Skip to content

MAX-786/claude-3d-harness / library/gaius/blender-procedural

blender-procedural

Verified

Skill di modellazione procedurale avanzata per Blender. Parallel Transport (anti-drift), loft da profili anatomici, Generalized Cylinder, eliche/DNA parametrici, Boolean per cavità interne, crescita differenziale. Propagazione matriciale M_{n+1}=M_n·T·R (Sez. 7), Vector Blending locale/globale, Tropismo, Perlin Noise Vector Field, Space Colonization (Sez. 10), State Machine Growth, Fillet Procedurale, rotation_difference() (Sez. 11), Plexus Effect, Delaunay, Voronoi, Kruskal MST (Sez. 12), Sistemi Ibridi Grafo+Cinematica (Sez. 13). Usa questa skill quando: l'oggetto ha una spine, la geometria nasce da sezioni trasversali, serve una struttura biologica, la forma cresce/si ramifica, o si parte da una nuvola di punti da connettere topologicamente.

Skill: Blender Procedural Modeling (Advanced)

Sei un esperto di modellazione procedurale matematica in Blender. Lavori con frame propagation, loft anatomici, strutture ripetitive parametriche.


Connessione — MCP (predefinito)

# Esegui codice in Blender
mcp__Blender__execute_blender_code(code="""
import bpy, bmesh, math
from mathutils import Vector, Matrix
# ... codice ...
result = {"ok": True}
""")

# Screenshot rapido (no render)
mcp__Blender__get_screenshot_of_window_as_image()

# Render su file e poi Read per analisi visiva
mcp__Blender__render_viewport_to_path(output_path="<JOB_DIR>/preview.png")

Visual Loop

1. execute_blender_code(build_code)
2. render_viewport_to_path("preview.png") → Read("preview.png") → analisi visiva
3. execute_blender_code(fix_code) → itera fino a soddisfazione

IL PRINCIPIO FONDAMENTALE — Frame Propagation

Ogni punto su una curva ha un frame locale (sistema di riferimento):

  • T (Tangent): direzione di avanzamento
  • N (Normal): "su" del frame
  • B (Binormal): B = T × N

Il problema del frame naïve (Frenet-Serret): N dipende dalla curvatura → flipping su tratti rettilinei e drift su curve complesse.

Soluzione: Parallel Transport

M_{n+1} = M_n · T · R
dove R = rotazione minima che porta T_n → T_{n+1}

Il frame ruota solo quanto necessario — nessun flip, nessun drift.

from mathutils import Vector, Matrix, Quaternion
import math

def parallel_transport(points):
    """
    Calcola un frame ortonormale per ogni punto della curva usando Parallel Transport.
    Elimina il flipping di Frenet-Serret su tratti rettilinei e curvi.
    
    Input : lista di Vector (punti della curva)
    Output: lista di (T, N, B) — tuple di Vector normalizzati
    """
    n = len(points)
    frames = [None] * n
    
    # Frame iniziale — scegli N0 perpendicolare a T0
    T0 = (points[1] - points[0]).normalized()
    # Trova un vettore non parallelo a T0
    up = Vector((0, 0, 1))
    if abs(T0.dot(up)) > 0.99:
        up = Vector((1, 0, 0))
    N0 = T0.cross(up).normalized()
    B0 = T0.cross(N0).normalized()
    frames[0] = (T0, N0, B0)
    
    for i in range(1, n):
        T_prev, N_prev, B_prev = frames[i - 1]
        if i < n - 1:
            T_curr = (points[i + 1] - points[i - 1]).normalized()
        else:
            T_curr = (points[i] - points[i - 1]).normalized()
        
        # Rotazione minima T_prev → T_curr (asse = T_prev × T_curr)
        axis = T_prev.cross(T_curr)
        if axis.length > 1e-8:
            axis.normalize()
            cos_a = max(-1.0, min(1.0, T_prev.dot(T_curr)))
            angle  = math.acos(cos_a)
            q = Quaternion(axis, angle)
            N_curr = q @ N_prev
            B_curr = T_curr.cross(N_curr).normalized()
            N_curr = B_curr.cross(T_curr).normalized()
        else:
            N_curr = N_prev.copy()
            B_curr = B_prev.copy()
        
        frames[i] = (T_curr, N_curr, B_curr)
    
    return frames

def reortho(T, N):
    """
    Riortonormalizza N rispetto a T (anti-drift).
    Chiama ogni 10-20 passi per evitare accumulo di errore floating point.
    """
    N = N - T * T.dot(N)
    if N.length < 1e-8:
        up = Vector((0,0,1)) if abs(T.z) < 0.99 else Vector((1,0,0))
        N = T.cross(up)
    return N.normalized()

