AI驱动Web3D拆装引导生成

在 Web3D 交互实验室，我们正把多模态大模型接入工业设备的 Web 端拆装训练。路径是：先用手机环绕拍摄或轻量扫描重建设备外观，由 SAM 类模型对零件做语义分割，再让视觉语言模型识别零件名称、连接关系，自动生成拆装步骤；前端用 WebGPU/Three.js 将步骤映射为可点击、可拖拽的交互状态机，并允许在浏览器里回退、暂停和标注问题。

阶段进展：在减速机与电控柜两类模型上，零件语义标注人工修正率约 18%，自动步骤初稿可用率约 72%；首屏加载控制在 3 秒内，单步交互响应低于 80 毫秒。

下一步：接入维修手册与工单文本做步骤校验，引入 3D Gaussian Splatting 降低重建成本，并试验 WebXR 手势操作与误差可视化，让 AI 生成的拆装引导从演示走向可复用的培训工具。