có Anna Claire Doris – Nghiên cứu sinh cơ khí MIT, Amin Heyrani Nobari – postdoc MIT, Kai Xu – Red Hat, cùng hai đồng tác giả cấp cao là Akash Srivastava – Giám đốc Core AI tại IBM và Faez Ahmed – Phó Giáo sư cơ khí MIT, trưởng phòng DeCoDE. Nghiên cứu vừa được trình bày tại Hội nghị Quốc tế về Học máy (ICML).
Dữ liệu “hiểu” mô hình
Các nhà nghiên cứu đang hướng đến việc xây dựng VLM cho tạo CAD. Những mô hình này nhận hình ảnh 2D kèm mô tả văn bản, xuất ra mã Python có thể chạy trong phần mềm CAD để tạo mô hình 3D của một vật thể.
Sau khi nghiên cứu các thách thức khi triển khai các VLM hiện có cho tác vụ này, nhóm xác định trở ngại chính là sự thiếu vắng những tập dữ liệu CAD đa dạng, chất lượng cao để huấn luyện. Vì thế, họ tìm cách tạo dữ liệu mới thông qua kỹ thuật “gia tăng dữ liệu” (data augmentation).
Thông thường, các nhà khoa học tạo dữ liệu mới bằng cách chỉnh sửa ngẫu nhiên dữ liệu cũ – thay đổi màu sắc, kích thước, hình dạng của đối tượng trong ảnh. Nhưng nhóm MIT lại xây dựng một hệ thống mang tên GIFT (Geometric Inference Feedback Tuning – Tinh chỉnh Phản hồi Suy luận Hình học), tạo ra dữ liệu được thiết kế riêng để cải thiện hiệu suất của một VLM cụ thể cho một tác vụ cụ thể.
GIFT tìm hiểu điểm mạnh và điểm yếu của mô hình bằng cách kiểm tra nó, sau đó dùng thông tin đó để sinh ra dữ liệu có khả năng cải thiện hiệu suất trên chính những bài toán CAD mà mô hình đang gặp khó.
Học từ sai lầm
GIFT yêu cầu mô hình tạo mã giải bài toán CAD nhiều lần song song, rồi kiểm tra độ chính xác của các phương án. “Với một mô hình, việc tạo ra mã CAD gần đúng không quá khó, nhưng tạo ra mã hoàn toàn đúng và chạy được lại là một thách thức lớn”, Giannone giải thích.
Với những phương án gần đúng, GIFT điều chỉnh chúng thành lời giải thành công, rồi lưu cả các “phương án suýt đúng” lẫn phương án đúng vào tập dữ liệu mới. Điều này giúp mô hình học cách vượt qua các bài toán khó.
“Nếu ta lấy mẫu mô hình 10 lần và cả 10 lần đều đúng, thì không còn gì để học. Chúng tôi quan tâm đến các trường hợp trung gian, khi mô hình chỉ giải đúng khoảng 50% thời gian”, ông nói.
Chính những trường hợp trung gian này giúp GIFT tạo ra dữ liệu vừa “hiểu mô hình”, vừa “hiểu tác vụ”. Việc kết hợp nhiều lời giải đúng cho cùng một bài toán cũng mở rộng kiến thức tổng quát của mô hình về việc sinh mã CAD. Toàn bộ quy trình diễn ra tự động, không cần con người can thiệp.
GIFT tạo dữ liệu từ một VLM đã huấn luyện sẵn thông qua kỹ thuật inference-time scaling – cho phép mô hình tĩnh tạo ra kết quả tốt hơn mà không cần huấn luyện lại tốn kém. Người dùng có thể tùy chỉnh lượng tài nguyên tính toán dành cho GIFT theo ngân sách và thời gian.
Kết quả cho thấy GIFT vượt trội so với nhiều kỹ thuật cạnh tranh: tạo ra chương trình CAD chính xác hơn mà chỉ dùng khoảng 20% tài nguyên tính toán. Các mô hình CAD do VLM sinh ra khi dùng GIFT cũng bám sát hình dạng thực tế hơn.
Trong tương lai, nhóm muốn mở rộng GIFT để dạy mô hình tạo chương trình CAD có tính đến cả hiệu năng và khả năng sản xuất của mô hình 3D, đồng thời áp dụng hệ thống cho các mô hình lớn hơn và những tác vụ CAD đa dạng hơn.
(Theo MIT News)
