Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Sandflow publica 106 mil modelos 3D com código Python editável

A Sandflow abriu o Sand3D, um conjunto de dados com 106 mil modelos 3D em que cada objeto é descrito por código Python feito de peças separadas. Quer uma cadeira mais alta? Basta alterar o comprimento das pernas e executar o script de novo, e o modelo é reconstruído. A descrição da biblioteca tem cerca de 3,6 mil tokens, por isso pode ser incluída no prompt de sistema de um LLM. Assim, modelos de linguagem aprendem a criar e editar objetos 3D por meio de comandos, em vez de desenhar a malha às cegas.

Processado por IA de Habr AI; editado por Hamidun News
Sandflow publica 106 mil modelos 3D com código Python editável
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1Mais de 10 mil modelos com mecanismos articulados
Dado-chave #2Exportação em GLB, OpenUSD, URDF para robôs, OBJ e STL
Dado-chave #3Código sob Apache 2.0, dados sob CC BY 4.0, tudo no Hugging Face

A maioria dos modelos 3D usados para treinar redes neurais é geometria "congelada": um conjunto de polígonos em que não dá para simplesmente pedir "deixe o encosto da cadeira mais largo". Para alterar o objeto, é preciso um artista e um editor. A startup francesa Sandflow adota outra abordagem e publicou em acesso aberto o Sand3D, um conjunto de dados com 106 mil modelos 3D, em que cada objeto é descrito por um programa em Python.

O que há no conjunto de dados

Cada modelo vem acompanhado de código que constrói o objeto a partir de peças independentes. O código lista as partes do objeto, suas dimensões, formas, posicionamento e materiais. As peças têm nomes e funções próprias, então o código se lê quase como um manual de montagem.

Os parâmetros podem ser alterados diretamente no script. Tomemos a cadeira: ao mudar a altura das pernas ou a largura do encosto e executar o código novamente, obtém-se o objeto reconstruído com as novas proporções. Não é preciso redesenhar nada à mão, e as demais peças se ajustam às mudanças.

Além do código, os autores publicaram imagens dos modelos e arquivos OpenUSD prontos. Os modelos foram reunidos a partir de várias fontes: Objaverse, modelos CAD, Articraft, AutoMate e Nvidia SimReady. Mais de 10 mil objetos têm mecanismos articulados, ou seja, não são apenas peças estáticas, mas também itens com dobradiças e conexões móveis.

Como isso se relaciona com modelos de linguagem

A biblioteca funciona sobre a API Python do Blender. Ela oferece comandos genéricos para construir geometria, arredondamentos, furos e conexões móveis. Pode ser conectada a um LLM sem treinamento adicional: basta incluir a descrição da API no prompt de sistema. Segundo os autores, essa descrição ocupa cerca de 3,6 mil tokens, pouco para os padrões das janelas de contexto atuais.

A ideia é simples: se o modelo sabe escrever código, ele pode "construir" um objeto 3D da mesma forma que escreve uma função. Em vez de gerar uma nuvem de pontos ou uma malha, ele entrega um script que pode ser executado, verificado e corrigido. Os próprios criadores sugerem usar o conjunto de dados para treinar modelos a criar e editar objetos 3D. O par "descrição — código" serve bem para esse treinamento: uma edição vira a mudança de algumas linhas, e não a regeração de todo o modelo.

Formatos, licenças e para quem é útil

A biblioteca permite exportar em vários formatos:

  • GLB, para web e motores de jogos;
  • OpenUSD, para cenas 3D;
  • URDF, para simuladores de robótica;
  • OBJ e STL, para troca universal e impressão 3D.

O suporte a URDF é especialmente interessante para quem trabalha com simulação. Um objeto com conexões móveis pode ser carregado de imediato em um simulador de robô e testado, por exemplo, para ver como um manipulador abre a porta de um armário. No entanto, os autores não apresentam resultados prontos de treinamentos desse tipo no anúncio.

As licenças são bastante liberais: a biblioteca é distribuída sob Apache 2.0, e os dados, sob CC BY 4.0. Isso significa que o uso comercial é permitido, bastando citar a autoria dos dados. O conjunto de dados está disponível no Hugging Face, e a coleção de objetos e o código podem ser consultados no site do projeto.

O que vale lembrar

É preciso avaliar as limitações com sobriedade. O anúncio não traz comparações com outras abordagens nem métricas de qualidade: não se sabe o quão bem modelos treinados nesse conjunto geram objetos novos. Além disso, o conjunto reúne fontes diferentes, e cada uma tem sua própria história de origem dos modelos, por isso vale verificar as condições de cada parte antes de qualquer uso comercial.

Ainda assim, o benefício para profissionais é claro. Desenvolvedores de jogos e de 3D para web ganham a chance de obter modelos paramétricos e usá-los para treinar um assistente. Quem constrói agentes para CAD e design tem exemplos prontos de "texto → código → objeto". Já para a robótica, há um grande conjunto de objetos com partes móveis em um formato que os simuladores entendem. Para testar a ideia rapidamente, basta incluir a descrição da API, de 3,6 mil tokens, no prompt e pedir ao modelo que monte uma cadeira.

História

Perguntas frequentes sobre a notícia

O que há no conjunto de dados?

Cada modelo vem acompanhado de código que constrói o objeto a partir de peças independentes. O código lista as partes do objeto, suas dimensões, formas, posicionamento e materiais. As peças têm nomes e funções próprias, então o código se lê quase como um manual de montagem. Os parâmetros podem ser alterados diretamente no script. Tomemos a cadeira: ao mudar a altura das pernas ou a largura do encosto e executar o código novamente, obtém-se o objeto reconstruído com as novas proporções.

Como isso se relaciona com modelos de linguagem?

A biblioteca funciona sobre a API Python do Blender. Ela oferece comandos genéricos para construir geometria, arredondamentos, furos e conexões móveis. Pode ser conectada a um LLM sem treinamento adicional: basta incluir a descrição da API no prompt de sistema. Segundo os autores, essa descrição ocupa cerca de 3,6 mil tokens, pouco para os padrões das janelas de contexto atuais. A ideia é simples: se o modelo sabe escrever código, ele pode "construir" um objeto 3D da mesma forma que escreve uma função.

O que se sabe sobre Formatos, licenças e para quem é útil?

A biblioteca permite exportar em vários formatos: GLB, para web e motores de jogos; OpenUSD, para cenas 3D; URDF, para simuladores de robótica; OBJ e STL, para troca universal e impressão 3D. O suporte a URDF é especialmente interessante para quem trabalha com simulação. Um objeto com conexões móveis pode ser carregado de imediato em um simulador de robô e testado, por exemplo, para ver como um manipulador abre a porta de um armário.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…