LOFT DA PROFILI — build_shell

Il loft connette anelli di vertici lungo una spine, creando superfici continue. Usato per: cuori, vasi, colonne vertebrali, bottiglie a geometria variabile.

import bpy, bmesh, math
from mathutils import Vector, Matrix

UNIT = 0.1  # 1 BU = 10 cm → misure in cm * UNIT

def gen_profile(rx, ry, segments=32, offset_x=0.0,
                bump_start=0, bump_end=0, bump_k=0.0):
    """
    Genera un anello ellittico con bump (usato per il ventricolo destro del cuore).
    
    rx, ry     : semi-assi ellisse [stessa unità di UNIT]
    offset_x   : spostamento laterale del centro
    bump_start/end : range angolare [°] dove applicare il bump
    bump_k     : intensità bump (0 = nessun bump)
    
    Ritorna: lista di Vector in piano XY centrati sull'origine
    """
    pts = []
    for i in range(segments):
        angle = 2 * math.pi * i / segments
        deg   = math.degrees(angle) % 360
        x = rx * math.cos(angle)
        y = ry * math.sin(angle)
        if bump_k > 0 and bump_start < bump_end:
            if bump_start <= deg <= bump_end:
                t = (deg - bump_start) / (bump_end - bump_start)
                b = bump_k * math.sin(math.pi * t)
                x += b * math.cos(angle)
                y += b * math.sin(angle)
        pts.append(Vector((x + offset_x, y, 0)))
    return pts

def build_shell(frames_data, total_height, segments=32, name="Shell"):
    """
    Loft procedurale da una tabella di frame.
    
    frames_data : lista di tuple
                  (z_norm, rx, ry, offset_x, bump_start, bump_end, bump_k)
                  z_norm in [0,1], rx/ry in cm, altri parametri gen_profile
    total_height: altezza totale in cm
    segments    : divisioni angolari dell'anello
    
    Esempio (cuore):
        HEART_FRAMES = [
            (0.00, 0.6, 0.6, 0.0,   0,   0, 0.00),  # apice
            (0.54, 4.3, 3.1,-0.2, 180, 340, 0.43),  # diametro massimo
            (1.00, 1.0, 0.8, 0.0,   0,   0, 0.00),  # base
        ]
        build_shell(HEART_FRAMES, total_height=13.0)
    """
    bm = bmesh.new()
    rings = []
    
    for (z_norm, rx, ry, ox, bs, be, bk) in frames_data:
        z  = z_norm * total_height * UNIT
        rx_u = rx * UNIT
        ry_u = ry * UNIT
        ox_u = ox * UNIT
        ring_pts = gen_profile(rx_u, ry_u, segments, ox_u, bs, be, bk * UNIT)
        ring_verts = [bm.verts.new((p.x, p.y, z)) for p in ring_pts]
        rings.append(ring_verts)
    
    bm.verts.ensure_lookup_table()
    
    # Connetti anelli adiacenti con facce quad
    for ri in range(len(rings) - 1):
        r0, r1 = rings[ri], rings[ri + 1]
        for j in range(segments):
            nj = (j + 1) % segments
            bm.faces.new([r0[j], r0[nj], r1[nj], r1[j]])
    
    bm.normal_update()
    mesh = bpy.data.meshes.new(name + "_mesh")
    bm.to_mesh(mesh); bm.free()
    obj = bpy.data.objects.new(name, mesh)
    bpy.context.collection.objects.link(obj)
    obj.data.shade_smooth()
    return obj

def loft_rings(bm, ring_a, ring_b):
    """
    Connette due anelli di BmVerts già esistenti nel bmesh.
    Utile per loft incrementale (aggiungere sezioni a un bmesh aperto).
    Entrambi gli anelli devono avere lo stesso numero di vertici.
    """
    n = len(ring_a)
    assert n == len(ring_b), "I due anelli devono avere lo stesso numero di vertici"
    for j in range(n):
        nj = (j + 1) % n
        bm.faces.new([ring_a[j], ring_a[nj], ring_b[nj], ring_b[j]])

