SGS-1 - संरचित CAD के लिए पहला जनरेटिव मॉडल

• Spectral Labs ने संरचित CAD(B-Rep) जनरेशन के लिए पहला जनरेटिव AI मॉडल SGS-1 लॉन्च किया
• SGS-1 इमेज या 3D mesh को इनपुट के रूप में लेकर, आसानी से एडिट किए जा सकने वाले parametric CAD files बनाता है
• मौजूदा GPT-5, HoLa BRep आदि की तुलना में, SGS-1 अधिक सटीक और अधिक विविध जटिल आकृतियाँ जनरेट करता है
• स्केच, engineering drawings, STL आदि जैसे विभिन्न इनपुट को STEP files में अपने-आप बदलने वाली reverse engineering automation संभव है
• अभी organic curved surfaces या पूरी assembly जनरेट करने में सीमाएँ हैं, लेकिन अगली पीढ़ी के मॉडल में multimodal·physical reasoning जैसी अतिरिक्त सुधार योजनाबद्ध हैं

---

SGS-1 का परिचय और मुख्य विशेषताएँ

• Spectral Labs ने SGS-1 को पेश करते हुए ऐसा foundation generative AI model दिखाया है जो निर्माण-योग्य और parametric तत्वों वाले 3D geometric structures जनरेट कर सकता है
• SGS-1 इमेज या 3D mesh को इनपुट के रूप में लेकर, आसानी से एडिट किए जा सकने वाले B-Rep(boundary representation) फ़ॉर्मेट की STEP files आउटपुट करता है
• इन परिणामों को पारंपरिक CAD software में आसानी और सटीकता से संशोधित तथा उपयोग किया जा सकता है

SGS-1 कैसे काम करता है और इसके परिणाम

• उपयोगकर्ता इमेज या सरल 3D file अपलोड करके उसे ऐसे parametric B-Rep file में बदल सकते हैं जिसमें विशिष्ट dimensions को समायोजित किया जा सके
• SGS-1 मौजूदा मॉडलों की तुलना में कहीं अधिक जटिल और विविध CAD shapes जनरेट करता है
• इसे वास्तविक engineering design में लागू किया जा सकता है, और यह assembly की आंशिक जानकारी और text description के आधार पर component design के उदाहरण देता है

मौजूदा मॉडलों के साथ तुलनात्मक परीक्षण

• SGS-1 की GPT-5 (CadQuery code जनरेट कर सकने वाला OpenAI का बड़ा मॉडल), HoLa BRep (इमेज-इनपुट आधारित B-Rep जनरेशन मॉडल) आदि के साथ 75 जटिल CAD images का उपयोग कर तुलनात्मक मूल्यांकन किया गया
• प्रयोग प्रत्येक मॉडल के लिए 10 बार दोहराए गए, और माप सफल जनरेशन अनुपात (Success Ratio) के आधार पर किया गया
• SGS-1 ने अधिकांश जटिल आकृतियों में सर्वश्रेष्ठ प्रदर्शन दिखाया, और अन्य मॉडलों की तुलना में स्पैशियल समझ तथा geometry implementation क्षमता बेहतर रही
• अन्य मॉडलों के कई परिणाम बहुत सरल या कम उपयोगी थे, इसलिए उन्हें वास्तविक assembly design में उपयोग करना कठिन रहा

assembly context में parametric संरचना जनरेशन

• SGS-1 के जरिए मौजूदा partial assembly (CAD assembly का एक हिस्सा) और विवरण या इमेज इनपुट भर से, उस संदर्भ के अनुकूल नए component design संभव हैं
• उपयोग प्रक्रिया
  • partial assembly render और जो component जोड़ना है उसका विवरण तैयार करना
  • उसे SGS-1 में इनपुट देकर STEP file फ़ॉर्मेट में B-Rep जनरेट करना
  • जनरेट की गई STEP file को assembly में import करने के बाद dimensions समायोजित कर अनुकूलित करना
• विभिन्न bracket design scenarios के उदाहरण वीडियो भी दिए गए हैं

