Onderzoek & ontwikkeling
Eerst bouwen we de tools, dan pas verkopen we de dienst
Cloudly Studio begon als onderzoeksproject, niet als studio. Elke mogelijkheid die we vandaag bieden, begon als een open technische vraag: kunnen we dit nauwkeurig, herhaalbaar en snel genoeg doen om het als dienst aan te bieden? Op deze pagina leggen we die vragen vast, wat we bouwden om ze te beantwoorden en waar elk project nu staat.
Waarom een 3D-studio aan R&D doet
Onderzoek dat dicht bij echte productievraagstukken blijft
Methoden voordat de markt ze heeft
Klanten krijgen werkwijzen die we al op onze eigen projecten hebben getest, geen experimenten die op hun deadline worden uitgevoerd.
Geen black boxes
De kerntools, van onze productviewer tot onze pijplijnen en kwaliteitscontroles, zijn van ons. We kunnen ze uitleggen, aanpassen en ondersteunen.
Nauwkeurigheid voorop
Generatieve AI is nuttig, maar mag nooit veranderen wat een engineer heeft goedgekeurd. Een groot deel van ons onderzoek gaat over waar die grens precies ligt.
De rode draad in ons onderzoek
Eén vraag, op zes manieren gesteld
Elk project nam één knelpunt weg tussen een echt object en een nauwkeurige, herbruikbare digitale versie ervan: eerst mensen, daarna producten, scènes en tekeningen, en nu complete omgevingen.
-
Digital twins van echte mensen
De vraagKan de gelijkenis van een echt persoon fotorealistisch en consistent genoeg worden gereproduceerd om een fotoshoot te vervangen?
Wat we bouwdenBeeldmodellen die zijn gefinetuned op referentiefoto's van echte mensen, plus een testroutine voor identiteitsconsistentie over verschillende poses, belichting en kadrering heen.
Wat het mogelijk maakteDe methoden voor identiteitsconsistentie achter onze app voor gedetailleerde visualisatie van kleding en accessoires. Dit werk begon voordat Cloudly Studio werd opgericht en is bij de oprichting in het bedrijf ingebracht.
-
Onze eigen 3D-productviewer
De vraagKan een browser een product engineering-nauwkeurig tonen, met exacte geometrie, echte materialen en fotorealistisch licht, snel en op een beurstouchscreen of een telefoon, zonder dat generatieve AI ook maar in de buurt van de geometrie komt?
Wat we bouwdenEen viewer gebouwd op three.js, met daarnaast een experimentele, zelf ontwikkelde WebGL2-renderengine. Hij gebruikt gecomprimeerde geometrie en texturen voor snel laden, image-based studiobelichting en hotspots die aan afzonderlijke onderdelen zijn verankerd en met onze eigen editor worden geplaatst. Animaties zijn opgedeeld in hoofdstukken en het beeld gaat naadloos over van live 3D naar vooraf gerenderde 4K-video. De viewer doorliep meerdere generaties en meer dan 140 vastgelegde revisies.
Wat het mogelijk maakteOnze interactieve productervaringen, waaronder de demo van het robotica-paviljoen.
Reviewsessie van de productviewer: elke iteratie wordt getest op de schermformaten waarop hij daadwerkelijk wordt gebruikt. -
Samenstelbare 3D-scènes met generatieve AI
De vraagKan een niet-technische marketeer een showcasescène samenstellen en een beeld van renderkwaliteit krijgen, waarbij generatieve AI de omgeving opbouwt, terwijl het product zelf exact blijft zoals het is ontworpen?
Wat we bouwdenEen scene-builder-MVP die de productlaag (geometrie, verhoudingen en materialen) gescheiden houdt van de omgevingslaag die AI mag genereren.
Waar het nu staatDe MVP werkt. Het openstaande probleem is om licht en reflecties fysiek consistent te houden tussen het beschermde product en de gegenereerde omgeving.
-
Echte 3D-modellen uit 2D-tekeningen
De vraagVeel industriële producten bestaan alleen als 2D technische tekeningen. Kunnen die tekeningen worden omgezet in maatvaste 3D-modellen zonder dat elk model met de hand opnieuw moet worden opgebouwd?