GENERALIZED CYLINDER — tubo lungo una curva

Un Generalized Cylinder è una sezione trasversale (qualunque forma) estrusa lungo una spine, con il frame corretto a ogni punto grazie al Parallel Transport.

def build_vessel(spine_points, radius=0.1, segments=12, name="Vessel",
                 taper=None):
    """
    Tubo (sezione circolare) lungo una curva 3D con Parallel Transport.
    
    spine_points : lista di Vector — la curva centrale
    radius       : raggio del tubo (o lista di raggi per taper)
    taper        : None = raggio costante
                   lista di float = raggio a ogni punto (len = len(spine_points))
    
    Usi tipici:
      Vasi sanguigni, arterie, colonna vertebrale, tubi idraulici, cavi
    
    Esempio:
        spine = [Vector((0,0,i*0.1)) for i in range(20)]
        # curva elicoidale:
        spine = [Vector((math.cos(i*0.3), math.sin(i*0.3), i*0.05)) for i in range(30)]
        build_vessel(spine, radius=0.02, segments=16, name="Aorta")
    """
    if len(spine_points) < 2:
        raise ValueError("Servono almeno 2 punti")
    
    radii = taper if taper is not None else [radius] * len(spine_points)
    frames = parallel_transport(spine_points)
    
    bm = bmesh.new()
    rings = []
    
    for i, (pt, (T, N, B), r) in enumerate(zip(spine_points, frames, radii)):
        ring = []
        for j in range(segments):
            angle = 2 * math.pi * j / segments
            offset = N * (r * math.cos(angle)) + B * (r * math.sin(angle))
            v = bm.verts.new(pt + offset)
            ring.append(v)
        rings.append(ring)
    
    bm.verts.ensure_lookup_table()
    for ri in range(len(rings) - 1):
        loft_rings(bm, rings[ri], rings[ri + 1])
    
    bm.normal_update()
    mesh = bpy.data.meshes.new(name + "_mesh")
    bm.to_mesh(mesh); bm.free()
    obj = bpy.data.objects.new(name, mesh)
    bpy.context.collection.objects.link(obj)
    obj.data.shade_smooth()
    return obj


def build_vessel_custom_section(spine_points, section_pts_2d,
                                 frames=None, name="Vessel"):
    """
    Come build_vessel ma con sezione trasversale personalizzata (non solo cerchio).
    
    section_pts_2d : lista di (x, y) nel piano locale — il profilo della sezione
                     Esempio sezione ovale: [(r*cos(a), r*0.4*sin(a)) for a in ...]
                     Esempio sezione rettangolare: [(-w,-h),(w,-h),(w,h),(-w,h)]
    
    Utile per: manici, intestino, bronchi, sezioni rettangolari
    """
    if frames is None:
        frames = parallel_transport(spine_points)
    
    bm = bmesh.new()
    rings = []
    
    for pt, (T, N, B) in zip(spine_points, frames):
        ring = []
        for (sx, sy) in section_pts_2d:
            pos = pt + N * sx + B * sy
            ring.append(bm.verts.new(pos))
        rings.append(ring)
    
    bm.verts.ensure_lookup_table()
    for ri in range(len(rings) - 1):
        loft_rings(bm, rings[ri], rings[ri + 1])
    
    bm.normal_update()
    mesh = bpy.data.meshes.new(name + "_mesh")
    bm.to_mesh(mesh); bm.free()
    obj = bpy.data.objects.new(name, mesh)
    bpy.context.collection.objects.link(obj)
    obj.data.shade_smooth()
    return obj

ELICHE PARAMETRICHE — DNA e strutture ripetitive

def helix_spine(n_steps, rise, twist_rad, radius, phase=0.0):
    """
    Genera i punti di una singola elica.
    
    rise      : salita per passo (es: 0.034 per B-DNA in unità Blender)
    twist_rad : rotazione per passo in radianti (es: math.radians(36) per B-DNA)
    radius    : distanza dall'asse centrale
    phase     : sfasamento angolare iniziale (es: math.pi per il secondo filamento)
    
