Badania i rozwój
Najpierw budujemy narzędzia, potem sprzedajemy usługę
Cloudly Studio powstało jako projekt badawczy, a nie jako studio. Każda kompetencja, którą dziś oferujemy, zaczynała się od otwartego pytania technicznego: czy potrafimy to zrobić dokładnie, powtarzalnie i na tyle szybko, by warto było to oferować? Na tej stronie dokumentujemy te pytania, to, co zbudowaliśmy, aby na nie odpowiedzieć, oraz aktualny stan każdego z nich.
Dlaczego studio 3D prowadzi działalność badawczo-rozwojową
Badania blisko rzeczywistych problemów produkcyjnych
Metody, zanim trafią na rynek
Klienci otrzymują rozwiązania, które przetestowaliśmy już na własnych projektach, a nie eksperymenty prowadzone kosztem ich harmonogramu.
Żadnych czarnych skrzynek
Kluczowe narzędzia, od naszej przeglądarki produktów po procesy przetwarzania i kontrolę jakości, należą do nas. Potrafimy je objaśnić, dostosować i zapewnić im wsparcie.
Dokładność przede wszystkim
Generatywna AI jest użyteczna, ale nigdy nie może zmienić tego, co zatwierdził inżynier. Znaczna część naszych badań dotyczy tego, gdzie przebiega ta granica.
Wątek badawczy
Jedno pytanie, postawione na sześć sposobów
Każdy projekt usuwał jedno wąskie gardło między rzeczywistym obiektem a jego dokładną, wielokrotnie wykorzystywaną wersją cyfrową: najpierw w przypadku ludzi, potem produktów, scen i rysunków, a obecnie całych przestrzeni.
-
Cyfrowe bliźniaki rzeczywistych osób
Pytanie badawczeCzy wizerunek rzeczywistej osoby można odtworzyć fotorealistycznie i na tyle spójnie, by mógł zastąpić sesję zdjęciową?
Co zbudowaliśmyModele generowania obrazów dostrojone na zdjęciach referencyjnych rzeczywistych osób oraz procedura testowania spójności tożsamości w różnych pozach, warunkach oświetleniowych i kadrach.
Co to umożliwiłoMetody zachowania spójności tożsamości, na których opiera się nasza aplikacja do szczegółowej wizualizacji odzieży i akcesoriów. Prace te rozpoczęły się przed założeniem spółki Cloudly Studio i zostały do niej wniesione w chwili jej powstania.
-
Własna przeglądarka produktów 3D
Pytanie badawczeCzy przeglądarka internetowa może szybko wyświetlić produkt z inżynierską dokładnością, z precyzyjną geometrią, rzeczywistymi materiałami i fotorealistycznym światłem, na targowym ekranie dotykowym lub w telefonie, bez dopuszczania generatywnej AI w pobliże geometrii?
Co zbudowaliśmyPrzeglądarka zbudowana na three.js, rozwijana równolegle z eksperymentalnym, autorskim silnikiem renderującym WebGL2. Wykorzystuje skompresowaną geometrię i tekstury zapewniające szybkie ładowanie, studyjne oświetlenie oparte na obrazie oraz hotspoty zakotwiczone do poszczególnych części, rozmieszczane w naszym własnym edytorze. Animacja jest podzielona na rozdziały, a widok płynnie przechodzi z 3D w czasie rzeczywistym do wstępnie wyrenderowanego wideo 4K. Przeglądarka przeszła przez kilka generacji i ponad 140 udokumentowanych rewizji.
Co to umożliwiłoNasze interaktywne doświadczenia produktowe, w tym demo pawilonu robotyki.
Sesja przeglądowa przeglądarki produktów: każda iteracja jest testowana na ekranach o takich rozmiarach, na jakich będzie faktycznie używana. -
Kuratorowane sceny 3D z generatywną AI
Pytanie badawczeCzy marketer bez przygotowania technicznego może skomponować scenę prezentacyjną i uzyskać obraz o jakości renderu, gdy generatywna AI buduje otoczenie, a sam produkt pozostaje dokładnie taki, jak go zaprojektowano?
Co zbudowaliśmyMVP kreatora scen, który oddziela warstwę produktu (geometrię, proporcje i materiały) od warstwy otoczenia, którą AI może generować.
Stan pracMVP działa. Otwartym problemem pozostaje zachowanie fizycznej spójności oświetlenia i odbić między chronionym produktem a wygenerowanym otoczeniem.
-
Pełnowartościowe modele 3D z rysunków 2D
Pytanie badawczeWiele produktów przemysłowych istnieje wyłącznie w postaci rysunków technicznych 2D. Czy takie rysunki można przekształcić w wymiarowo wiarygodne modele 3D bez ręcznego odtwarzania każdego z nich?
