پایان محدودیت‌های بصری در طراحی سه بعدی؛ توسعه‌دهندگان نابینا با AI مدل می‌سازند

به گفته hackster.io:

مدل زبانی بزرگ (LLM) GPT-4o از OpenAI هسته سامانه‌ای است که برای توصیف مدل‌های OpenSCAD و توسعه تکرارشونده آن‌ها طراحی شده است.

پژوهشگران University of Washington، Purdue University، Massachusetts Institute of Technology (MIT)، Hong Kong University of Science and Technology، Stanford University، University of Washington، University of Michigan و University of Texas at Dallas با همکاری NVIDIA سامانه‌ای برای ساخت، ویرایش و راستی‌آزمایی مدل‌های سه‌بعدی توسط افراد نابینا و کم‌بینا توسعه داده‌اند: A11yShape.

Liang He، نویسنده ارشد این کار که ایده را از چالش‌های یک همکلاسی نابینای دوره تحصیلات تکمیلی در انجام وظایف مدل‌سازی سه‌بعدی الهام گرفته است، می‌گوید: «کارهایی مانند چاپ سه‌بعدی و نمونه‌سازی مدار برای کاربران نابینا، به‌ویژه وقتی تنها هستند، بسیار چالش‌برانگیز است. او برای هر تکلیف باید از کسی کمک می‌گرفت و نتیجه را تأیید می‌کرد. این نخستین گام برای فراهم‌کردن دسترسی برابر به ابزارهای خلاقانه، از جمله مدل‌سازی سه‌بعدی، برای افراد دارای اختلال بینایی است.»

A11yShape می‌کوشد مدل‌سازی سه‌بعدی در OpenSCAD را برای توسعه‌دهندگان نابینا و کم‌بینا دسترس‌پذیر کند.

چگونه A11yShape کار می‌کند

این سامانه بر پایه GPT-4o بنا شده و جریان کاری آن با ابزارهای کمکی موجود سازگار است:

• ورودی: تصاویر رندرشده از مدل‌های سه‌بعدی که کاربر در OpenSCAD تولید می‌کند. خود فرایند مدل‌سازی در OpenSCAD متنی است و بنابراین با صفحه‌خوان‌ها (screen reader)، نمایش‌های بریل (Braille display) و سایر فناوری‌های کمکی موجود به‌خوبی کار می‌کند.
• پردازش: GPT-4o تصویر مدل را به جریان توکن تبدیل کرده و با انتخاب آماری توکن‌های تداومی، توصیفی متنی از ویژگی‌های مدل تولید می‌کند.
• خروجی: بهترین توصیف ممکن از مدل به کاربر ارائه می‌شود تا بتواند طراحی را به‌صورت تکرار شونده، بدون نیاز به کمک افراد بینا، اصلاح و تکمیل کند.

Liang He درباره بازخورد همان همکلاسی می‌گوید: «او از نسخه نخست سیستم استفاده کرد و بازخوردهای بسیار خوبی داد که به بهبود سیستم کمک کرد. گام بعدی این است که این فرایند — یعنی کل پایپلاین از مدل‌سازی سه‌بعدی تا ساخت — را پشتیبانی کنیم.»

دسترسی و انتشار

نتایج این کار در Proceedings of the 27th International ACM SIGACCESS Conference on Computers and Accessibility (ASSETS ’25) با شرایط دسترسی آزاد منتشر شده است.