    B-DNA parametri reali (×10 per visibilità Blender):
      rise=0.34, twist=math.radians(36), radius=1.0, 10 basi/giro
    
    Collagene tripla elica:
      rise=0.286, twist=math.radians(108), radius=0.46
    """
    return [
        Vector((
            radius * math.cos(i * twist_rad + phase),
            radius * math.sin(i * twist_rad + phase),
            i * rise
        ))
        for i in range(n_steps)
    ]

def double_helix(n_pairs=20, rise=0.34, twist=math.radians(36),
                 radius=1.0, strand_radius=0.08, name="DNA"):
    """
    Doppia elica completa con backbone e basi.
    Compatibile Blender 4.x/5.x (usa bmesh.ops.create_cone per i cilindri).
    
    FIX: bmesh.ops.create_cylinder NON esiste in Blender 4+/5+
         Usa create_cone con radius1 == radius2 per un cilindro.
    """
    strand1 = helix_spine(n_pairs, rise, twist, radius, phase=0.0)
    strand2 = helix_spine(n_pairs, rise, twist, radius, phase=math.pi)
    
    # Backbone filamento 1
    s1 = build_vessel(strand1, radius=strand_radius, segments=8, name=f"{name}_S1")
    # Backbone filamento 2
    s2 = build_vessel(strand2, radius=strand_radius, segments=8, name=f"{name}_S2")
    
    # Barre trasversali (coppie di basi)
    for i in range(n_pairs):
        p1, p2 = strand1[i], strand2[i]
        mid    = (p1 + p2) / 2
        length = (p2 - p1).length
        direction = (p2 - p1).normalized()
        
        # Orientamento del cilindro
        z_axis = Vector((0, 0, 1))
        q = z_axis.rotation_difference(direction)
        
        bpy.ops.mesh.primitive_cylinder_add(
            radius=strand_radius * 0.6,
            depth=length,
            location=mid
        )
        bar = bpy.context.active_object
        bar.name = f"{name}_Base_{i}"
        bar.rotation_euler = q.to_euler()
        bar.data.shade_smooth()
    
    return s1, s2

BOOLEAN PER CAVITÀ INTERNE

Il pattern del cuore (Approccio C): shell esterna + Boolean DIFFERENCE per cavità.

REGOLA CRITICA: applica Subdivision PRIMA del Boolean, non dopo. Il Boolean su mesh liscia produce bordi smooth. Il Boolean su mesh grezza produce artefatti alle giunzioni che il SubSurf non può correggere.

def add_cavity(shell_obj, center, rx, ry, rz, name="Cavity",
               solver='EXACT', apply=True):
    """
    Scava una cavità ellissoidale nella shell con Boolean DIFFERENCE.
    
    center     : Vector — centro della cavità in world space
    rx, ry, rz : semi-assi dell'ellissoide [BU]
    solver     : 'EXACT' (più preciso, più lento) o 'FAST'
    
    IMPORTANTE: shell_obj deve avere SubSurf già applicato (o livello ≥ 2)
                prima di chiamare questa funzione.
    
    Esempio (cuore — 4 camere):
        # Ventricolo Sinistro
        add_cavity(heart, Vector((0.02, 0, 0.04)), 0.025, 0.020, 0.045, "LV")
        # Ventricolo Destro
        add_cavity(heart, Vector((-0.02, 0.015, 0.04)), 0.016, 0.012, 0.038, "RV")
        # Atrio Sinistro
        add_cavity(heart, Vector((0.01, -0.01, 0.085)), 0.017, 0.013, 0.016, "LA")
        # Atrio Destro
        add_cavity(heart, Vector((-0.02, -0.01, 0.085)), 0.018, 0.015, 0.021, "RA")
    """
    bpy.ops.mesh.primitive_ico_sphere_add(radius=1.0, subdivisions=3,
                                           location=center)
    cutter = bpy.context.active_object
    cutter.name = f"{name}_Cutter"
    cutter.scale = (rx, ry, rz)
    bpy.ops.object.transform_apply(scale=True)
    
    bpy.context.view_layer.objects.active = shell_obj
    mod = shell_obj.modifiers.new(name, "BOOLEAN")
    mod.operation = 'DIFFERENCE'
    mod.object    = cutter
    mod.solver    = solver
    
    if apply:
        bpy.ops.object.modifier_apply(modifier=name)
        bpy.data.objects.remove(cutter, do_unlink=True)
    
    return shell_obj

def assign_cavity_material(obj, cavity_mat, threshold_z=None):
    """
    Assegna materiale diverso alle facce interne (endocardio vs miocardio).
    Le facce interne si identificano per normale che punta verso l'interno
    (dot con vettore verso centro < 0) o per posizione Z se threshold_z fornito.
    
