章节 01
导读 / 主楼：GenAI-LEGOarch：生成式AI驱动的乐高建筑工作室
GenAI-LEGOarch：生成式AI驱动的乐高建筑工作室
原作者与来源
- 原作者/维护者： Emilie El Chidiac & Charles Abi Chahine（MaCAD项目）
- 来源平台： GitHub
- 原始标题： genai-legoarch
- 原始链接： https://github.com/hi-em/genai-legoarch
- 发布时间： 2026-06-14
- 学术背景： MaCAD（建筑与设计高级计算硕士）生成式AI研讨会项目
项目概述
GenAI-LEGOarch（名称中的大写E和C代表Emilie和Charles）是一个创新的生成式AI建筑工作室项目，它能够将用户输入的任意建筑名称或描述，转换为一套真正可搭建的乐高积木套装。整个流程涵盖从AI渲染、3D重建到积木分解，最终生成官方风格的包装盒、说明书和零件清单。
项目的核心理念是：生成式AI提出形式，确定性计算证明其可搭建性。这与许多仅停留在图像生成阶段的项目不同，LEGOarch继续向下游推进，确保每个零件都是合法的BrickLink零件，颜色与渲染图匹配，结构稳定性经过验证。
核心工作流程
系统采用四阶段流水线架构，将创意生成与工程验证有机结合：
第一阶段：建筑描述到乐高渲染图
用户输入建筑名称或详细描述（也可上传参考照片），系统使用 FLUX.2 模型配合专门训练的 legoarch LoRA 生成乐高风格的建筑渲染图。
技术细节：
- 模型：FLUX.2 Klein Base 4B FP8
- LoRA：legoarch.safetensors（专门训练的乐高风格适配器）
- 运行环境：ComfyUI（端口8188）
- 特点：自动添加乐高积木纹理和拼搭风格
第二阶段：2D渲染到3D网格
生成的乐高风格渲染图被送入 TRELLIS-2 模型，将2D图像转换为带纹理的3D网格模型。
技术细节：
- 模型：TRELLIS-2（图像到3D重建）
- 运行环境：ComfyUI（端口8189）
- 输出：.glb格式的带纹理3D模型
- 特点：保持渲染图的视觉风格，同时生成几何结构
第三阶段：体素化与积木分解
这是整个系统的计算核心（Custom Legolizer），负责将3D网格转换为可实际搭建的乐高积木布局：
- 体素化：将3D模型转换为体素网格
- 颜色采样：根据曝光匹配渲染图的颜色
- 积木分解：使用分裂-合并算法将体素转换为合法乐高零件
- 颜色映射：通过CIEDE2000算法匹配最接近的官方乐高颜色
- 稳定性检查：验证结构在重力作用下的稳定性
第四阶段：套装设计与输出
最终生成完整的乐高套装体验：
| 输出项 | 描述 |
|---|---|
| 包装盒 | 官方风格的套装盒面艺术图 |
| 说明书 | 逐步拼搭的PDF手册 |
| 零件清单 | 含BrickLink链接和价格估算 |
| 分享卡片 | 社交媒体分享图 |
| 个人收藏 | 可添加到用户的虚拟展示架 |
技术架构详解
系统架构
系统由四个独立进程组成，通过API相互通信：
前端 :5173 ──/api──► 后端 :8000 ──► ComfyUI FLUX :8188 (图像生成)
└──► ComfyUI TRELLIS :8189 (3D重建)
组件说明
| 组件 | 技术栈 | 端口 | 职责 |
|---|---|---|---|
| 前端 | React + Three.js | 5173 | 用户界面、3D预览、收藏管理 |
| 后端 | FastAPI (Python) | 8000 | 业务逻辑、ComfyUI调度、Legolizer封装 |
| ComfyUI FLUX | ComfyUI + FLUX.2 | 8188 | 文本/图像到乐高渲染图 |
| ComfyUI TRELLIS | ComfyUI + TRELLIS-2 | 8189 | 渲染图到3D网格 |
Legolizer：计算核心
Legolizer是整个系统的核心创新，它解决了从任意3D形状到合法乐高积木布局的转换难题：
算法挑战：
- 乐高积木有特定的尺寸和连接方式（凸粒/凹槽系统）
- 需要优化零件数量（减少零件种类和总数）
- 颜色必须匹配官方乐高色卡
- 结构必须物理稳定（不会在重力下倒塌）
解决方案：
- 采用分裂-合并启发式算法优化积木布局
- 使用CIEDE2000色差公式进行颜色匹配
- 基于物理引擎进行稳定性验证
- 生成BrickLink兼容的零件编号和颜色代码
使用流程
环境要求
- Python 3.10+
- Node.js 18+
- NVIDIA GPU（约16GB显存）
- 两个ComfyUI安装（FLUX和TRELLIS各一个）
启动步骤
需要同时运行四个终端进程：
终端1 - ComfyUI FLUX（:8188）：
python main.py --port 8188
终端2 - ComfyUI TRELLIS（:8189）：
python main.py --port 8189
终端3 - 后端（:8000）：
cd backend
.\.venv\Scripts\Activate.ps1
uvicorn app.main:app --reload --port 8000
终端4 - 前端（:5173）：
cd frontend
npm run dev
然后访问 http://localhost:5173 即可使用。
使用体验
- 输入建筑：输入建筑名称或上传参考照片
- 生成渲染：FLUX生成乐高风格的建筑渲染图
- 观看组装：系统逐步展示积木逐层组装过程
- 获取套装：下载包装盒、说明书、零件清单等
法律合规设计
项目特别注意了乐高商标的法律问题：
- 免责声明：明确说明LEGO®是乐高集团的商标，本项目未获赞助、授权或认可
- 非商业性质：学术项目，不涉及商业销售
- 视觉规避：避免使用乐高logo、人仔形象和 trademarked 的2×4砖块轮廓
- 描述性使用：仅在描述性语境中使用"LEGO"（如"由乐高积木搭建"）
- 设计语言：基于乐高真实的设计系统，但保持独立视觉风格
学术价值与创新点
生成式AI与计算设计的结合
项目展示了如何将生成式AI的创造力与确定性计算的严谨性结合：
- AI负责创意生成（渲染图、包装设计）
- 算法负责工程验证（可搭建性、稳定性）
从概念到产品的完整流程
与许多仅停留在概念阶段的项目不同，LEGOarch实现了从输入到可执行产品的完整闭环：
[建筑描述] → [AI渲染] → [3D重建] → [积木分解] → [套装输出]
↑ ↓
└──────────── 完整的可验证产品 ──────────────────────┘
开源生态整合
项目整合了多个开源工具：
- FLUX.2：开源图像生成模型
- TRELLIS-2：开源3D重建模型
- ComfyUI：开源AI工作流平台
- BrickLink：乐高零件数据库API
项目启示
GenAI-LEGOarch 展示了生成式AI在实体产品设计领域的应用潜力：
- AI辅助设计：生成式AI可以大幅加速概念设计阶段，但工程验证仍需要确定性算法
- 可制造性约束：从虚拟设计到实体产品的关键在于制造约束的满足
- 开源工具链：现代AI项目可以基于成熟的开源生态快速构建
- 用户体验闭环：完整的产品体验不仅包括生成，还包括包装、说明书等周边
对于希望探索AI与实体制造结合的开发者，这是一个优秀的参考案例。
