Nasloniti se u naslonjač i izgovoriti jednostavnu rečenicu poput: „Napravi mi stolicu“, a zatim gledati kako robotska ruka u nekoliko minuta slaže fizički objekt ispred vas – još donedavno zvučalo je kao prizor iz znanstvene fantastike. U prosincu 2025. to je stvarnost u laboratorijima Massachusetts Institute of Technology (MIT), gdje istraživači spajaju generativnu umjetnu inteligenciju, sustave za računalni vid i robotsku montažu u jedinstven, potpuno automatiziran dizajnersko-proizvodni proces.

Umjesto klasičnog računalom potpomognutog dizajna (CAD) koji zahtijeva stručne vještine, sate modeliranja i detaljno poznavanje softvera, novi sustav temeljen na umjetnoj inteligenciji omogućuje da se složen, višekomponentni objekt opiše običnim jezikom. Modeli generativne umjetne inteligencije iz teksta stvaraju trodimenzionalni prikaz željenog predmeta, a zatim vizijsko-jezični model (VLM) razlaže tu geometriju na standardizirane fizičke dijelove koje robot može odmah početi sastavljati.

Riječ je o istraživačkom radu koji pokazuje kako se jaz između digitalnog dizajna i fizičke proizvodnje može dramatično smanjiti. Isti tim u posljednjim je mjesecima otišao i korak dalje: na temelju istih principa razvijen je sustav „speech-to-reality“ koji više ne traži ni tipkanje teksta – dovoljno je izgovoriti narudžbu, a modularni namještaj i drugi predmeti nastaju u svega nekoliko minuta.

Zašto je klasični CAD postao usko grlo dizajna

Računalno potpomognuti dizajnerski alati i dalje su standard u industriji, od automobilske i zrakoplovne do građevinske i potrošačke elektronike. No isti alati, koji su moćni i precizni, istodobno predstavljaju i barijeru svima koji nemaju specijalističko znanje. Krivulja učenja je strma, sučelja su kompleksna, a detaljna kontrola nad svakim vijakom ili površinom često je pretjerana u ranim fazama projekta, kada je korisniku najvažnije brzo isprobati više ideja i vidjeti ih u fizičkom prostoru.

Generativni AI u zadnjih je nekoliko godina pokazao da iz kratkog teksta može stvarati slike, 3D modele i cijele virtualne scene. No većina tih digitalnih objekata ostaje zarobljena u virtualnom svijetu. Geometrija koju stvaraju modeli često je nepravilna, nema jasnu strukturu komponenti i ne uzima u obzir ograničenja fizičke proizvodnje. Drugim riječima, ono što izgleda dobro na ekranu ne znači nužno da se može lako, brzo i jeftino sastaviti u stvarnosti.

MIT-ov pristup upravo tu postavlja novi standard: cilj nije samo generirati lijep digitalni model, već ga dovesti u oblik pogodan za automatsko sastavljanje od prefabriciranih elemenata. Time generativni AI prestaje biti alat za inspiraciju i postaje dio stvarne proizvodne linije.

Od teksta do 3D modela: kako sustav „razumije“ geometriju i funkciju

Rad polazi od jednostavne interakcije: korisnik u tekstualni sučaj upiše zahtjev – primjerice „napravi mi stolicu“ ili „trebam policu s tri razine“. Generativni 3D model na temelju tog opisa stvara mrežastu reprezentaciju objekta, poznatu kao mesh. Ta mreža opisuje površinu i volumen budućeg predmeta, ali još uvijek ne govori ništa o tome od kojih će se fizičkih dijelova sastojati i kako će se oni spajati.

U sljedećem koraku ulogu preuzima vizijsko-jezični model, vrsta generativnog AI sustava koji je uvježban na velikoj količini slika, tekstualnih opisa i zadataka razumijevanja scene. Njegova je zadaća „pogledati“ trodimenzionalni model i zaključiti koje su funkcionalne cjeline objekta: gdje se nalazi sjedalo, gdje naslon, gdje noge, što su površine na koje će se naslanjati ljudsko tijelo, a što su elementi koji prvenstveno nose konstrukcijsko opterećenje.