    Aggiunge cavity_mat allo slot 1 dell'oggetto.
    """
    if len(obj.material_slots) < 2:
        obj.data.materials.append(cavity_mat)
    else:
        obj.material_slots[1].material = cavity_mat
    
    center = Vector((0, 0, 0))
    bpy.context.view_layer.update()
    
    mesh = obj.data
    for poly in mesh.polygons:
        face_center = Vector(poly.center)
        face_normal = Vector(poly.normal)
        to_center   = (center - face_center).normalized()
        if threshold_z is not None:
            if face_center.z < threshold_z:
                poly.material_index = 1
        else:
            if face_normal.dot(to_center) > 0.3:
                poly.material_index = 1

CRESCITA DIFFERENZIALE — superfici organiche

La crescita differenziale crea superfici corrugate/ondulate tipiche di foglie, cortecce, intestino, cervello. Ogni vertice si sposta in base alla distanza dai vicini vs. la sua distanza ideale.

def differential_growth_step(obj, growth_rate=0.02, target_edge_len=None,
                              boundary_stiffness=0.8):
    """
    Un passo di crescita differenziale su una mesh.
    Chiama più volte (50-200 iterazioni) per ottenere la forma finale.
    
    growth_rate        : quanto crescono i vertici interni (0.01-0.05)
    target_edge_len    : lunghezza ideale degli edge (None = media attuale)
    boundary_stiffness : quanto i vertici di bordo resistono alla crescita [0-1]
    
    NOTA: richiedere sempre bpy.ops.object.modifier_apply su SubSurf PRIMA
    di applicare la crescita, altrimenti opera sulla mesh base e non su quella
    suddivisa.
    
    Workflow:
        1. Crea mesh di partenza (es: piano suddiviso 20x20)
        2. Seleziona e applica SubSurf livello 2
        3. Itera differential_growth_step 100-200 volte
        4. Il risultato è una superficie corrugata organica
    """
    import bmesh
    
    bm = bmesh.new()
    bm.from_mesh(obj.data)
    bm.verts.ensure_lookup_table()
    bm.edges.ensure_lookup_table()
    
    if target_edge_len is None:
        total_len = sum(e.calc_length() for e in bm.edges)
        target_edge_len = total_len / len(bm.edges) if bm.edges else 0.1
    
    displacements = [Vector((0,0,0))] * len(bm.verts)
    
    for v in bm.verts:
        neighbors = [e.other_vert(v) for e in v.link_edges]
        if not neighbors:
            continue
        
        force = Vector((0, 0, 0))
        for nb in neighbors:
            vec  = nb.co - v.co
            dist = vec.length
            if dist < 1e-8:
                continue
            # Forza repulsiva se troppo vicini, attrattiva se troppo lontani
            diff  = dist - target_edge_len
            force += vec.normalized() * diff
        
        # I vertici di bordo crescono meno
        stiffness = boundary_stiffness if v.is_boundary else 1.0
        displacements[v.index] = force * growth_rate * stiffness
    
    for v in bm.verts:
        v.co += displacements[v.index]
    
    bm.to_mesh(obj.data)
    bm.free()
    obj.data.update()

PATTERN RICORRENTI

Arteria coronaria (tubo su curva a S)

# Spine a S per Left Anterior Descending (LAD)
spine = []
for i in range(40):
    t = i / 39
    x =  0.02 * math.sin(t * math.pi)
    y = -0.01 * math.sin(t * 2 * math.pi)
    z =  0.09 - t * 0.06
    spine.append(Vector((x, y, z)))

