Ученые НИУ ВШЭ научили нейросеть превращать 3D-модели в готовые технологические карты
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали систему CAD2TechSpec, которая автоматически превращает 3D-модели деталей в готовые технологические карты — пошаговые инструкции для станков. Разработка направлена на сокращение времени подготовки технической документации в машиностроении, авиастроении и других высокотехнологичных отраслях. Результаты исследования опубликованы в журнале PeerJ Computer Science.
Сегодня многие сложные детали, например лопасти турбин, проектируются в специализированных программах для 3D-моделирования. Однако такую модель нельзя просто отправить на станок: инженерам приходится вручную составлять алгоритм обработки, учитывая геометрию детали, возможности оборудования, инструменты и производственные стандарты. Этот процесс занимает много времени и требует высокой квалификации.
Система CAD2TechSpec решает эту задачу: она берет на вход трехмерную модель и преобразует ее в структурированное описание процесса изготовления, который будет понятен станку с числовым программным управлением. На таких станках с помощью компьютера можно изготовить детали с чрезвычайно сложной геометрией. Сначала модель фотографируется с 28 ракурсов, затем наиболее информативные из них собираются в коллаж. Он вместе с текстовым запросом поступает в мультимодальную языковую модель, которая «видит» изображения и «понимает» текст.
Модель составляет для станка алгоритм работы над деталью. Чтобы повысить точность и избежать ошибок, система использует технологию RAG (Retrieval-Augmented Generation, генерации с расширенными возможностями поиска) — своего рода шпаргалку для нейросети. Перед тем как выдать ответ, она обращается к двум источникам: справочнику оборудования, инструментов и стандартов Международной организации по стандартизации ISO (International Organization for Standardization), а также библиотеке проверенных решений. Если нейросеть видит деталь, похожую на ту, что уже встречалась, она использует готовый план изготовления.
Качество работы системы оценили по трем критериям: правильность структуры выходного файла, соответствие описанного процесса геометрии детали и корректность ссылок на стандарты ISO. Эксперименты провели на 1236 моделях из открытой базы данных, а оценку выполняли как автоматические системы, так и эксперты-механики. Наилучшие результаты показала модель Mistral Large 3 с использованием базы знаний ISO.
Максим Минец
«Эксперименты показали, что качество технологических маршрутов зависит не только от самой модели, но и от контекста, который ей предоставляют. База знаний со сведениями о стандартах ISO и эталонные примеры деталей существенно повышают качество генерируемых технологических спецификаций», — отмечает один из авторов статьи, стажер-исследователь Научно-учебной лаборатории методов анализа больших данных LAMBDA НИУ ВШЭ ФКН Максим Минец.
Система разработана как интеллектуальный помощник для технолога: она выполняет рутинную работу по подготовке прототипов маршрутов операций. Эксперты оценили сгенерированные планы на 86–89 баллов из 100, а анализ ошибок показал возможность улучшения в случае, если нейросети предоставят дополнительные наборы данных.
Денис Деркач
«Разработка может найти применение в точном машиностроении, авиастроении и других отраслях, где подготовка технической документации занимает значительную часть рабочего времени инженеров. CAD2TechSpec — это инструмент для ускорения черновой работы, а не для полной автоматизации принятия решений. Окончательная проверка и утверждение плана остаются за человеком», — подчеркивает заведующий Научно-учебной лабораторией методов анализа больших данных LAMBDA ФКН НИУ ВШЭ Денис Деркач.
Вам также может быть интересно:
МТС и MAGNIT TECH стали индустриальными партнерами ФКН ВШЭ в рамках проекта «Топ-ИИ» Минцифры
Цель партнерства — объединить фундаментальную академическую базу факультета с актуальными задачами бизнеса. Благодаря проекту «Топ-ИИ» при поддержке гранта Минцифры России (при участии АНО «Аналитический центр при Правительстве Российской Федерации») и прямому участию лидеров индустрии студенты ФКН уже во время учебы включаются в разработку передовых технологий и выходят на рынок готовыми специалистами высокой квалификации по ключевым направлениям: генеративный искусственный интеллект, высоконагруженная инфраструктура, инженерия данных и машинное обучение в ритейле.
Лев Толстой и спецификации, контрапункт и инклюзивность ИИ: в НИУ ВШЭ обсудили вайбкодинг
В НИУ ВШЭ прошла первая международная конференция по вайбкодингу VIBE CODING RUSSIA 2026. Более 450 ее участников, спикеров из университетов, банков, телекома, кибербезопасности и самих вайбкодеров, обсудили, как ИИ сокращает путь от научного результата к продукту и кто отвечает за код, который пишет алгоритм.