स्केच और engineering drawings का स्वचालित रूपांतरण

• हाथ से बने स्केच और औपचारिक engineering drawings को भी SGS-1 में इनपुट देने पर, editable 3D parametric CAD files में अपने-आप बदला जा सकता है
• बहुत जटिल न होने वाले hand sketches को भी प्रभावी ढंग से बदला जा सकता है, जिससे design process innovation में योगदान मिलता है

reverse engineering और mesh(STL)→STEP स्वचालित रूपांतरण

• scan files और एकल STL/mesh files को भी SGS-1 के जरिए parametric STEP files में अपने-आप बदला जा सकता है
• बिना मैनुअल काम के पूरी तरह स्वचालित reverse engineering संभव होने से, विभिन्न आकारों के parts के digitization में लाभ मिलता है

सीमाएँ

• SGS-1 engineering उपयोगों के लिए parametric 3D जनरेशन पर अनुकूलित मॉडल है
• जटिल curved surfaces या organic, free-form structures, बहुत पतली संरचनाएँ, और पूरी assembly का एक साथ जनरेशन अभी भी इसकी सीमाएँ हैं
• भविष्य में अगली पीढ़ी के मॉडल में multimodal support·complex spatial perception·advanced physical reasoning तथा feedback-based reinforcement learning लाने की योजना है

आगे की योजना और टीम परिचय

• Spectral Labs, अधिक जटिल physical system design, multimodal input, उन्नत spatial context और physical reasoning capabilities को बेहतर बनाने के लक्ष्य के साथ SGS-1 की अगली पीढ़ी का मॉडल तैयार कर रही है
• reinforcement learning, feedback-based physical simulation जैसी आधुनिक AI तकनीकों को अपनाकर, कंपनी का लक्ष्य 3D engineering generative AI क्षेत्र में अग्रणी बनना है
• टीम में Autodesk Research, Samsung Research, CMU, Meta पृष्ठभूमि के AI शोधकर्ता और इंजीनियर शामिल हैं
• research collaboration या deployment request के लिए Spectral Labs के आधिकारिक चैनल के माध्यम से संपर्क किया जा सकता है

[GN⁺]

Hacker News राय

• मेरा मानना है कि SGS-1 के बारे में यह दावा कि यह पूरी तरह parametric 3D geometry जनरेट कर सकता है, साफ़ तौर पर झूठ है, और इसे टेस्ट किए बिना भी समझा जा सकता है क्योंकि STEP files में parametric features के लिए कोई सपोर्ट ही नहीं होता। वे कहते हैं कि SGS-1 का output पारंपरिक CAD software में आसानी से modify किया जा सकता है, लेकिन demo files पर खुद टेस्ट करने के बाद मुझे लगा कि वे सचमुच बेहूदा दावे कर रहे थे। मैंने input और output की तुलना अपने हाथ से मॉडल किए गए सही part से की और अलग-अलग errors सूचीबद्ध किए। सिर्फ dimensions गलत नहीं थे, बल्कि features भी टूटे हुए थे, जिससे CAD editing मुश्किल हो जाती है। समझ नहीं आता कि वे ऐसे दावे क्यों कर रहे हैं, जबकि उन्होंने ऐसा demo भी दिया है जो खुद साबित करता है कि यह झूठ है। क्या यह सिर्फ headline के लिए है, उन लोगों को बेचने के लिए है जो कुछ नहीं जानते, या फिर domain knowledge के बिना CS background वाले लोग सच में मानते हैं कि उन्होंने problem solve कर दी है? मुख्य errors ये हैं: सभी dimensions गलत हैं, एक hole पूरी तरह आर-पार नहीं जाता, वह circular hole नहीं बल्कि दो overlapping holes है, fillet सही नहीं है, ऊपर वाला hole offset है, पहले वाला chamfer reference face के नीचे तक चला जाता है, ऊपर के holes में Z-axis offset है, chamfer की connection method दोनों तरफ अलग है, आदि.<br>तुलना सामग्री और असली मॉडल के screenshots: गलत परिणाम का उदाहरण, मेरे द्वारा बनाया गया सही उदाहरण

