生成式人工智能與機器人技術(shù)正在把“張口要一件東西，幾分鐘就能拿到”從科幻場景推向現(xiàn)實。近日，美國麻省理工學院（MIT）公布了一套名為“Speech-to-Reality（從語音到現(xiàn)實）”的實驗系統(tǒng)：研究人員只需說出“我想要一把凳子”，桌面上的機械臂就能在幾分鐘內(nèi)，用模塊化部件自動裝配出一把可坐的凳子，實現(xiàn)真正意義上的“開口即造物”。

作為全球知名的科研與工程學府，美國麻省理工學院在人工智能、機器人和數(shù)字制造領(lǐng)域一直處于前沿。本次項目由MIT Morningside設(shè)計學院（Morningside Academy for Design）、建筑學院、電氣工程與計算機科學系以及比特與原子中心（Center for Bits and Atoms）多學科聯(lián)合完成，體現(xiàn)了該校在“設(shè)計—算法—機器人”一體化創(chuàng)新上的綜合實力。

項目的核心研究者、MIT研究生Alexander Htet Kyaw介紹，這套系統(tǒng)把自然語言處理、三維生成式AI和離散機器人裝配串聯(lián)成一條完整鏈路，讓用戶可以不懂三維建模、不懂機器人編程，僅憑一句自然語言完成從創(chuàng)意到實物的閉環(huán)。他表示，以往這些技術(shù)多是各自為戰(zhàn)，如今第一次以“可直接造物”的方式被整合到一套工作流之中。

Speech-to-Reality系統(tǒng)大致分為五步。首先，語音識別模塊接收用戶指令，并交給大型語言模型進行語義解析，提煉出目標物體的大致形態(tài)和功能要求；隨后，三維生成式AI會基于指令生成一份數(shù)字模型網(wǎng)格；第三步，體素化算法將連續(xù)的三維網(wǎng)格拆分為可裝配的離散模塊；第四步，幾何處理進一步修正結(jié)構(gòu)，確保在部件數(shù)量、懸挑形態(tài)和連接穩(wěn)定性等方面符合真實世界的制造約束；最后，系統(tǒng)為機械臂規(guī)劃出一條可行的裝配序列和軌跡，實現(xiàn)從“數(shù)字件”到“物理件”的自動搭建。

目前，研究團隊采用的是帶磁性連接的立方體模塊作為標準“積木”。在公開演示中，系統(tǒng)已經(jīng)可以在幾分鐘內(nèi)完成凳子、椅子、小桌子、兩層擱板以及裝飾性“狗”雕塑等多個結(jié)構(gòu)的搭建——對應的語音指令僅僅是“我想要一個簡單的凳子”“一個有兩層的架子”或“我想要一只高一點的狗”等。研究者同時也在著手改進連接方式，用更堅固的連接件替代磁吸，以提升家具類結(jié)構(gòu)的承重能力，為未來真正進入實際使用做準備。

從應用視角看，這一系統(tǒng)與傳統(tǒng)的3D打印有明顯差異。3D打印往往需要數(shù)小時甚至更長時間才能完成復雜結(jié)構(gòu)的成型，而MIT團隊的目標是在五分鐘量級完成“語音到成品”的閉環(huán)，尤其適合考慮快速原型、個性化小家具和教學演示等場景。同時，模塊化裝配的思路也為后續(xù)拆解、重構(gòu)留下空間，有助于構(gòu)建可重用、可循環(huán)的物理“物料庫”。

值得注意的是，Speech-to-Reality并不僅僅是單個實驗裝置，而是一個可以擴展的接口構(gòu)想。Alexander Htet Kyaw在介紹中提到，他此前曾探索通過手勢識別和增強現(xiàn)實與機器人交互，下一步計劃把語音與手勢融合到同一套交互框架中，實現(xiàn)用戶“說一句話、比一個手勢”，系統(tǒng)便能理解期望形態(tài)、尺寸和擺放位置，從而進一步降低制造門檻。

在學術(shù)傳播層面，本項研究以《Speech to Reality: On-Demand Production using Natural Language, 3D Generative AI, and Discrete Robotic Assembly》為題，已在美國計算機協(xié)會（ACM）旗下的計算制造專題會議SCF ’25上進行報告，會議今年由麻省理工學院承辦。 這也意味著，相關(guān)工作將進入更廣泛的計算設(shè)計與數(shù)字制造學術(shù)圈，接受同行評議和產(chǎn)業(yè)界的進一步關(guān)注。

MIT的這項探索至少釋放出三層信號：其一，生成式AI正從“屏幕里的內(nèi)容生成”走向“直接驅(qū)動現(xiàn)實世界制造”，算法不再只是設(shè)計助手，而是實際裝配流程的“調(diào)度中樞”；其二，機器人正在從預設(shè)任務(wù)執(zhí)行者轉(zhuǎn)變?yōu)椤伴_放接口”，可以根據(jù)自然語言和高層語義自適應地完成不同裝配任務(wù)，為未來柔性制造與按需生產(chǎn)提供新范式；其三，面向非專業(yè)用戶的設(shè)計與制造工具，將在未來人機協(xié)同工廠、創(chuàng)客空間和教育場景中扮演愈發(fā)重要的角色。

據(jù)悉，該系統(tǒng)仍然處在實驗驗證階段，但已清晰勾勒出“語音驅(qū)動、AI生成、機器人裝配”的新型制造路線。隨著連接方式、材料系統(tǒng)和多機器人協(xié)同等關(guān)鍵環(huán)節(jié)的持續(xù)優(yōu)化，這類“開口即造物”的技術(shù)路徑有望成為未來按需制造和個性化生產(chǎn)的重要支撐之一。