Разработчик Карлос Антело представил проект с открытым исходным кодом под названием LDraw Nova, который позволяет использовать возможности нейросетей для проектирования сложных моделей LEGO. Инструмент способен создавать подробные CAD-файлы для наборов, состоящих из тысяч реальных элементов, однако на текущий момент ни одна из спроектированных конструкций не была собрана в физическом виде.
Принципы работы LDraw Nova и возможности ИИ
Система LDraw Nova взаимодействует с передовыми моделями искусственного интеллекта, такими как GPT-6 Astra от OpenAI и Claude Opus 5.5 от Anthropic. Процесс проектирования начинается с текстового запроса пользователя, на основе которого ИИ-агент составляет подробный план модели в формате JSON. Затем система генерирует программу на языке Python, которая формирует выходной файл в стандарте LDraw. В этом формате каждый элемент конструкции описывается отдельной строкой, что позволяет открывать полученные модели в таких программах, как LDView, LeoCAD и Studio.
Особенность процесса заключается в итеративности: после рендеринга изображения модели ИИ-агент анализирует результат, вносит необходимые коррективы и повторяет цикл до тех пор, пока проект не будет считаться завершенным. По словам Антело, такой подход позволяет избежать сложной геометрической математики, так как современные языковые модели значительно лучше справляются с генерацией программного кода, чем с прямыми вычислениями координат.
Текущие результаты и ограничения платформы
В галерее проекта уже представлены несколько масштабных работ. Одной из них стала модель «Сад Сакуры» (Sakura Garden), состоящая из 2175 деталей, созданная по запросу к Claude Opus 5.5 с просьбой построить «самую красивую модель, которую ты можешь представить». Также в списке работ числятся собор, титаническая обсерватория, жилой комплекс Copper Bean и незавершенный проект крана Atlas. Несмотря на впечатляющие визуальные результаты, все эти модели существуют исключительно в цифровом виде.
Карлос Антело отмечает ряд существенных ограничений системы:
- Отсутствие моделирования физики: Nova учитывает коллизии объектов, но не гарантирует структурную стабильность конструкции.
- Высокая стоимость: генерация сложного механизма в стиле Technic с помощью GPT-6 Astra может потребовать около 5 долларов США в виде токенов.
- Требования к вычислительной мощности: для качественной сборки масштабных моделей необходимы наиболее производительные фронтирные модели ИИ.
- Проблемы с виртуальной реальностью: поддержка шлема Meta Quest 3 реализована, но имеет множество недочетов и проблем с производительностью.
Проект отличается от существующих аналогов, таких как BrickGPT (ранее LegoGPT от Университета Карнеги-Меллона), который был обучен на базе более 47 000 конструкций и проверяет свои проекты на физическую устойчивость в процессе генерации. В LDraw Nova для улучшения точности поиска деталей может опционально применяться инструмент jev-rerank, который помогает нейросети выбирать подходящие элементы, хотя при отсутствии ключа API система переключается на полнотекстовый поиск.
Перспективы интеграции с физическим производством
Несмотря на то, что на текущем этапе сборка из реального пластика представляется трудоемкой задачей, автор рассматривает возможность 3D-печати небольших моделей. Разработчик изучает способы связать работу ИИ с физическим миром через серверы Model Context Protocol. Например, интеграция с сервисом Kiln позволяет передавать файл на печать, а OctoEverywhere дает возможность агенту контролировать процесс, приостанавливать или отменять его. Антело подчеркивает, что его главная цель — создание инструментов, которые позволят ИИ-агентам проектировать и создавать полноценные физические объекты в будущем.
Технические особенности реализации и рабочие процессы
Архитектурно LDraw Nova функционирует как веб-приложение на базе Docker, обеспечивающее совместимость с ключевыми поставщиками ИИ: OpenAI, Anthropic и OpenRouter. Разработка самого проекта велась при непосредственном участии моделей Astra и Claude Opus 5.5. Для работы с моделью «Кафедральный собор» (Cathedral) был задействован специфический инструмент jev-rerank — система семантического поиска с переранжированием, работающая на базе модели Jev System One от TypeSafe. Примечательно, что эта же технология ранее успешно применялась в автоматизированных прохождениях игры Pokémon Red.
Карлос Антело подчеркивает, что проект прошел через три неудачные попытки, прежде чем инструментарий заработал корректно. Хотя текущая версия ориентирована на мощные нейросети, одна из долгосрочных целей разработчика — оптимизировать код так, чтобы «легкие» агенты могли итеративно собирать модели самостоятельно. В планах разработчика также стоит расширение функционала для поддержки минифигурок, сложных механизмов Technic и двигателей.
Важно отметить концептуальное различие с BrickGPT: если решение университета Карнеги-Меллона ориентировано на проверку валидности и физическую устойчивость в реальном времени, то подход Антело делает ставку на делегирование задач агенту через написание кода. Принцип работы аналогичен другим современным ИИ-агентам, способным выполнять сложные действия по текстовому запросу — например, Astra уже демонстрировала способность зачищать стартовую локацию орков в World of Warcraft, следуя одной лишь текстовой инструкции пользователя.
Мост между кодом и материей
Интеграция с Model Context Protocol — ключевой шаг к устранению разрыва между созданием CAD-файлов и производством осязаемых предметов. Хотя сборка крупномасштабных моделей из настоящего LEGO требует огромных усилий по поиску тысяч специфических деталей, Антело рассматривает возможность 3D-печати созданных агентом проектов. В перспективе автор допускает, что роль «сборщика» смогут взять на себя роботы, управляемые физическими ИИ-системами, что позволит замкнуть цикл от идеи в голове пользователя до готового конструктора на столе.