  • मैं भी इस बात से उलझन में हूँ कि STEP files parametric features को support नहीं करतीं। समझ नहीं आता कि ऐसा दावा आखिर कैसे किया जा सकता है। आधिकारिक रूप से कहते हैं कि वे सिर्फ B-rep (boundary representation) जनरेट करते हैं, लेकिन roller example में दावा करते हैं कि "यह parametric है इसलिए dimensions adjust करना आसान है"। मेरे हिसाब से यह बात समझ नहीं आती। अगर ऐसी functionality चाहिए, तो STEP file को modify करने से बेहतर है कि शुरुआत से ही proper feature history और constraints के साथ मॉडल बनाया जाए।

  • लगता है आप इस क्षेत्र को अच्छी तरह जानते हैं, इसलिए एक सवाल है। मैं बिल्कुल शुरुआती हूँ, लेकिन मैंने सुना है कि zoo.dev/design-studio भी कुछ ऐसा ही करता है। क्या कोई expert नज़रिए से बता सकता है कि दोनों में क्या और कैसे फर्क है?

  • यह साफ़ तौर पर धोखाधड़ी जैसा दावा है। समझ नहीं आता कि ये किसे बेवकूफ बनाना चाहते हैं। शायद निवेशकों को निशाना बना रहे हों।

  • मैं इन formats के बारे में बहुत गहराई से नहीं जानता, लेकिन STEP files की खासियत, STL files के विपरीत, यह है कि ये "B-rep" data स्टोर करती हैं। यानी surfaces के बीच geometric relationships स्टोर होते हैं, इसलिए parametric editor में इनका इस्तेमाल अपेक्षाकृत आसान होता है। शायद यही लोग भी mesh-आधारित मौजूदा तरीकों के मुकाबले B-rep इस्तेमाल करने को अपना differentiation point बता रहे हैं।

  • AI से जुड़ी खबरें अक्सर वास्तविक performance को बढ़ा-चढ़ाकर दिखाती हैं, तो शायद comments में कोई vague तरीके से कह देगा कि यह काम करता है

• मुझे लगता है कि AI के लिए ऐसा market है जहाँ वह 3D scanner से imperfect तरीके से लाए गए data को अपने-आप साफ़ कर दे। point cloud से साफ़ 3D mesh बनाना, और color या lighting के आधार on objects की पहचान करना भी बहुत दिलचस्प होगा। इससे दुनिया का description और objects का metadata भी बनाया जा सकता है। लेकिन इस तरह की automatic design functionality, मेरे हिसाब से, CAD का मज़ा कम करती है और असली problem solve नहीं करती। AI तब ज़्यादा असरदार होगी जब वह repetitive और boring कामों पर ध्यान दे। यह तकनीक निवेशकों को impressive लग सकती है और experts का समय बचा सकती है, लेकिन वास्तव में बड़े problems सुलझाने में इसकी सीमाएँ हैं।

  • सच कहूँ तो यह industry बस निवेशकों को प्रभावित करने की ही चिंता करती है। आखिरकार AI technology knowledge workers से job satisfaction छीन लेगी, और बहुत कम लोगों को छोड़कर बाकी के लिए सिर्फ AI supervision या bathroom cleaning जैसे काम बचेंगे। अभी की स्थिति में, यह labor demand को नष्ट करती दिख रही है, और जो स्थिर वेतन थे वे भी shareholders के मुनाफे में बदलते नज़र आ रहे हैं।

  • दरअसल हर कोई CAD मज़े के लिए नहीं करता। जब मुझे जल्दी prototype print करना हो, तो मैं AI से यह करवाना चाहूँगा: "मेरे लिए यह board mount बना दो, holes Xmm दूरी पर हों, और उनकी संख्या N हो।" "इन दो parts को जोड़ो", "यहाँ screw hole जोड़ो", "snap-fit joint बनाओ", "8cm चौड़ा करो", "इस hole को दूसरी तरफ ले जाओ" — ऐसे काम तेज़ी और आसानी से हो जाएँ, यही मेरी उम्मीद है

