Комментарии 1
Ну вот, опять, все описанное в статье хорошо и правильно, кроме одного: использование LLM строится исключительно вокруг текста: RAG-система и ответы чат бота, а 3D используется, но без всякой интеграции с самой моделью.
Пусть даже не 3D, но 2D схему установки можно же было и научить понимать модель. Вот прям понимать, что какой вентиль значит, какие вообще элементы в системе есть и как они связаны. Но для этого нужен ML-инженер, который знает как обучать такие модели, а его походу, забыли нанять.
В итоге снова наблюдаем систему с AI, где этот самый AI прилеплен сбоку в виде текстового ассистента в чате с RAG-базой знаний (что хорошо), но все показанное 3D больше раскраска для пользователя, чем реальная часть цифрового двойника (что плохо).
Если ваша модель не понимает схему вашей системы, то это не AI цифровой двойник.
qwen-vl неплохо описывает «что на картинке», но не извлекает надежно размеры, допуски, позиции, маркировку арматуры.
Конечно не извлекает, ведь его на это не дообучали. Исправить это может один ML-инженер за 2-3 месяца, причем для работы в итоге понадобится одна видеокарта с 16-24GB памяти, не больше.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Цифровые двойники (Digital Twin) в инженерных системах — Часть 1. Управление документацией