Favo paramétrico : modelagem tridimensional por inteligência artificial

Abstract

Esta pesquisa propõe o desenvolvimento de um sistema generativo baseado em Inteligência Artificial para gerar modelos tridimensionais paramétricos a partir de comandos em linguagem natural, com foco na aplicação no design de produto e fabricação digital. A abordagem fundamenta-se na metodologia Design Science Research (DSR), que orientou a construção e a avaliação do artefato proposto. Foi criada uma base sintética de dados composta por frases e com códigos em Python no ambiente Grasshopper/Rhinoceros, contendo modelos sequenciais em CAD inspirados em formas geométricas básicas e em elementos da natureza de modo a permitir uma gama de diversidade formal. Utilizou-se o modelo Gemini 1.5, da Google DeepMind, com ajuste fino voltado à geração textual de código estruturado. A arquitetura do sistema foi implementada como um plugin interativo no Grasshopper, permitindo a comunicação direta entre a entrada textual do usuário e a execução do modelo tridimensional correspondente. A avaliação dos modelos gerados considerou tanto a fidelidade formal quanto a similaridade geométrica por meio das métricas Hausdorff Distance e a fabricação digital. Os resultados demonstraram a viabilidade do uso de modelos de linguagem de grande escala (LLMs) como mediadores na geração automatizada de geometrias paramétricas, contrapondo as abordagens baseadas exclusivamente em malhas ou nuvens de pontos, e revelaram que, em diversos casos, a IA foi capaz de produzir soluções formais criativas e inesperadas.

This research proposes the development of a generative system based on Artificial Intelligence for generating three-dimensional parametric models from natural language commands, focusing on applications in product design and digital fabrication. The approach is grounded in the Design Science Research (DSR) methodology, which guided the construction and evaluation of the proposed artifact. A synthetic dataset was created, consisting of sentences paired with Python code within the Grasshopper/Rhinoceros environment, containing sequential CAD models inspired by basic geometric forms and natural elements to enable a wide range of formal diversity. The Google DeepMind Gemini 1.5 model was used, with fine tuning aimed at the textual generation of structured code. The system’s architecture was implemented as an interactive plugin in Grasshopper, enabling direct communication between the user’s textual input and the execution of the corresponding 3D model. The evaluation of the generated models considered both formal fidelity and geometric similarity through the Hausdorff Distance metric and digital fabrication. The results demonstrated the feasibility of using large language models (LLMs) as mediators in the automated generation of parametric geometries, contrasting with approaches based solely on meshes or point clouds. In several cases, the AI was able to produce creative and unexpected formal solutions.