Dwutygodniowy pilotaż z udziałem 49 studentów na Florida Universitària w Hiszpanii skrócił czas modelowania zastępczego z 1–2 godzin do 5–15 minut, generując 448 modeli w 8 zespołach zajmujących się tworzeniem gier.
Pau Comes uczy animacji 3D, gier i środowisk interaktywnych na Florida Universitària, szkole wyższej w Walencji, Hiszpania, gdzie studenci drugiego roku spędzają sześć miesięcy na realizacji projektu gry od koncepcji do publikacji. W tym harmonogramie faza prewizualizacji cierpi najbardziej.
Aby sprawdzić, czy generatywna sztuczna inteligencja może to zmienić, Pau, wraz z innym profesorem, przeprowadził dwutygodniowy pilotaż w listopadzie 2025 roku, w ramach modułu Projekt Animacji Audiowizualnej, wykorzystując Meshy 6 Preview do wprowadzenia AI obraz-do-3D w fazę previs. Dzięki nieograniczonemu dostępowi do studia na czas trwania projektu, studenci, którzy przyjęli Meshy, przestali ręcznie budować zastępcze zasoby. Zamiast tego wprowadzali swoje własne koncepcje artystyczne do Meshy, generowali szybkie objętościowe proxy i używali ich do testowania kamer, skali i kompozycji w rzeczywistej scenie, wszystko to przed rozpoczęciem jakiejkolwiek pracy nad ostatecznym modelowaniem.
Ta zmiana nie tylko zaoszczędziła czas. Przywróciła previs do programu nauczania jako rzeczywistą fazę roboczą i otworzyła ją dla całego zespołu, a nie tylko dla jednego lub dwóch specjalistów, którzy wcześniej się tym zajmowali. Dała również grupie ich pierwsze praktyczne doświadczenie z 3D wspomaganym przez AI, takim samym, jakie obecnie budują studia.
Dlaczego 3D Previs Staje się Wąskim Gardłem w Klasach Animacji
W edukacji animacji i gier, pre-produkcja jest zazwyczaj pierwszą rzeczą, która zostaje pominięta, gdy terminy się zacieśniają. Storyboardy, animatyki i 3D previs brzmią na papierze jak niezbędne, ale studenci, którzy wciąż uczą się pełnego procesu, mają tendencję do przechodzenia od razu do modelowania ostatecznych zasobów. Previs albo kurczy się do szkicu, albo całkowicie wypada z harmonogramu.
Dla Pau to był najbardziej delikatny punkt w programie nauczania. Przed pilotażem jego studenci napotykali te same cztery problemy podczas wczesnej pracy 3D:
- Wolne ręczne zastępniki. Porównywalny zastępnik zbudowany ręcznie zajmował 1 do 2 godzin, pozostawiając mało czasu na testowanie kamer, skali i kompozycji.
- Skoncentrowane obciążenie pracą. Z tylko kilkoma godzinami przeznaczonymi na previs, jeden lub dwóch studentów na grupę produkowało jedną wersję, podczas gdy reszta zespołu pozostawała przy swoich specjalizacjach.
- Trudne do komunikowania pomysły przestrzenne. Szkice i opisy werbalne nie wystarczały, aby zespół mógł się zgrać w kwestii formy, skali i kadrowania przed produkcją.
- Wyobraźnia przed umiejętnościami. Niektórzy studenci mogli wyraźnie wyobrazić sobie scenę, ale nie potrafili jeszcze jej samodzielnie wymodelować, więc dobre pomysły pozostawały w ich głowach.
Rezultatem była znajoma luka między storyboardem a blokowaniem. To właśnie w tej luce lepsze narzędzia obraz-do-3D robią największą różnicę.
Projektowanie Dwutygodniowego Pilotażu Wewnątrz Rzeczywistego Projektu Gry
Pau przeprowadził badanie w kontekście aktywnej produkcji, a nie jako samodzielne ćwiczenie:
- 49 studentów drugiego roku na Wyższym Stopniu Kształcenia Zawodowego w Animacji 3D i Środowiskach Interaktywnych (hiszpański system Formación Profesional / Kształcenie Zawodowe)
- 8 zespołów deweloperskich, każdy produkujący zwiastun filmowy lub gry dla swojego tytułu
- Dwutygodniowe okno previs w ramach szerszego sześciomiesięcznego projektu
- Nieograniczony dostęp do Meshy w trybie studyjnym na czas trwania projektu
- Ocena metod mieszanych: ankiety przed i po pilotażu, dzienniki zasobów w platformie oraz jakościowa ocena wygenerowanych modeli i wyników zespołów
Zakres był jasny od pierwszego dnia. Meshy został zaprojektowany specjalnie do fazy previs od samego początku, gdzie szybkość i iteracja są ważniejsze niż ostateczna jakość produkcji. Pytanie było węższe: czy AI może zapobiec poświęceniu previs i pomóc studentom podejmować lepsze decyzje, zanim zaangażują setki godzin w modelowanie?
