Favo paramétrico : modelagem tridimensional por inteligência artificial
| Ano de defesa: | 2025 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Link de acesso: | http://hdl.handle.net/10183/298949 |
Resumo: | 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. |
| id |
URGS_aee5a2e8a362c38b3eafe2748e184464 |
|---|---|
| oai_identifier_str |
oai:www.lume.ufrgs.br:10183/298949 |
| network_acronym_str |
URGS |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| repository_id_str |
|
| spelling |
Fagundes, Cristian Vinicius MachadoBruscato, Léia Miotto2025-11-22T08:06:23Z2025http://hdl.handle.net/10183/298949001297080Esta 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.application/pdfporInteligência artificialFabricação digitalModelagem tridimensionalArtificial intelligenceMachine learningGenerative systemsParametric modelingDigital fabricationFavo paramétrico : modelagem tridimensional por inteligência artificialFavo paramérico: three-dimensional modeling through artificial intelligenceinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaFaculdade de ArquiteturaPrograma de Pós-Graduação em DesignPorto Alegre, BR-RS2025doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001297080.pdf.txt001297080.pdf.txtExtracted Texttext/plain346428http://www.lume.ufrgs.br/bitstream/10183/298949/2/001297080.pdf.txta3103e5a6ea8c56439136c3bc64a70adMD52ORIGINAL001297080.pdfTexto completoapplication/pdf5719681http://www.lume.ufrgs.br/bitstream/10183/298949/1/001297080.pdf28c178526a5d7dd5803d18d7053fd423MD5110183/2989492025-12-15 08:00:18.011018oai:www.lume.ufrgs.br:10183/298949Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br || lume@ufrgs.bropendoar:18532025-12-15T10:00:18Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
| dc.title.pt_BR.fl_str_mv |
Favo paramétrico : modelagem tridimensional por inteligência artificial |
| dc.title.alternative.en.fl_str_mv |
Favo paramérico: three-dimensional modeling through artificial intelligence |
| title |
Favo paramétrico : modelagem tridimensional por inteligência artificial |
| spellingShingle |
Favo paramétrico : modelagem tridimensional por inteligência artificial Fagundes, Cristian Vinicius Machado Inteligência artificial Fabricação digital Modelagem tridimensional Artificial intelligence Machine learning Generative systems Parametric modeling Digital fabrication |
| title_short |
Favo paramétrico : modelagem tridimensional por inteligência artificial |
| title_full |
Favo paramétrico : modelagem tridimensional por inteligência artificial |
| title_fullStr |
Favo paramétrico : modelagem tridimensional por inteligência artificial |
| title_full_unstemmed |
Favo paramétrico : modelagem tridimensional por inteligência artificial |
| title_sort |
Favo paramétrico : modelagem tridimensional por inteligência artificial |
| author |
Fagundes, Cristian Vinicius Machado |
| author_facet |
Fagundes, Cristian Vinicius Machado |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Fagundes, Cristian Vinicius Machado |
| dc.contributor.advisor1.fl_str_mv |
Bruscato, Léia Miotto |
| contributor_str_mv |
Bruscato, Léia Miotto |
| dc.subject.por.fl_str_mv |
Inteligência artificial Fabricação digital Modelagem tridimensional |
| topic |
Inteligência artificial Fabricação digital Modelagem tridimensional Artificial intelligence Machine learning Generative systems Parametric modeling Digital fabrication |
| dc.subject.eng.fl_str_mv |
Artificial intelligence Machine learning Generative systems Parametric modeling Digital fabrication |
| description |
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. |
| publishDate |
2025 |
| dc.date.accessioned.fl_str_mv |
2025-11-22T08:06:23Z |
| dc.date.issued.fl_str_mv |
2025 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/298949 |
| dc.identifier.nrb.pt_BR.fl_str_mv |
001297080 |
| url |
http://hdl.handle.net/10183/298949 |
| identifier_str_mv |
001297080 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
| instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
| instacron_str |
UFRGS |
| institution |
UFRGS |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/298949/2/001297080.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/298949/1/001297080.pdf |
| bitstream.checksum.fl_str_mv |
a3103e5a6ea8c56439136c3bc64a70ad 28c178526a5d7dd5803d18d7053fd423 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
| repository.mail.fl_str_mv |
lume@ufrgs.br || lume@ufrgs.br |
| _version_ |
1854319306502832128 |