Istraživači rade s dvjema osnovnim skupinama prefabriciranih komponenti: strukturnim elementima koji čine kostur objekta i pločastim (panel) elementima koji formiraju ravne površine poput sjedišta ili polica. Vizijsko-jezični model mora na temelju geometrije i funkcije odlučiti gdje se koji tip komponente koristi. Tako, primjerice, prepoznaje da sjedište i naslon stolice trebaju ploče, dok noge i poprečne veze ostaju izvedene u strukturnim segmentima.

Ono što ovaj pristup čini posebice zanimljivim jest činjenica da se model ne oslanja na ručno programirana pravila za stolicu, policu ili stol. Umjesto toga, koristi znanje stečeno tijekom učenja na mnogim slikama i opisima objekata kako bi generalizirao na nove oblike generirane AI-jem. Zbog toga isti sustav, bez dodatne obuke, može raditi s različitim tipovima namještaja i drugim funkcionalnim predmetima.

Dodjela komponenti i priprema za robotsku montažu

Nakon što vizijsko-jezični model izgradi razumijevanje funkcije, sustav prelazi na praktičnu razinu: za svaku površinu na 3D mreži dodjeljuje oznake koje definiraju treba li tamo ugraditi pločasti element ili ne. Površine se numeriraju, a dodjele komponenti vraćaju se natrag u model kako bi se dodatno uskladile s geometrijom i fizičkim ograničenjima montaže.

Rezultat je strukturirani model u kojem je svaki dio objekta povezan s jednim od unaprijed definiranih tipova prefabrikata. To je ključni korak koji omogućuje da se digitalni dizajn pretoči u konkretan skup uputa za robotsku ruku: koliko je elemenata potrebno, gdje se postavljaju, kojim redoslijedom se spajaju i kako se izbjegavaju kolizije tijekom montaže.

Robotski sustav zatim preuzima pripremljeni plan i počinje slagati objekt na radnoj površini. Budući da su svi dijelovi standardizirani i višekratno upotrebljivi, proces je brz i vrlo čist: nema strugotina, nema vremena čekanja da se ljepilo osuši, nema otpada koji bi završio u smeću. Kada korisniku taj komad namještaja više ne treba, može se rastaviti i od istih dijelova sastaviti nešto potpuno novo.

Ljudsko-robotsko suautorstvo: korisnik ostaje u petlji

Iako sustav automatizira veliki dio procesa, istraživači su naglasili važnost toga da čovjek ostane kreativni partner. Nakon početnog prijedloga dizajna, korisnik može u prirodnom jeziku zadavati dodatne upute: primjerice zatražiti da ploče budu samo na naslonu, a ne i na sjedalu, da stolica bude niža ili viša, da polica ima više razina ili da se naglasak stavi na vizualnu prozračnost umjesto na punu površinu.

Svaka takva izmjena ponovno aktivira generativni model i vizijsko-jezični modul, koji usklađuju novi opis s postojećim 3D modelom i strukturom komponenti. Na taj način nastaje iterativni kreativni ciklus: sustav predlaže rješenja, korisnik ih usmjerava i korigira, a robot ih pretvara u fizičke prototipove. Umjesto da se bavi preciznim koordinatama i parametrima, čovjek razmišlja o funkciji, estetici i scenarijima uporabe.

Takav „human-in-the-loop“ pristup ima i važnu psihološku dimenziju. Sudionici korisničkih studija često su isticali osjećaj suautorstava nad objektima koje je formalno sastavila robotska ruka: finalni rezultat doživljavali su kao „svoju“ stolicu ili policu upravo zato što su je oblikovali kroz razgovor sa sustavom, a ne kroz klikanje po kompleksnom CAD sučelju.

Rezultati korisničkog testiranja: preferencija za AI dizajn

Kako bi kvantitativno procijenili vrijednost svog pristupa, istraživači su proveli studiju u kojoj su sudionici ocjenjivali različite verzije istih objekata. Jedna skupina dizajna nastala je uz pomoć njihova AI-pogona sustava s vizijsko-jezičnim modelom, druga je generirana algoritmom koji ploče mehanički postavlja na sve horizontalne površine okrenute prema gore, dok je treća bila rezultat nasumičnog rasporeda ploča.