Co zbudowaliśmyPrototyp, który wyszukuje poszczególne rzuty na arkuszu rysunkowym, rozpoznaje widok z przodu, z góry i z boku, dopasowuje je na podstawie wymiarów i rekonstruuje model bryłowy do zastosowań webowych. Równolegle przetestowaliśmy rekonstrukcję na podstawie fotografii.
Stan pracWyniki są obiecujące w przypadku prostej geometrii. Otwartym problemem, nad którym obecnie pracujemy, są złożone, przenikające się bryły.
-
Szczegółowa wizualizacja odzieży i akcesoriów
Pytanie badawczeCzy generatywna AI może przedstawić konkretny element odzieży lub akcesorium takim, jaki jest w rzeczywistości, z dokładnym kolorem, tkaniną i detalami, zamiast jedynie wiarygodnie wyglądającego odpowiednika?
Co zbudowaliśmyDziałająca aplikacja łącząca kilka silników generowania obrazów z automatyczną bramką jakości. Każdy wynik jest oceniany względem oryginalnych materiałów referencyjnych produktu, a wszystko, co nie osiąga progu, jest generowane ponownie z ukierunkowanymi poprawkami. Aplikacja planuje również minimalny zestaw ujęć potrzebny dla każdego produktu i rejestruje, z jakich danych wejściowych powstał każdy obraz.
Co to umożliwiłoZasada, którą stosujemy dziś we wszystkich pracach: wynik generowany przez AI jest akceptowany dopiero po sprawdzeniu go względem źródła prawdy.
-
Rejestracja przestrzeni metodą Gaussian splat
Pytanie badawczeCzy rzeczywisty obiekt, taki jak hala produkcyjna, linia, showroom lub stoisko targowe, można zarejestrować jako fotorealistyczną, nawigowalną przestrzeń 3D na tyle szybko, by miało to uzasadnienie komercyjne, i połączyć z precyzyjnymi modelami produktów opartymi na CAD, które już tworzymy?
Stan pracTestujemy sprzęt do rejestracji, metody przetwarzania i sposoby udostępniania w przeglądarce. Na tym etapie szukamy przemysłowych partnerów do pilotażu (zobacz poniżej).
Jak prowadzimy prace badawczo-rozwojowe
Badania z pełną dokumentacją
Każdy projekt zaczyna się od spisanego pytania badawczego i niepewności technologicznych, które musimy rozstrzygnąć. Prace prowadzimy w krótkich iteracjach, a każdy eksperyment jest systematycznie dokumentowany, także te nieudane, bo to one pokazują, gdzie leżą rzeczywiste ograniczenia.
Prace badawcze są oddzielone od produkcji realizowanej dla klientów. Nowa metoda trafia do naszego standardowego procesu produkcyjnego dopiero po walidacji, dzięki czemu klienci otrzymują gotowy rezultat, a nie eksperyment.
Efekt: nowe kompetencje trafiają do klientów już przetestowane, udokumentowane i stanowiące naszą własność.
Pilotaż Gaussian splat
Pokaż swój zakład, nie tylko produkt
Wybieramy dwie lub trzy firmy przemysłowe do udziału we wczesnym pilotażu Gaussian splat. Linia produkcyjna, hala, showroom lub stoisko targowe, zarejestrowane jako fotorealistyczna, nawigowalna przestrzeń 3D działająca w przeglądarce.
Zgłoś się do pilotażuDla kogo
- producenci, którzy sprzedają swoje możliwości, a nie tylko produkt
- zakłady, do których klientom trudno lub kosztownie dotrzeć
- zespoły przygotowujące się do targów
Partnerzy pilotażu otrzymują
- wczesny dostęp do metody
- bezpośredni wpływ na jej rozwój
- warunki pilotażowe
Dodatkowe materiały
Praktyczne przewodniki zespołu dotyczące specyfikacji, systemów i procesów.
Ocena Rysunków CAD w Dniu Pierwszym - Przewidywalne Dostarczanie Renderów 3D
Jak przeprowadzamy triage rysunków CAD, rysunków technicznych i plików STEP przed renderowaniem 3D - wykrywamy braki geometryczne na starcie, żeby każda dostawa była terminowa.
Przeczytaj artykuł
Koniec Ping-Ponga w Review - Workflow Zatwierdzania Renderów 3D Który Działa
Jak redukujemy cykle review renderowania 3D do jednego ustrukturyzowanego batcha. Zarządzanie feedbackiem do rysunków CAD i rysunków technicznych bez nieskończonych iteracji poprawek.
Przeczytaj artykuł
Tylko Render vs. Posiadanie Modelu 3D - ROI na Rysunkach CAD i Assetach 3D
Kiedy posiadanie modelu 3D stworzonego z rysunków CAD staje się realną dźwignią biznysową? Porównanie dla teamów zarządzających dużymi katalogami SKU.
Przeczytaj artykuł