DeepJEB++: Aumento masivo de datos 3D con modelos fundacionales

En el campo del diseño ingenieril asistido por computadora, uno de los desafíos más persistentes es la escasez de datasets tridimensionales etiquetados con propiedades físicas reales. Sin embargo, investigaciones recientes como DeepJEB++ demuestran que es posible expandir un pequeño conjunto de diseños iniciales —apenas 400 soportes de motor— a más de 15.000 piezas 3D con etiquetas de simulación, utilizando modelos fundacionales y estrategias de aumento en espacios latentes 2D. Este enfoque abre nuevas posibilidades para la inteligencia artificial aplicada al diseño generativo y la ingeniería de producto, donde la calidad de los datos de entrenamiento es crítica para obtener modelos predictivos fiables.

La metodología de DeepJEB++ se basa en tres etapas: primero, un modelo de difusión latente 2D se ajusta con renders multivista y genera variaciones sintéticas mediante interpolación; segundo, las imágenes validadas se elevan a mallas 3D gracias a un modelo generativo adaptado al dominio; tercero, un pipeline automatizado reconoce interfaces de carga y tornillos asignando sin intervención manual los valores de masa, tensión y desplazamiento. Este proceso garantiza que las geometrías generadas conserven la fabricabilidad y la coherencia con las simulaciones de referencia, algo que las técnicas de aumento tradicionales no logran preservar.

Detrás de esta innovación subyace una necesidad empresarial creciente: las compañías que desarrollan productos complejos requieren herramientas que automaticen la generación de datos de simulación sin sacrificar precisión. Aquí es donde la experiencia de Q2BSTUDIO en ia para empresas aporta valor, integrando modelos fundacionales, agentes de inteligencia artificial y algoritmos de aumento de datos en flujos de trabajo personalizados. Nuestra capacidad para diseñar aplicaciones a medida permite a las organizaciones adoptar este tipo de soluciones sin depender de infraestructuras masivas, optimizando el uso de recursos como los servicios cloud AWS y Azure.

Además, la automatización del etiquetado de simulaciones elimina cuellos de botella en los departamentos de ingeniería, liberando a los especialistas para tareas de mayor valor estratégico. En este contexto, los servicios de inteligencia de negocio con Power BI facilitan la visualización y el análisis de los resultados generados, mientras que la ciberseguridad protege la propiedad intelectual de los diseños y los datos de simulación. En Q2BSTUDIO, combinamos software a medida con agentes IA para crear pipelines end-to-end que transforman semillas de diseño en catálogos masivos de piezas virtuales, acelerando el ciclo de innovación y reduciendo costes de prototipado físico.