生成式AI与机器人技术的融合，正让我们距离"开口造物"的未来越来越近。麻省理工学院（MIT）的研究人员开发了一套"语音转现实"系统——一种由AI驱动的工作流程，用户只需向机械臂发出语音指令，便能在短短五分钟内将家具等实物"说"出来。
系统工作原理
在这套系统中，固定于桌面的机械臂能够接收人类的语音输入，例如"我想要一把简单的凳子"，随后利用模块化组件将物体组装成形。迄今为止，研究团队已用该系统制作出凳子、书架、椅子、小桌子，乃至狗狗雕像等装饰品。
"我们将自然语言处理、3D生成式AI与机器人组装整合在了一起，"MIT研究生、晨兴设计学院（MAD）研究员Alexander Htet Kyaw表示，"这些都是快速发展的研究领域，此前从未以这种方式被结合起来，让人仅凭一句简单的语音指令就能制造出实体物品。"
从课堂作业到系统研发
这一构想源于Kyaw在建筑学与电气工程及计算机科学双学院攻读研究生期间，选修了Neil Gershenfeld教授开设的课程"如何制造几乎任何东西"，并在课上搭建了这套"语音转现实"系统的原型。此后，他继续在由Gershenfeld主持的MIT比特与原子中心（CBA）推进该项目，并与机械工程系研究生Se Hwan Jeon及CBA研究生Miana Smith展开合作。
技术流程解析
该系统的工作流程分为以下几个阶段：首先，语音识别模块将用户的请求输入大语言模型进行处理；随后，3D生成式AI生成物体的数字网格模型；接着，体素化算法将3D网格分解为可组装的模块单元。
此后，几何处理模块会对AI生成的组装方案进行调整，以适应现实世界中的制造与物理约束，例如组件数量、悬挑结构以及几何体的连接方式。最终，系统生成可行的组装序列，并为机械臂自动规划路径，从而依据用户的语音指令完成实体物品的组装。
该系统充分利用自然语言交互，使不具备3D建模或机器人编程专业知识的普通用户也能参与设计与制造。此外，与动辄耗时数小时乃至数天的3D打印不同，该系统可在数分钟内完成构建。
"这个项目是人类、AI与机器人之间的接口，共同创造我们周围的世界，"Kyaw说，"想象一下，你说'我想要一把椅子'，五分钟内一把真实的椅子就出现在你面前。"
未来规划与可持续性
研究团队已计划近期对系统进行改进，通过将模块间的磁性连接升级为更牢固的连接方式，以提升家具的承重能力。
"我们还开发了将体素结构转化为可行组装序列的流程，适用于小型分布式移动机器人，这有助于将该技术扩展至任意尺寸的结构，"Smith表示。
使用模块化组件的核心理念在于减少物品制造过程中的浪费——通过拆解并重新组装，可将现有物品转变为全新用途，例如在不再需要沙发时，将其改造为一张床。
由于Kyaw此前还有利用手势识别与增强现实技术与机器人交互的经验，他目前正致力于将语音控制与手势控制共同融入"语音转现实"系统中。
受《星际迷航》中复制机以及动画电影《超能陆战队》中机器人形象的启发，Kyaw阐述了他的愿景："我希望让更多人能够以快捷、便利、可持续的方式制造实体物品。我正在努力迈向一个未来——在那里，物质的本质真正由你掌控，现实可以按需生成。"
研究团队已将论文《语音转现实：基于自然语言、3D生成式AI与离散机器人组装的按需生产》提交至美国计算机协会（ACM）计算制造研讨会（SCF '25），并于11月21日在MIT举办的会议上正式发表。
Q&A
Q1："语音转现实"系统是如何将语音指令转化为实体物品的？
A：系统首先通过语音识别将用户的请求输入大语言模型，接着由3D生成式AI生成物体的数字网格模型，再经体素化算法将网格分解为可组装的模块单元。随后，几何处理模块对组装方案进行优化，以适应现实中的物理约束，最终系统自动规划机械臂的路径，完成实体物品的组装，全程最快仅需五分钟。
Q2："语音转现实"系统与3D打印相比有什么优势？
A：最大的优势在于速度和可持续性。3D打印通常需要数小时乃至数天，而该系统可在数分钟内完成制造。此外，系统采用模块化组件，物品用完后可拆解并重新组装成其他物品，大幅减少材料浪费，例如将一张沙发改造成一张床。
Q3："语音转现实"系统目前能制造哪些物品？有没有局限性？
A：目前该系统已成功制造出凳子、书架、椅子、小桌子以及狗狗雕像等装饰品。主要局限在于现阶段模块之间采用磁性连接，承重能力有限。研究团队计划将其升级为更牢固的连接方式，以提升家具的实用性和稳定性。