Проект НИУ ВШЭ CheckAI победил на престижной премии BISA
НИУ ВШЭ укрепляет лидерские позиции в сфере отечественной кибернетической безопасности и искусственного интеллекта. Проект Вышки CheckAI под руководством Антона Сергеева, директора Центра программных разработок и цифровых сервисов МИЭМ ВШЭ, одержал победу на престижной профессиональной премии BISA «За вклад в безопасность цифрового будущего». Инновационная разработка была признана лучшей в номинации «Лучший проект — сервисы цифрового будущего».
В НИУ ВШЭ стартуют 11 исследовательских проектов с участием научных центров из пяти стран
Высшая школа экономики подвела итоги Конкурса совместных фундаментальных научных проектов «Международное академическое сотрудничество». Полностью поддержано пять проектов, еще шесть получили сокращенное финансирование. Исследовательские команды сформированы с участием учёных из Бразилии, ЮАР, Китая, Индии и Омана. Подробностями о победителях МАС 2026 поделился Александр Балышев, проректор НИУ ВШЭ.
НИУ ВШЭ разработает стандарт обучения по созданию и применению ИИ-агентов
НИУ ВШЭ совместно с российской платформой Nodul создаст стандарт и методику обучения по работе с ИИ-агентами. Доступ к платформе смогут получить до 8 тыс. студентов НИУ ВШЭ разных специальностей — от программистов до маркетологов, экономистов и юристов. По оценке Nodul, это станет самым массовым внедрением инструментов для создания ИИ-агентов в российском высшем образовании. Запуск новой программы начнется уже в текущем учебном году в рамках университетского проекта «Культура работы с данными» Data Culture.
Ключевой навык — критическое мышление: в НИУ ВШЭ обсудили, как ИИ меняет требования к работникам
Форсайт-центр и Институт искусственного интеллекта и цифровых наук (Институт ИИ) НИУ ВШЭ провели круглый стол «Как меняется работа в эпоху ИИ: опыт бизнеса, науки и госсектора». Представители бизнеса и эксперты обсудили роль руководителя в интеграции ИИ в бизнес-процессы, границы доверия к самостоятельным решениям ИИ-агентов, а также почему пилотные проекты не доходят до внедрения и как справедливо оценить труд сотрудников, чья производительность выросла благодаря использованию ИИ.
НИУ ВШЭ стал победителем Всероссийского конкурса студенческих конструкторских бюро
Студенческое конструкторское бюро «Интеллектуальные автономные системы в промышленности», созданное на базе Института робототехнических систем и МИЭМ ВШЭ, одержало победу во Всероссийском конкурсе в области студенческого конструкторского лидерства. Организатор конкурса — Министерство науки и высшего образования РФ. Бюро получит государственную поддержку на реализацию проектов в области робототехники совместно с индустриальными партнерами.
НИУ ВШЭ представил в Китае исследование о безопасности нейросетей для анализа видео
Ученые Высшей школы экономики презентавали на международной конференции ChinaMM 2026 в Китае исследование о том, как искажения при передаче видео влияют на работу нейросетей. Авторы предложили новый способ проверять устойчивость таких моделей в условиях, близких к реальному использованию видеосервисов.
Научная экспедиция на Хайнань: ученые ВШЭ организовали конференцию по статистическому ИИ в Китае
С 24 по 28 августа 2026 года в городе Санья на острове Хайнань (Китай) прошла международная конференция Statistical AI («Статистический искусственный интеллект»). Мероприятие собрало ведущих специалистов в области статистики, машинного обучения и прикладного ИИ. Среди организаторов конференции — Алексей Наумов, директор Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, и Сергей Самсонов, заведующий Международной лабораторией стохастических алгоритмов и анализа многомерных данных.
V конференция «Погружение в машинное обучение»: главное ИИ-событие осени соберет ведущих ученых России
Институт искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ приглашает исследователей, разработчиков и всех, кто создает будущее технологий, на пятую, юбилейную конференцию «Погружение в машинное обучение» (Fall into ML 2026). Мероприятие состоится 23–24 октября 2026 года в Центре культур НИУ ВШЭ (Москва, Покровский бульвар, д. 11, cтр. 6) и станет главной точкой притяжения для российского ИИ-сообщества.