Wat we bouwdenEen prototype dat de afzonderlijke aanzichten op een tekenblad vindt, voor-, boven- en zijaanzicht herkent, ze op basis van hun maatvoering uitlijnt en een solide model voor het web reconstrueert. Daarnaast testten we reconstructie op basis van foto's.
Waar het nu staatDe resultaten zijn veelbelovend bij eenvoudige geometrie. Complexe, elkaar doorsnijdende vormen zijn het openstaande probleem waar we nu aan werken.
-
Gedetailleerde visualisatie van kleding en accessoires
De vraagKan generatieve AI een specifiek kledingstuk of accessoire tonen zoals het werkelijk is, met exact de juiste kleur, stof en details, in plaats van een geloofwaardige lookalike?
Wat we bouwdenEen werkende applicatie die meerdere beeldgeneratie-engines combineert met een automatische kwaliteitspoort. Elke output wordt beoordeeld aan de hand van de originele productreferenties, en alles wat onder de drempelwaarde blijft, wordt met gerichte correcties opnieuw gegenereerd. De app plant ook de minimale set opnamen die elk product nodig heeft en legt vast welke input elk beeld heeft opgeleverd.
Wat het mogelijk maakteEen principe dat we nu overal toepassen: AI-output wordt pas geaccepteerd nadat die is gecontroleerd aan de hand van de bron van waarheid.
-
Omgevingen vastleggen met Gaussian splatting
De vraagKan een echte locatie, of het nu een productiehal, een productielijn, een showroom of een beursstand is, snel genoeg als navigeerbare, fotorealistische 3D worden vastgelegd om commercieel haalbaar te zijn, en worden gecombineerd met de nauwkeurige, op CAD gebaseerde productmodellen die we al maken?
Waar het nu staatWe testen opname-apparatuur, verwerkingsmethoden en weblevering. Hiervoor zoeken we industriële pilotpartners (zie hieronder).
Hoe we onderzoek doen
Onderzoek met een papieren spoor
Elk project begint met een uitgeschreven vraag en de onzekerheden die we moeten oplossen. Het werk verloopt in korte iteraties en elk experiment wordt vastgelegd, ook de mislukte, omdat juist die laten zien waar de echte grenzen liggen.
Onderzoek blijft gescheiden van de productie voor klanten. Een methode komt pas in onze standaardpijplijn terecht nadat die is gevalideerd, zodat klanten het resultaat krijgen, niet het experiment.
Het resultaat: nieuwe mogelijkheden bereiken klanten al getest, gedocumenteerd en in eigen beheer.
Gaussian splat-pilot
Laat uw locatie zien, niet alleen uw product
We selecteren twee of drie industriële bedrijven voor deelname aan een vroege Gaussian splat-pilot. Een productielijn, een hal, een showroom of een beursstand, vastgelegd als navigeerbare, fotorealistische 3D-ruimte die in de browser draait.
Meld u aan voor de pilotGeschikt voor
- fabrikanten die verkopen op hun capaciteiten, niet alleen op hun product
- locaties die voor klanten moeilijk of kostbaar te bezoeken zijn
- teams die zich voorbereiden op een beurs
Pilotpartners krijgen
- vroege toegang tot de methode
- directe inbreng in de verdere ontwikkeling
- pilotvoorwaarden
Verder lezen
Praktische gidsen van het team over specificaties, systemen en workflows.
CAD-tekeningen Beoordelen op Dag één - Voorspelbare 3D Rendering Levering
Hoe wij CAD-tekeningen, technische tekeningen en STEP-bestanden triage uitvoeren vóór het renderen - geometrieproblemen vroeg signaleren zodat elke 3D rendering-levering op schema blijft.
Artikel lezen
Stop de Review Ping-Pong - 3D Rendering Goedkeuringsworkflow die Werkt
Hoe wij correctiecycli van 3D rendering terugbrengen naar één gestructureerde batch. Feedback op CAD-tekeningen en technische tekeningen zonder eindeloze iteraties beheren.
Artikel lezen
Alleen Renderen vs. 3D Model Bezitten - ROI op CAD-tekeningen & 3D Assets
Wanneer wordt het bezitten van het 3D model gemaakt uit uw CAD-tekeningen een echte zakelijke hefboom? De vergelijking voor teams die grote SKU-catalogi beheren.
Artikel lezen