Investigación y desarrollo
Primero creamos la herramienta. Después ofrecemos el servicio
Cloudly Studio nació como un proyecto de investigación, no como un estudio. Cada capacidad que ofrecemos hoy empezó siendo una pregunta técnica abierta: ¿podemos hacerlo con la precisión, la repetibilidad y la rapidez suficientes para que merezca la pena ofrecerlo? Esta página recoge esas preguntas, lo que desarrollamos para responderlas y en qué punto se encuentra cada una.
Por qué un estudio 3D hace I+D
Investigación pegada a los problemas reales de producción
Métodos antes de que lleguen al mercado
Nuestros clientes reciben enfoques que ya hemos probado en nuestros propios proyectos, no experimentos realizados a costa de sus plazos.
Sin cajas negras
Las herramientas clave, desde nuestro visor de productos hasta nuestros pipelines y controles de calidad, son nuestras. Podemos explicarlas, adaptarlas y darles soporte.
La exactitud, primero
La IA generativa es útil, pero nunca se le permite modificar lo que un ingeniero ha aprobado. Buena parte de nuestra investigación consiste en definir dónde está ese límite.
El hilo conductor
Una sola pregunta, planteada de seis maneras
Cada proyecto eliminó un cuello de botella entre un objeto real y su versión digital exacta y reutilizable: primero personas, después productos, escenas y planos, y ahora entornos completos.
-
Gemelos digitales de personas reales
La pregunta¿Puede reproducirse la imagen de una persona real de forma fotorrealista y con la consistencia suficiente como para sustituir una sesión de fotos?
Qué desarrollamosModelos de imagen ajustados (fine-tuning) con fotografías de referencia de personas reales, y una rutina de pruebas de consistencia de identidad con distintas poses, iluminaciones y encuadres.
Qué hizo posibleLos métodos de consistencia de identidad en los que se basa nuestra aplicación de visualización de prendas y accesorios. Este trabajo comenzó antes de la constitución de Cloudly Studio y se incorporó a la empresa en el momento de su fundación.
-
Nuestro propio visor 3D de productos
La pregunta¿Puede un navegador mostrar un producto con exactitud de ingeniería, con geometría exacta, materiales reales y luz fotorrealista, en una pantalla táctil de feria o en un móvil, con rapidez y sin que la IA generativa toque la geometría en ningún momento?
Qué desarrollamosUn visor basado en three.js, acompañado de un motor de renderizado WebGL2 experimental de desarrollo propio. Incorpora geometría y texturas comprimidas para una carga rápida, iluminación de estudio basada en imagen y hotspots anclados a piezas concretas, colocados con nuestro propio editor. La animación se divide en capítulos y la vista pasa sin cortes del 3D en tiempo real a vídeo prerrenderizado en 4K. El visor ha pasado por varias generaciones y más de 140 revisiones documentadas.
Qué hizo posibleNuestras experiencias interactivas de producto, incluida la demo del pabellón de robótica.
Sesión de revisión del visor de productos: cada iteración se prueba en los tamaños de pantalla en los que realmente se va a utilizar. -
Escenas 3D configurables con IA generativa
La pregunta¿Puede un profesional de marketing sin perfil técnico componer una escena de presentación y obtener una imagen con calidad de render, con la IA generativa creando el entorno, mientras el producto se mantiene exactamente tal como se diseñó en ingeniería?
Qué desarrollamosUn MVP de creación de escenas que mantiene la capa de producto (geometría, proporciones y materiales) separada de la capa de entorno, la única que la IA puede generar.
En qué punto estáEl MVP funciona. El problema abierto es mantener la iluminación y los reflejos físicamente coherentes entre el producto protegido y el entorno generado.
-
Modelos 3D reales a partir de planos 2D
La preguntaMuchos productos industriales solo existen como planos técnicos en 2D. ¿Pueden convertirse esos planos en modelos 3D dimensionalmente fiables sin reconstruir cada uno a mano?
Qué desarrollamosUn prototipo que localiza las distintas vistas de una hoja de plano, identifica el alzado, la planta y el perfil, las alinea a partir de sus cotas y reconstruye un modelo sólido para la web. En paralelo, probamos la reconstrucción a partir de fotografías.
En qué punto estáLos resultados son prometedores con geometrías sencillas. Las formas complejas que se intersecan son el problema abierto en el que trabajamos ahora.
-
Visualización detallada de prendas y accesorios
La pregunta¿Puede la IA generativa mostrar una prenda o un accesorio concreto tal como es en realidad, con su color, tejido y detalles exactos, en lugar de una imitación verosímil?
Qué desarrollamosUna aplicación operativa que combina varios motores de generación de imágenes con un control de calidad automático. Cada resultado se puntúa frente a las referencias originales del producto y todo lo que queda por debajo del umbral se regenera con correcciones específicas. La aplicación también planifica el conjunto mínimo de tomas que necesita cada producto y registra qué entradas generaron cada imagen.
Qué hizo posibleUn principio que ahora aplicamos en todo: un resultado de IA solo se acepta después de contrastarlo con la fuente de referencia.
-
Captura de entornos con Gaussian splatting
La pregunta¿Puede capturarse una instalación real, ya sea una nave de producción, una línea, un showroom o un stand de feria, como un espacio 3D navegable y fotorrealista con la rapidez suficiente para que sea comercialmente viable, y combinarse con los modelos de producto precisos basados en CAD que ya creamos?
En qué punto estáEstamos probando equipos de captura, métodos de procesamiento y distribución web. En este ámbito buscamos socios industriales para el piloto (ver más abajo).
Cómo investigamos
Investigación documentada paso a paso
Cada proyecto parte de una pregunta por escrito y de las incertidumbres que debemos resolver. El trabajo avanza en iteraciones cortas y cada experimento queda registrado, incluidos los que fallan, porque son los que muestran dónde están los límites reales.
La investigación se mantiene separada de la producción para clientes. Un método solo pasa a nuestro pipeline estándar una vez validado, de modo que los clientes reciben el resultado, no el experimento.
El resultado: las nuevas capacidades llegan a los clientes ya probadas, documentadas y desarrolladas por nosotros.
Piloto de Gaussian splatting
Muestre sus instalaciones, no solo su producto
Estamos seleccionando a dos o tres empresas industriales para participar en un piloto temprano de Gaussian splatting. Una línea de producción, una nave, un showroom o un stand de feria, capturados como un espacio 3D navegable y fotorrealista que funciona en el navegador.
Solicitar el pilotoPensado para
- fabricantes que venden su capacidad, no solo su producto
- instalaciones difíciles o costosas de visitar para los clientes
- equipos que preparan una feria
Qué obtienen los socios del piloto
- acceso anticipado al método
- participación directa en su desarrollo
- condiciones de piloto
Más lecturas
Guías prácticas del equipo sobre especificaciones, sistemas y flujos de trabajo.
Evaluating CAD Drawings & STEP Files on Day One - Predictable 3D Rendering
How we triage CAD drawings, technical drawings, and STEP files before starting 3D rendering - catching geometry gaps on day one so every render delivery stays on schedule.
Leer artículo
Stop the Review Ping-Pong - 3D Rendering Approval Workflow That Ships
Cut 3D rendering review cycles down to one structured batch. How we manage feedback on CAD drawings and technical drawings without endless back-and-forth corrections.
Leer artículo
Render-Only vs Owning the 3D Model - ROI on CAD Drawings & 3D Assets
When does owning the 3D model built from your CAD drawings become a business lever? The render-only vs model ownership comparison for teams managing large SKU catalogs.
Leer artículo