یک کاتالوگ پر از محصولات جذاب دکوراسیون در دست دارید، اما نمی‌دانید کدام میز یا مبل با چه ابعادی دقیقاً در کنج اتاق شما جا می‌گیرد. این‌جاست که یک چالش قدیمی در دنیای طراحی داخلی خودنمایی می‌کند: فاصله بین «دیدن محصول» و «تصور آن در فضا». همیشه آرزو داشتیم ابزاری داشته باشیم که به سادگیِ ورق زدن کاتالوگ، محیط خانه یا دفتر کارمان را شبیه‌سازی کند و اجازه دهد محصولات را در لحظه چیدمان کنیم.

امروز دیگر برای ساختن چنین ابزاری نیاز به تیم‌های بزرگ برنامه‌نویسی یا هفته‌ها کار با نرم‌افزارهای پیچیده سه‌بعدی نداریم. در این مسیر، ما با استفاده از قدرت هوش مصنوعی و ابزارهای نوین، یک شبیه‌ساز سه‌بعدی هوشمند می‌سازیم که نه تنها فضای اتاق را بازسازی می‌کند، بلکه محصولات واقعی یک برند را مستقیماً از دل یک فایل PDF استخراج کرده و به مدل‌های قابل چیدمان تبدیل می‌کند.

مسیر توسعه و ابزارهای کلیدی

در این پروژه، ما روی دو محور اصلی حرکت می‌کنیم:

  • خلق فضای سه‌بعدی: استفاده از کتابخانه قدرتمند Three.js برای ایجاد محیطی که کاربر بتواند در آن زوم کند، بچرخد و اشیاء را جابه‌جا کند.
  • توسعه با Google AI Studio: فراتر رفتن از چت‌بات‌های معمولی و ورود به یک محیط تخصصی کدنویسی (IDE) بر پایه مدل Gemini Pro که به ما اجازه می‌دهد فایل‌های مختلف پروژه را به صورت تفکیک شده مدیریت کنیم.

وقتی PDF به مدل سه‌بعدی تبدیل می‌شود

یکی از جذاب‌ترین بخش‌های این تجربه، تعامل هوش مصنوعی با مستندات واقعی است. ما به جای اینکه ابعاد و مشخصات تک‌تک میزها و صندلی‌ها را به صورت دستی وارد کد کنیم، کاتالوگ محصولات (مثلاً سری کاپر از برند دنیته) را در قالب یک فایل PDF به هوش مصنوعی می‌دهیم.

هوش مصنوعی با تحلیل تصاویر و جداول موجود در کاتالوگ، نه تنها رنگ‌بندی و متریال‌ها را درک می‌کند، بلکه ابعاد استاندارد هر محصول را استخراج کرده و به شبیه‌ساز می‌فهماند. این یعنی اگر کاربر یک «میز مدیریت» را انتخاب کند، ابعاد دقیق آن مطابق با کاتالوگ واقعی برند در محیط سه‌بعدی ظاهر می‌شود.

فراتر از یک کدنویسی ساده: مدیریت پروژه در AI Studio

کار در محیط Google AI Studio تفاوت‌های ظریفی با محیط‌های چت معمولی (مثل ChatGPT یا Gemini Canvas) دارد. اینجا ما با یک ساختار درختی از فایل‌ها روبرو هستیم. این تفکیک فایل‌ها باعث می‌شود هوش مصنوعی در پروژه‌های بزرگتر کمتر دچار سردرگمی شود. اگر تغییری در ظاهر سایدبار نیاز باشد، او فقط فایل استایل یا مربوط به رابط کاربری را اصلاح می‌کند و به منطق سه‌بعدی پروژه آسیبی نمی‌زند.

البته این مسیر بدون چالش نیست؛ مفاهیمی مثل:

  • هندل کردن باگ‌های جابه‌جایی: وقتی یک جسم را در فضای سه‌بعدی رها می‌کنیم، باید دقیقاً روی سطح زمین یا در مختصات درست قرار بگیرد.
  • شبیه‌سازی متریال: تبدیل یک عکس دوبعدی از کاتالوگ به بافت چوب یا فلز در محیط Three.js که نیاز به اصلاحات پی‌درپی و بازخوردهای دقیق به هوش مصنوعی دارد.
  • تبدیل خروجی: از آنجایی که هوش مصنوعی در این محیط تمایل زیادی به تولید کدهای React دارد، ما یاد می‌گیریم چگونه این ساختارها را برای استفاده در وب‌سایت‌های معمولی یا صفحات HTML ساده بهینه کنیم.

تجربه چیدمان و ثبت سفارش

در نهایت، آنچه ساخته می‌شود یک ابزار تعاملی کامل است. کاربر ابتدا ابعاد اتاق خود را مشخص می‌کند (مثلاً یک فضای ۶ در ۴ متر)؛ سپس با اضافه کردن المان‌های دکوری مثل گلدان و مبل، اتمسفر فضا را می‌سازد. در مرحله بعد، محصولات اصلی را از لیست انتخاب کرده، آن‌ها را می‌چرخاند و در بهترین نقطه قرار می‌دهد.

زیبایی کار اینجاست که این فقط یک بازی چیدمان نیست؛ در پایان، با فشردن دکمه ثبت سفارش، لیست تمام محصولات انتخاب شده به همراه مشخصات دقیق و ابعادشان در قالب یک فاکتور نمایش داده می‌شود. این یعنی تبدیل یک نیاز بصری به یک اقدام تجاری موفق.

در این فرآیند، ما یاد می‌گیریم که چگونه با هوش مصنوعی «دیالوگ فنی» برقرار کنیم. اگر محصولی در جای اشتباه قرار می‌گیرد یا نورپردازی اتاق غیرطبیعی است، یاد می‌گیریم چگونه با توصیف دقیق باگ و ارائه راه‌حل‌های پیشنهادی، هوش مصنوعی را به سمت خروجی مطلوب هدایت کنیم. این پروژه، تمرینی است برای تبدیل شدن به یک «معمار ابزار» که از هوش مصنوعی به عنوان یک بازوی اجرایی قدرتمند برای خلق ایده‌های نو استفاده می‌کند.