• ChatGPT4 के शुरुआती दौर में, मैंने LLM-आधारित mechatronic design के लिए एक open markup standard खुद बनाने की कोशिश की थी। मुझे लगा कि LLM को examples सीखने या logic समझने के लिए इंसानों द्वारा पढ़ी जा सकने वाली markup language चाहिए। मैंने इसे तेज़ iterative design के लिए एक demo concept के रूप में बनाया था, और ताकि कोई भी इसे extend कर सके या खुद implement करके देख सके, मैंने इसे अपने GitHub project पर डाल दिया। उम्मीद है कि लंबे समय में ऐसा open source approach open hardware developers को अधिक स्वतंत्रता देगा

• पहले जहाँ सिर्फ मौजूदा mesh-based models ही उपलब्ध थे, वहाँ STEP (B-Rep) में CAD parts जनरेट कर पाना एक क्रांतिकारी बदलाव है। पिछली पीढ़ी के models महज़ खिलौनों जैसे थे, लेकिन यह तकनीक आगे बढ़कर कहाँ तक जाएगी, इसे लेकर मैं बहुत उत्साहित हूँ। अगला कदम शायद STEP को SolidWorks, NX जैसे proprietary formats में बेहतर तरीके से convert करना और design constraints को infer करना होगा

  • अगर यह सिर्फ 3D scan mesh को proper STEP geometry में बदल दे, तब भी यह बहुत बड़ी प्रगति होगी

  • feedback के लिए धन्यवाद! हम इसे अगले model में सक्रिय रूप से शामिल करने वाले हैं। खास तौर पर आप क्या देखना चाहते हैं?

• एक engineer के तौर पर, मुझे लगता है कि यह AI design के सचमुच कठिन हिस्सों को हटाती ही नहीं है। असली कठिनाई manufacturing, load path design, और real-world loads के हिसाब से सही part structure तय करने में होती है

  • एक engineer के नज़रिए से ही कहूँ तो, अगर यह AI सचमुच अच्छी तरह काम करे, तो prototyping phase को बहुत छोटा कर सकती है, जिससे बेहतर products कम लागत पर बन सकेंगे। यह real loads और structural design में भी मदद कर सकती है

  • software development में AI के जरिए boilerplate हिस्से कम करके असली value पर ध्यान देने का trend वास्तव में हो रहा है। मुझे लगता है कि दूसरी fields में भी इसका वैसा ही उपयोग हो सकता है

  • AI इस हिस्से पर भी काम कर रही है: limitlesscnc.ai

• एक competitor product बनाने वाले founder के रूप में, मुझे खुशी है कि इतने लोग इसमें दिलचस्पी ले रहे हैं और चर्चा कर रहे हैं, क्योंकि इससे market demand का पता चलता है। लेकिन मौजूदा SGS-1 model का output वास्तविक manufacturing और usability के लिहाज़ से काफ़ी कमज़ोर है। अभी का STEP output अलग-अलग CAD tools में import तो हो जाता है, लेकिन वास्तव में designers, engineers और fabricators के लिए बहुत उपयोगी नहीं है (factories या 3D printers के लिए भी मुश्किल है)। मुख्य समस्याएँ हैं: curved surfaces की quality इतनी खराब है कि simulation या manufacturing में इस्तेमाल नहीं हो सकती, simple shapes बहुत ज़्यादा complex output होती हैं (जैसे fillet 10 से अधिक faces में टूट जाता है), और एक part output करने पर भी वह 10000 से अधिक छोटे parts में टूट जाता है, इसलिए व्यवहार में वह एक single product नहीं रह जाता। V2 version का इंतज़ार है। जानकारी के लिए, मैंने Transfigure नाम की company शुरू की है, जहाँ SGS-1 की सीमाएँ पहले से देखकर मैं mechanical engineer के नज़रिए से ऐसी AI architecture बना रहा हूँ जो simulation और manufacturing में सीधे इस्तेमाल होने लायक साफ़ data दे सके।<br>अगर SGS-1 से जनरेट किया गया data हमारी factory में submit किया गया होता, तो तुरंत नौकरी से निकाल दिया जाता<br>[e-mail]

