9 de cada 20 modelos 3D generados por redes neuronales no sirven para impresión 3D
Una red neuronal genera a partir de una imagen una figura 3D bonita en un par de minutos, pero la impresora necesita otro tipo de archivo: hermético, sin agujeros ni basura. El ingeniero Artém Kuznetsov procesó 4 imágenes con 5 generadores y obtuvo 20 modelos; el programa de preparación para impresión Bambu Studio rechazó 9 de ellos. Entre los defectos hay un robot del tamaño de un grano de amapola, 93 fragmentos dentro de una taza y pies suspendidos en el aire. Por eso el archivo debe verificarse antes de imprimir, no a partir de la vista previa.
Procesado por IA desde Habr AI; editado por Hamidun News
Subes a un generador la foto de una figura y, en un par de minutos, en pantalla gira un modelo 3D impecable. Descargas el archivo, abres el slicer (el programa que corta el modelo en capas y lo prepara para la impresora) y ahí está: un robot del tamaño de un grano de amapola. Este es el defecto más inofensivo.
El ingeniero de IA/ML y CTO de una startup de impresión 3D, Artém Kuznetsov, tomó cuatro imágenes y cinco generadores populares, obtuvo 20 modelos y los revisó con las reglas del slicer Bambu Studio. Nueve de los veinte no pasaron: tienen agujeros, basura interna, tamaño incorrecto o piezas que quedan suspendidas en el aire. A continuación, qué se rompe exactamente, por qué ocurre y cómo detectarlo en un par de minutos.
Cómo se probó: cuatro imágenes y cinco generadores
El conjunto de pruebas se armó para que cada imagen atacara una debilidad conocida. Las imágenes las generó FLUX.1 [schnell], porque así es más fácil obtener un fondo limpio y la característica deseada. El robot pone a prueba las piezas separadas y una antena delgada. La taza, un asa atravesada y el vacío interior. Las gafas, una montura del grosor de un alambre. El dragón, membranas finas y púas afiladas.
Son cinco generadores y funcionan de maneras distintas:
- TripoSR (Stability AI y Tripo): modelo abierto que construye un campo sobre tres planos; la superficie se obtiene con el algoritmo marching cubes.
- TRELLIS (Microsoft): modelo abierto sobre una malla de vóxeles dispersa; la superficie se construye con FlexiCubes.
- TRELLIS.2 (Microsoft): versión nueva en la que la forma se define sin campo.
- SAM 3D Objects (Meta): modelo abierto que reconstruye objetos individuales de una escena a partir de una sola imagen.
- Hunyuan3D 3.1 (Tencent): servicio cerrado accesible por API; su arquitectura no se ha revelado.
Los veinte archivos se tomaron sin ningún retoque y se revisaron con las reglas por las que Bambu Studio decide si muestra el icono de advertencia. Nueve no pasaron. TripoSR falló las cuatro, TRELLIS.2 también las cuatro, y el TRELLIS original, una (las gafas con el vértice "pellizcado"). SAM 3D Objects y Hunyuan3D 3.1 son formalmente limpios, pero SAM presenta en cada archivo una lluvia de piezas separadas: 23 en el robot, 13 en la taza y 12 en el dragón. Las gafas resultaron lo más difícil: en tres de los cinco generadores, la montura fina se rompió o se pegó.
De dónde salen los defectos
La mayoría de los generadores construyen la forma mediante un campo: para cada nodo de la malla tridimensional, la red decide si el punto está dentro o fuera del objeto. Después se tiende una superficie de triángulos a lo largo de la frontera. La malla funciona como un tamiz: todo lo que es más fino que el paso de celda se pierde o se pega a sus vecinos. Por eso desaparecen las antenas y se funden las patas muy juntas.
La segunda causa está en el entrenamiento. Muchos modelos comparan renders con una referencia desde distintos ángulos, y ese tipo de entrenamiento no detecta un agujero que no se ve desde ningún ángulo.
Lo que se observó en la práctica:
- Escala. Los archivos STL no tienen unidades, y los 20 modelos caben en un cubo de lado aproximado 1. El slicer lo interpreta como milímetros. Bambu Studio intenta adivinar: si el volumen es menor que 8 mm³, lo toma como pulgadas (lo multiplica por 25,4); si es menor que 0,008 mm³, lo toma como metros (lo multiplica por 1000). El robot de TRELLIS.2 terminó con un metro de altura. Ningún generador acertó con el tamaño.
- Basura interna. La taza de TripoSR tiene 93 partes separadas: la taza en sí y 92 fragmentos dentro. La causa es el ruido en el campo: marching cubes envuelve cada error con una burbuja cerrada. Además hay 612 aristas abiertas (huecos entre triángulos), más de la mitad microhuecos invisibles a simple vista.