Više od devedeset posto sudionika preferiralo je objekte nastale sustavom koji kombinira generativni AI i VLM u odnosu na alternativne pristupe. Posebno su isticali logičan raspored površina za sjedenje ili odlaganje, osjećaj strukturalne stabilnosti te vizualnu skladnost cjeline. Nasumični raspored ploča doživljen je kao kaotičan, a čisto geometrijsko pravilo „sve vodoravne plohe pokriti pločama“ pokazalo se pregrubim da bi zadovoljilo stvarne potrebe korisnika.

Proces montaže pokazao se i vremenski učinkovit. Zahvaljujući standardiziranim strukturnim modulima i pločama, robot je mogao u kratkom roku sastaviti čitav niz različitih konfiguracija – od jednostavnih stolica i taburea, preko polica, do složenijih komada namještaja koji bi u klasičnoj proizvodnji zahtijevali izradu posebnih alata ili kalupa.

Od teksta prema govoru: „speech-to-reality“ kao logičan sljedeći korak

Na temelju iskustava stečenih radom s tekstualnim opisima, tim je proširio koncept i na govor. Novi sustav „speech-to-reality“ uklanja i posljednju tehnološku barijeru za neiskusne korisnike: više nije potrebno ni smišljati kratke pisane upute, dovoljno je u sobi reći da želite jednostavan stolac, policu za knjige ili mali pomoćni stolić.

Govorni signal najprije prolazi kroz standardnu obradu i pretvara se u tekst, nakon čega preuzima istu generativnu AI infrastrukturu: model generira 3D oblik, sustav ga razlaže na modularne komponente, a planer određuje optimalni redoslijed i način sklapanja. Rezultat je usko povezan s ranijim radom na tekstu, ali je korisničko iskustvo još prirodnije – komunikacija s robotom sve je sličnija razgovoru s ljudskim stolarom ili dizajnerom.

Umjesto dvaju tipova prefabrikata, „speech-to-reality“ se u prvoj implementaciji oslanja na mrežu identičnih kockastih modula koje robot slaže u rešetkastu strukturu. Takav vokselni pristup olakšava diskretizaciju kompleksne geometrije: bilo da je riječ o stolici, polici, malom stolu ili dekorativnom psu, objekt se može razložiti na kombinaciju kockica koje robot lako hvata, pozicionira i spaja.

Eksperimenti u laboratoriju pokazali su da sustav može u svega nekoliko minuta izraditi jednostavnije komade namještaja koji su dovoljno čvrsti za svakodnevnu uporabu u prototipskim uvjetima. Istraživači paralelno rade na poboljšanju načina spajanja modula kako bi konstrukcija izdržala veća opterećenja; magnetske veze koje su praktične za brzu montažu planiraju nadomjestiti robusnijim mehaničkim spojnicama.

Održivost, lokalna proizvodnja i potencijal za industriju

Jedan od ključnih motiva iza ovih istraživanja jest pitanje održivosti. Današnji namještaj uglavnom se proizvodi u centraliziranim tvornicama i zatim transportira na velike udaljenosti. Svaka promjena dizajna znači novu seriju proizvodnje, nove alate i dodatne logističke troškove. Sustavi koji kombiniraju generativni AI, modularne komponente i robotsku montažu nude radikalno drugačiji scenarij: dizajn i proizvodnja mogu se odvijati lokalno, gotovo na zahtjev.

Umjesto naručivanja gotovog proizvoda, korisnik bi u budućnosti mogao naručiti „recepte“ za objekte – parametarske opise i skup pravila koji zatim pokreću lokalni robotski sustav. Jedan set standardiziranih modula mogao bi se višekratno koristiti za potpuno različite konfiguracije namještaja, izložbenih postava, privremenih građevinskih struktura ili laboratorijskih eksperimenata. Kada se potrebe promijene, objekti se rastavljaju, a materijal se vraća u ciklus.