  • दिलचस्प approach है। आप इसके बारे में और जानकारी कब तक सार्वजनिक करने वाले हैं?

• LLM से OpenSCAD models जनरेट कराने में मुझे हमेशा दिक्कत हुई है। यह XYZ space की समझ और 3D mathematical reasoning ठीक से नहीं कर पाता। मैं इसे LLM performance के benchmark की तरह देखता हूँ। एक simple phone stand बनवाना भी एक बार में नहीं हो पाया, बल्कि मुझे process को steps में तोड़ना पड़ा: plane बनाना, angle पर tilt करना, trigonometry से height निकालना, नया plane बनाना, position shift करना, आदि

  • मेरा अनुभव भी ऐसा ही रहा है। सोचता हूँ कि क्या यह problem सिर्फ अधिक training data से हल हो जाएगी, या इसके लिए पूरी तरह नई approach चाहिए। code के ज़रिए model बनाने वाला workflow बहुत शानदार है; उदाहरण के लिए, "gears" library import करके complex gear structures अपने-आप बनाए जा सकते हैं। यह तरीका CAD से आगे दूसरी fields में भी लागू हो रहा है। जैसे photonic ICs को code से बनाने के लिए Python library (GDSFactory) मौजूद है, और आगे ऐसे और tools आएँगे। यही workflow एक बड़ी वजह है कि मैं अपने data notebook project (mnty.sh/#serenity) पर ध्यान दे रहा हूँ। लक्ष्य है कि हर project में सब कुछ code से बने और visualization भी एक ही notebook में दिखे

• sketch को CAD में बदलने की functionality restoration market में बहुत बड़ी क्रांति ला सकती है। बहुत से पुराने drawings dimensions के बिना मौजूद हैं, लेकिन अगर engineer को overall size या height का अंदाज़ा हो, तो वह पहले box जैसा base बना सकता है और फिर AI से कह सकता है, "इस component को इस machine में fit होने लायक बना दो।" 3D printing, restoration, imaginative design, parts manufacturing — CAD की ज़रूरत वाले हर क्षेत्र में यह खेल बदल सकता है

• सैद्धांतिक रूप से इस functionality में कुछ बातें मेल नहीं खातीं। उदाहरण के लिए, क्या यह tolerances भी define करती है?

  • tolerances नहीं, यह "fit" का सवाल है। बाद में इंसान को dimensions और tolerances हाथ से देनी ही पड़ें, तब भी शुरुआत से सब कुछ खुद model करने की तुलना में यह बहुत कम झंझट वाला होगा

• demo दिलचस्प है, लेकिन असल में महत्वपूर्ण चीज़ यह है कि text में दिए गए constraints को design में सही तरह से उतारा जा सके। सिर्फ चाही गई functionality वाला part design करना आसान है, लेकिन ऐसा design बनाना जो वास्तव में manufacturable हो, उपलब्ध space में fit हो, mechanical properties पूरी करे, और cost constraints (जैसे material का कम उपयोग, production की आसानी) भी पूरी करे, कहीं ज़्यादा कठिन है। उदाहरण के लिए, 3D printing के लिए parts बनाते समय support material से बचना हो सकता है या किसी खास orientation में print करना पड़ सकता है, इसलिए constraints बहुत होते हैं। AI को ऐसी constraints text में बताकर तुरंत design में उतार देना ही असली उपयोगिता होगी

  • लेकिन इतने जटिल constraints पर training देने के लिए data आखिर मिलेगा कहाँ से?