Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

Sandflow publie 106 000 modèles 3D avec du code Python modifiable

Sandflow a publié Sand3D, un jeu de données de 106 000 modèles 3D dont chaque objet est décrit par du code Python assemblant des pièces distinctes. Vous voulez une chaise plus haute ? Vous modifiez la longueur des pieds, relancez le script, et le modèle se reconstruit. La description de la bibliothèque représente environ 3,6 mille tokens, ce qui permet de l'insérer dans le prompt système d'un LLM. Les modèles de langage peuvent ainsi apprendre à créer et modifier des objets 3D à l'aide de commandes, plutôt que de dessiner un maillage à l'aveugle.

Traité par IA depuis Habr AI ; édité par Hamidun News
Sandflow publie 106 000 modèles 3D avec du code Python modifiable
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1Plus de 10 000 modèles dotés de mécanismes articulés
Chiffre clé #2Export en GLB, OpenUSD, URDF pour la robotique, OBJ et STL
Chiffre clé #3Code sous Apache 2.0, données sous CC BY 4.0, le tout sur Hugging Face

La plupart des modèles 3D utilisés pour entraîner les réseaux de neurones sont une géométrie « figée » : un ensemble de polygones dans lequel on ne peut pas simplement demander « élargis le dossier de la chaise ». Pour modifier un objet, il faut un artiste et un éditeur. La startup française Sandflow propose une autre approche et a publié en accès libre Sand3D, un jeu de données de 106 000 modèles 3D dont chaque objet est décrit par un programme Python.

Ce qu'il y a dans le jeu de données

Chaque modèle est accompagné d'un code qui construit l'objet à partir de pièces indépendantes. Ce code énumère les parties de l'objet, leurs dimensions, leurs formes, leur position et leurs matériaux. Chaque pièce possède son propre nom et sa fonction, si bien que le code se lit presque comme une notice de montage.

Les paramètres se modifient directement dans le script. Prenons une chaise : vous changez la hauteur des pieds ou la largeur du dossier, vous relancez le code, et vous obtenez l'objet reconstruit avec de nouvelles proportions. Rien n'est à redessiner à la main, et les autres pièces s'adaptent aux changements.

Outre le code, les auteurs ont publié des images des modèles et des fichiers OpenUSD prêts à l'emploi. Les modèles proviennent de plusieurs sources : Objaverse, des modèles CAO, Articraft, AutoMate et Nvidia SimReady. Plus de 10 000 objets sont dotés de mécanismes articulés : il ne s'agit donc pas seulement d'objets statiques, mais aussi de choses avec des charnières et des liaisons mobiles.

Le lien avec les modèles de langage

La bibliothèque fonctionne au-dessus de l'API Python de Blender. Elle fournit des commandes génériques pour construire la géométrie, les arrondis, les perforations et les liaisons mobiles. Elle peut être connectée à un LLM sans réentraînement : il suffit d'ajouter la description de l'API dans le prompt système. Selon les auteurs, cette description représente environ 3,6 mille tokens, ce qui reste très modeste au regard des fenêtres de contexte actuelles.

L'idée est simple : si un modèle sait écrire du code, il peut « construire » un objet 3D comme il écrit une fonction. Au lieu de générer un nuage de points ou un maillage, il produit un script qu'on peut exécuter, vérifier et corriger. Les créateurs eux-mêmes suggèrent d'utiliser ce jeu de données pour entraîner des modèles à créer et éditer des objets 3D. Le couple « description — code » se prête bien à cet apprentissage : une modification se réduit à changer quelques lignes, sans régénérer l'ensemble du modèle.

Formats, licences et public concerné

La bibliothèque prend en charge l'export vers plusieurs formats :

  • GLB — pour le web et les moteurs de jeu ;
  • OpenUSD — pour les scènes 3D ;
  • URDF — pour les simulateurs de robotique ;
  • OBJ et STL — pour l'échange universel et l'impression 3D.

Le format URDF intéresse particulièrement ceux qui travaillent en simulation. Un objet doté de liaisons mobiles peut être chargé immédiatement dans un simulateur de robot pour vérifier, par exemple, comment un bras manipulateur ouvre la porte d'une armoire. Cela dit, les auteurs n'ont pas publié, dans leur annonce, de résultats d'entraînement de ce type.

Les licences sont plutôt libérales : la bibliothèque est publiée sous Apache 2.0, et les données sous CC BY 4.0. Cela signifie que l'usage commercial est autorisé, à condition de citer la source des données. Le jeu de données est disponible sur Hugging Face, et la collection d'objets ainsi que le code peuvent être consultés sur le site du projet.

Ce qu'il faut garder à l'esprit

Il convient de rester lucide sur les limites. L'annonce ne comporte ni comparaison avec d'autres approches ni métriques de qualité : on ignore dans quelle mesure les modèles entraînés sur ce jeu de données génèrent bien de nouveaux objets. Par ailleurs, le jeu de données rassemble des sources diverses, chacune ayant sa propre provenance pour les modèles ; il est donc prudent de vérifier les conditions d'utilisation de chaque partie avant tout usage commercial.

Toutefois, l'intérêt pour les praticiens est clair. Pour les développeurs de jeux et de 3D web, c'est l'occasion de disposer de modèles paramétriques et d'entraîner un assistant dessus. Pour ceux qui conçoivent des agents pour la CAO et le design, ce sont des exemples prêts à l'emploi de la chaîne « texte → code → objet ». Quant aux roboticiens, ils disposent d'un vaste ensemble d'objets à parties mobiles, dans un format que comprennent les simulateurs. Pour tester l'idée rapidement, il suffit d'insérer les 3,6 mille tokens de description de l'API dans le prompt et de demander à un modèle de construire une chaise.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qu'il y a dans le jeu de données ?

Chaque modèle est accompagné d'un code qui construit l'objet à partir de pièces indépendantes. Ce code énumère les parties de l'objet, leurs dimensions, leurs formes, leur position et leurs matériaux. Chaque pièce possède son propre nom et sa fonction, si bien que le code se lit presque comme une notice de montage. Les paramètres se modifient directement dans le script.

Que sait-on sur Le lien avec les modèles de langage ?

La bibliothèque fonctionne au-dessus de l'API Python de Blender. Elle fournit des commandes génériques pour construire la géométrie, les arrondis, les perforations et les liaisons mobiles. Elle peut être connectée à un LLM sans réentraînement : il suffit d'ajouter la description de l'API dans le prompt système. Selon les auteurs, cette description représente environ 3,6 mille tokens, ce qui reste très modeste au regard des fenêtres de contexte actuelles.

Que sait-on sur Formats, licences et public concerné ?

La bibliothèque prend en charge l'export vers plusieurs formats : GLB — pour le web et les moteurs de jeu ; OpenUSD — pour les scènes 3D ; URDF — pour les simulateurs de robotique ; OBJ et STL — pour l'échange universel et l'impression 3D. Le format URDF intéresse particulièrement ceux qui travaillent en simulation. Un objet doté de liaisons mobiles peut être chargé immédiatement dans un simulateur de robot pour vérifier, par exemple, comment un bras manipulateur ouvre la porte d'une armoire.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…