Za industriju, posebice za područja poput zrakoplovstva ili napredne arhitekture, takvi sustavi znače mogućnost brzog fizičkog prototipiranja kompleksnih geometrija koje je teško ručno sastavljati. Istraživači naglašavaju da je isto računalno okruženje moguće povezati s više robotiziranih ćelija, čime se otvara put prema skaliranju od stolne robotske ruke do čitavih tvornica u kojima je granica između dizajnerskog studija i proizvodne hale sve manje vidljiva.

Tehničke granice i otvorena istraživačka pitanja

Iako rezultati djeluju impresivno, sustav još uvijek ima jasna ograničenja. Generativni modeli ponekad proizvode geometrije koje su vrlo sculpturalne, ali teško prevodive u modularnu strukturu bez kompromisa. Vizijsko-jezični model ne razumije fiziku na razini inženjera; njegova „intuicija“ o tome što je stabilno, a što nije, proizlazi iz statistike podataka, a ne iz čvrstih mehaničkih proračuna.

Zato istraživači istražuju kako u proces uključiti dodatne simulacije i provjere: od detekcije potencijalno nestabilnih spojeva i prevelikih raspona bez oslonca, do optimizacije broja korištenih komponenti kako bi se smanjila masa i vrijeme montaže. Dugoročno gledano, cilj je da AI sustav ne samo formalno zadovolji korisnički opis, već da i kvantitativno optimizira čvrstoću, trajnost i potrošnju materijala.

Još jedno otvoreno pitanje tiče se raznolikosti komponenti. Rad na tekstno vođenoj robotskoj montaži usredotočen je na dvije vrste dijelova, dok „speech-to-reality“ koristi jednolike vokselne module. U praksi će mnogi objekti zahtijevati druge elemente: zglobove, klizne vodiče, kotače, opruge ili fleksibilne spojeve. Uključivanje takvih komponenti znači i složenije planiranje montaže, ali otvara put prema potpuno funkcionalnim predmetima poput ormarića sa vratima, mehanizama za podešavanje visine ili čak jednostavnijih robota koje bi dizajnirao drugi AI.

Demokratizacija dizajna: što znači „reci i nastat će“

U pozadini ovih eksperimenata krije se i šira društvena vizija. Ako bilo tko može riječima opisati što mu treba i vidjeti kako to u nekoliko minuta nastaje u fizičkom svijetu, tada se granica između korisnika i dizajnera dramatično zamagljuje. Kao što su raniji valovi digitalizacije omogućili da svatko bude izdavač, glazbenik ili fotograf, generativni AI u kombinaciji s robotikom mogao bi proširiti taj princip na svijet predmeta.

Za obrazovanje to znači nove načine učenja: učenici bi mogli eksperimentirati s konstrukcijama i oblicima bez straha da će pogriješiti pri rezanju materijala ili korištenju alata. Za arhitekte i industrijske dizajnere radi se o mogućnosti da ideje za interijere, prototipove ili izložbene instalacije testiraju u punoj skali praktički u realnom vremenu. Za krajnje korisnike, scenarij u kojem u dnevnoj sobi imate kompaktni robotski sustav koji slaže i rastavlja namještaj prema trenutnim potrebama više ne izgleda toliko daleko.

Istraživači, doduše, naglašavaju da je ovo tek prvi korak. Sustavi opisani u radovima još su uvijek laboratorijski prototipovi, s ograničenim skupom modula, kontroliranim okruženjem i pažljivo definiranim zadacima. No smjer razvoja jasan je: spajanjem naprednih AI modela koji razumiju geometriju i funkciju s fizičkim robotima koji mogu pouzdano baratati standardiziranim komponentama, nastaje nova vrsta „govornog“ ili „tekstualnog“ proizvođačkog pogona.

Od ranih CAD sustava sedamdesetih godina do suvremenih generativnih mreža i vizijsko-jezičnih modela protežu se desetljeća evolucije alata za stvaranje predmeta. Najnoviji MIT-ovi eksperimenti sugeriraju sljedeći skok: budućnost u kojoj će „Robot, napravi mi stolicu“ biti jednako uobičajena rečenica kao i „pošalji mi e-poruku“, a proizvođački procesi jednako prilagodljivi i brzi kao današnji softverski razvoj.