Jak Studenci Wykorzystali Funkcję Obrazu-do-3D Meshy do Previs
W ciągu pierwszych kilku dni wyłonił się wyraźny wzorzec. Zamiast pracować wyłącznie z tekstowymi podpowiedziami, studenci używali Meshy jako tłumacza 2D-do-3D: wprowadzali swoje własne koncepcje artystyczne i wcześniejsze szkice, a następnie oceniali, czy interpretacja wolumetryczna, która wracała, była warta dalszego rozwijania.
Workflow obrazu-do-3D, na który zdecydowała się większość zespołów:
- Prześlij referencję. Sztuka koncepcyjna lub szkic 2D z wcześniejszego etapu projektu.
- Generuj wolumen. Obraz-do-3D zwraca szybki teksturowany proxy w ciągu kilku minut.
- Umieść w scenie. Testuj proporcje, kadrowanie i skalę w porównaniu z resztą układu.
- Zdecyduj. Zachowaj to, co działa, oczyść topologię tam, gdzie to konieczne, i przejdź do produkcji z jaśniejszym wyobrażeniem o tym, jak powinien wyglądać ostateczny kadr.
Meshy dał im wolumetryczny szkicownik: 3D snapshot, którego faza previs faktycznie potrzebuje. Zespoły mogły próbować kadrowania, odrzucać je, próbować innego i przechodzić do fazy produkcji z decyzjami już podjętymi, zamiast zgadywać.
Kilka przypadków użycia pojawiło się w prawie każdym zespole:
- Zapełnianie scen teksturowanymi proxy, aby wyjść poza płaski greybox
- Testowanie kątów kamery i skali w porównaniu z rzeczywistymi wolumenami zamiast wyobrażonymi
- Konwersja 2D sztuki koncepcyjnej na makiety 3D, które cały zespół mógł krytykować
- Komunikowanie pomysłów przestrzennych, które były trudne do opisania werbalnie lub szybkiego szkicowania
Przez cały czas student pozostawał odpowiedzialny za pracę. Meshy proponował, a studenci wybierali, poprawiali i decydowali. To połączenie szybkiego generowania przez AI z konsekwentnym ludzkim osądem sprawiło, że workflow się utrzymał.
"Meshy pomógł studentom wyjaśnić pomysły i przedstawić je na obrazie."
Pau Comes
Profesor Animacji 3D, Florida Universitària
Co Meshy Zmienił w Klasie
Ocena na Pierwszy Rzut Oka
Po dwutygodniowym okresie próbnym studenci ocenili Meshy w sześciu wymiarach:
| Wymiar | Ocena |
|---|---|
| Łatwość Użycia | 5 / 5 |
| Użyteczność dla Previsualizacji | 4.5 / 5 |
| Szybkość | 4.1 / 5 |
| Jakość Tekstur | 4 / 5 |
| Wierność Referencji | 3.2 / 5 |
| Geometria i Topologia | 2 / 5 |
Oceny wypadły dokładnie tam, gdzie pilot miał na celu testowanie. Łatwość użycia, użyteczność dla previsualizacji i szybkość — trzy wymiary, które są najważniejsze dla przejścia od koncepcji do działającego układu 3D — wszystkie oceniono powyżej 4 na 5.
Szybszy Previs Zrestrukturyzował Pracę Zespołów
Największym zyskiem była szybkość. Tworzenie zastępczych modeli spadło z 1–2 godzin do około 5–15 minut na model, co stanowi redukcję do 90%. W ciągu dwóch tygodni osiem zespołów wygenerowało 448 modeli.
Bardziej interesującą zmianą była struktura. Szybsze modele zastępcze pozwoliły zespołom na zmianę sposobu, w jaki dzielili wczesny etap:
- Podzespoły produkowały równoległe wersje previs i porównywały je obok siebie, zamiast angażować się w jedną pośpieszną wersję od razu.
- Każdy student mógł przyczynić się do wczesnych decyzji wizualnych, a nie tylko jeden czy dwóch specjalistów, którzy z domyślnie zajmowali się previs — choć w praktyce użycie koncentrowało się wśród kilku intensywnych użytkowników.
- Więcej czasu projektowego poświęcono na eksperymenty z kamerą i rytmem, z większą ilością informacji zwrotnej od instruktorów na iterację.
Dla grupy zbudowanej wokół interdyscyplinarnej współpracy, ten ostatni punkt był tak samo ważny jak sama szybkość. Studenci nie byli już zmuszani do wąskich ról związanych tylko z ich specjalizacją, a odpowiedzialność za wczesne decyzje kreatywne była dzielona w całym zespole.
Nowa Rola: Od Modelera do Reżysera 3D
Pilotaż zmienił również to, co studenci robili podczas previs. Mniej czasu poświęcano na modelowanie od podstaw na tym etapie. Więcej czasu poświęcano na formułowanie promptów, wybór między wariantami, krytykę wyników i planowanie poprawek.