- Aristas con cuatro triángulos. En una malla correcta, en cada arista coinciden exactamente dos triángulos. En el robot de TRELLIS.2 hay 3163 aristas problemáticas, además de 113 piezas separadas. El TRELLIS original produjo una malla limpia para ese mismo robot: la versión nueva transmite mejor la forma compleja, pero deteriora la geometría.
- Piezas suspendidas. Los pies del robot están separados de las piernas entre 0,5 y 0,7 mm y no llegan a la mesa por 0,15 mm. El slicer se negó a cortar el modelo por completo a causa de una capa vacía junto a la antena.
- Detalles en la textura. Hunyuan3D 3.1 entregó la geometría más limpia, pero los ojos y la inscripción del pecho viven en la textura. Sin ella quedan unos bultos apenas perceptibles.
Cómo comprobarlo en cinco minutos
El icono de advertencia de Bambu Studio no dice nada sobre el tamaño, las paredes finas ni los elementos suspendidos, así que conviene seguir este orden:
- abre el STL sin textura: lo que no está en el relieve no existirá en el plástico;
- sitúa el cursor sobre el icono de advertencia y revisa el número de aristas abiertas;
- define el tamaño real en un eje, manteniendo las proporciones;
- elige Split → To objects: si el modelo se desmenuza en decenas de fragmentos, hay basura en el interior;
- corta en capas y recorre las capas: un elemento que empiece en el aire se imprimirá "en la nada".
Para automatizarlo basta un script corto en Python con la biblioteca trimesh: calcula las dimensiones, las aristas abiertas, las aristas con tres o más triángulos y el número de piezas separadas. En la taza de TripoSR devuelve 612 aristas abiertas y 93 partes; en el robot de TRELLIS.2, 3163 aristas problemáticas y 113 partes. El script no detecta los pies suspendidos, los detalles en la textura ni el vértice "pellizcado".
Los pequeños defectos se corrigen en el slicer o en Blender (con 3D Print Toolbox) y MeshLab, pero la reparación automática puede comerse los dedos y la antena junto con la basura. Los pies suspendidos habrá que moverlos a mano.
Conclusión para quienes integran la generación 3D en un producto: la verificación de la geometría y la normalización del tamaño deben formar parte del pipeline, no ser un paso manual antes de imprimir. El experimento es pequeño: 20 modelos y una sola fecha de generación, así que es una muestra, no un ranking. El autor anuncia una continuación: cómo el diseño de la red predice el patrón de defectos y qué comprueban los slicers.
- 21 nov 2026Qwen3-0.6B afinada en un Mac mini: los errores en las respuestas bajaron de 9 a 3 de cada 30
- 21 nov 2026Thinking Machines publica Inkling 2 Mini, un modelo abierto de 26,4 000 millones de parámetros para Mac con 32 GB
- 21 nov 2026Meta prepara Muse Charm, un tamagotchi con IA de 300 dólares y un año de 5G de Verizon
- 21 nov 2026MLCommons empieza a medir las API de IA bajo carga real: 7 mediciones para agentes
Preguntas frecuentes sobre la noticia
Cómo se probó: cuatro imágenes y cinco generadores?
El conjunto de pruebas se armó para que cada imagen atacara una debilidad conocida. Las imágenes las generó FLUX.1 [schnell], porque así es más fácil obtener un fondo limpio y la característica deseada. El robot pone a prueba las piezas separadas y una antena delgada. La taza, un asa atravesada y el vacío interior. Las gafas, una montura del grosor de un alambre. El dragón, membranas finas y púas afiladas.
¿Qué se sabe sobre De dónde salen los defectos?
La mayoría de los generadores construyen la forma mediante un campo: para cada nodo de la malla tridimensional, la red decide si el punto está dentro o fuera del objeto. Después se tiende una superficie de triángulos a lo largo de la frontera. La malla funciona como un tamiz: todo lo que es más fino que el paso de celda se pierde o se pega a sus vecinos. Por eso desaparecen las antenas y se funden las patas muy juntas. La segunda causa está en el entrenamiento.
Cómo comprobarlo en cinco minutos?
El icono de advertencia de Bambu Studio no dice nada sobre el tamaño, las paredes finas ni los elementos suspendidos, así que conviene seguir este orden: abre el STL sin textura: lo que no está en el relieve no existirá en el plástico; sitúa el cursor sobre el icono de advertencia y revisa el número de aristas abiertas; define el tamaño real en un eje, manteniendo las proporciones; elige Split → To objects: si el modelo se desmenuza en decenas de fragmentos, hay basura en el interior; corta en…
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.