Ta zmiana otworzyła przestrzeń do nauczania umiejętności, których przemysł już wymaga:
- Projektowanie promptów multimodalnych. Płynne operowanie zarówno tekstowymi, jak i obrazkowymi wejściami.
- Kuracja wyników AI. Wiedza, kiedy generacja jest użyteczna jako odniesienie, a kiedy nie.
- Retopologia i czyszczenie siatek generowanych przez AI. Konkretna umiejętność techniczna nakładająca się na generatywny workflow.
Rola przesunęła się częściowo z modelera w kierunku reżysera 3D: osoby, która formułuje problem, ocenia opcje i kieruje udoskonaleniem.
AI jako Wspomaganie Poznawcze: Dostępność w Edukacji 3D
Jedno z odkryć zmieniło sposób, w jaki zespół myślał o samej adopcji. Uczeń, który zazwyczaj miał trudności z ręcznym modelowaniem 3D, wygenerował 57% wszystkich modeli w pilotażu. Dla niektórych uczniów generatywna AI działa jako rodzaj wspomagania poznawczego: most między wyobraźnią a wykonaniem, który pozwala im zewnętrznie wyrazić pomysły, których jeszcze nie potrafią modelować ręcznie.
To wskazuje na rzeczywistą korzyść z dostępności obok tej związanej z produktywnością. Narzędzia AI 3D mogą poszerzyć krąg osób, które mogą przyczynić się do wczesnej pracy kreatywnej, a nie tylko przyspieszyć tych, którzy już ją produkują. Dla programu zbudowanego wokół interdyscyplinarnej współpracy, to znacząca zmiana. Studenci, którzy w przeciwnym razie mogliby przekazać zadania modelowania kolegom z zespołu, byli w stanie bezpośrednio uczestniczyć w kształtowaniu wizualnego kierunku swojego projektu.
"Pomaga mi wyrazić to, czego nie wiem, jak zamodelować, lub oszczędza mi godziny poszukiwań." powiedział jeden z uczestników studenckich.
Realistyczne Spojrzenie na Adopcję
Adopcja w ramach grupy była nierówna, co okazało się przydatne. Około 55% studentów przyjęło Meshy, podczas gdy 45% zdecydowało się go nie używać, głównie z przemyślanych powodów, a nie z powodu barier technicznych: preferencja dla ręcznego rzemiosła, obawy dotyczące wpływu AI na pracę kreatywną, czy pytania dotyczące praw autorskich i stylu. Zespół dydaktyczny włączył ten podział do samego modułu, traktując go jako okazję do dyskusji o tym, jak współistnieć z AI bez utraty tożsamości artystycznej. Pod koniec pilotażu, postawy przeszły od szerokiego niepokoju do jaśniejszego zrozumienia, gdzie narzędzie faktycznie pasuje.
Co Dalej: Włączenie Meshy do Programu
Pilotaż obejmował tylko etap przedprodukcyjny. Następna faza, już w toku, wykorzystuje zasoby previs wygenerowane z Meshy do ustalenia kamery, skali i rytmu narracyjnego przed produkcją finalnych zasobów przez tradycyjny pipeline. Różnica, w porównaniu do poprzednich grup, polega na znacznie mniejszej niepewności wchodzącej w produkcję.
Dla Florida Universitària, pilotaż doprowadził do kilku konkretnych decyzji dotyczących samego programu:
- Umiejscowienie Meshy jako narzędzia koncepcyjnego i 3D previs w ramach programu nauczania: szybkie tworzenie makiet i szkicowanie wolumetryczne, z możliwością ewolucji do finalnej produkcji z czasem.
- Projektowanie ćwiczeń "Generuj + Popraw", gdzie studenci generują bazę w Meshy, retopologizują i rozwijają UV w Blenderze, a następnie integrują wynik w Unity lub Unreal.
- Dodanie modułów dotyczących umiejętności korzystania z AI i etyki do programu, aby studenci nauczyli się korzystać z tych narzędzi krytycznie, a nie bezkrytycznie.
- Rozszerzenie podejścia na inne przedmioty. Rozważane są kursy cyfryzacji i bardziej zaawansowane programy, być może w formacie warsztatów lub bootcampu.
Dla nauczyciela pracującego z napiętymi harmonogramami i wymagającymi studentami, Meshy znalazło swoje miejsce dokładnie tam, gdzie program nauczania był najbardziej kruchy: w prewizualizacji.
"Pytanie nie brzmi, czy AI wejdzie do klasy. Chodzi o to, po co chcemy, aby tam było."
Pau Comes
Profesor Animacji 3D, Florida Universitària
W tym pilotażu odpowiedź była jasna: katalizator dla najbardziej kruchej fazy procesu twórczego.
Florida Universitària obecnie prowadzi kolejną fazę eksperymentu z tegoroczną grupą studentów. Wrócimy z tym, co odkryją.