# Taper: si assottiglia verso la punta
radii = [0.003 * (1.0 - t * 0.6) for t in [i/39 for i in range(40)]]
build_vessel(spine, taper=radii, segments=10, name="Coronary_LAD")

Colonna vertebrale (catena di corpi vertebrali)

# Spine con curvatura lombare (lordosi)
def lumbar_spine(n_vertebrae=5, base_z=0.0):
    objects = []
    for i in range(n_vertebrae):
        t  = i / max(n_vertebrae - 1, 1)
        x  = 0.02 * math.sin(t * math.pi)       # lordosi lombare
        z  = base_z + i * 0.033                 # spaziatura 33mm
        h  = 0.025 * (1.0 - 0.1 * abs(t - 0.5)) # vertebre più alte al centro
        
        bpy.ops.mesh.primitive_cylinder_add(
            radius=0.022, depth=h, location=(x, 0, z))
        vb = bpy.context.active_object
        vb.name = f"L{i+1}_Vertebra"
        vb.data.shade_smooth()
        objects.append(vb)
    return objects

DNA doppia elica in 3 righe

import math
from mathutils import Vector
s1 = [Vector((math.cos(i*.628), math.sin(i*.628), i*.034)) for i in range(20)]
s2 = [Vector((-math.cos(i*.628), -math.sin(i*.628), i*.034)) for i in range(20)]
build_vessel(s1, radius=0.06, segments=8, name="Strand_1")
build_vessel(s2, radius=0.06, segments=8, name="Strand_2")

REGOLE QUALITÀ

  1. Parallel Transport sempre su catene di oggetti o tubi curvi — Frenet-Serret flippa. Usa parallel_transport() o Blender Curve con Tilt=0.

  2. SubSurf PRIMA del Boolean — mai Boolean su mesh grezza, poi SubSurf. L'ordine corretto: mesh base → SubSurf (apply) → Boolean → materiali.

  3. bmesh.ops.create_cone non create_cylinder — in Blender 4+/5+ il cilindro bmesh si crea con create_cone(radius1=r, radius2=r, ...).

  4. obj.data.shade_smooth() non bpy.ops.object.shade_smooth() — l'operatore non rimuove sharp_face su mesh create con bmesh.

  5. UNIT = 0.1 (1 BU = 10 cm) per oggetti anatomici in cm. Per oggetti reali: misure in metri = 1 BU = 1 metro.

  6. Riortonormalizza il frame ogni 20-50 passi con reortho(T, N) per evitare drift numerico su catene lunghe.

  7. Verifica geometria dopo Boolean: obj.data.validate() ritorna True se ci sono errori. Usa solver='EXACT' per mesh biologiche complesse.


CRESCITA COME PROPAGAZIONE MATRICIALE (Sezione 7)

Il metodo unificante di tutti i sistemi procedurali è la propagazione locale per matrici: ogni elemento della catena (vertice, osso, vertebra, ramo) è definito come derivazione del precedente — mai in coordinate globali assolute.

Notazione rigorosa

La formula vettoriale $\vec{P}_{n+1} = \vec{P}_n + \vec{V}$ è una semplificazione fuorviante: $\vec{V}$ deve essere espresso nella base locale del passo n. La forma corretta è:

$$M_{n+1} = M_n \cdot T(d) \cdot R(\alpha, \beta)$$

dove $T(d)$ è la traslazione e $R(\alpha, \beta)$ la rotazione — entrambe in coordinate locali.

from mathutils import Vector, Matrix, Quaternion
import math

# Propagazione base: un passo lungo l'asse Z locale con rotazione angolare
def propagate_matrix(current_matrix, step_distance, alpha=0.0, beta=0.0):
    """
    Avanza di step_distance lungo l'asse Z locale, poi ruota di (alpha, beta).
    current_matrix: Matrix 4x4 del frame corrente
    alpha, beta:    rotazioni locali in radianti
    Ritorna: nuova Matrix 4x4
    """
    T = Matrix.Translation((0, 0, step_distance))
    Rx = Matrix.Rotation(alpha, 4, 'X')
    Ry = Matrix.Rotation(beta,  4, 'Y')
    return current_matrix @ T @ Rx @ Ry

# Riortonormalizzazione periodica (ogni 10-20 passi per evitare drift)
def reortho_matrix(m):
    """
    Resetta la precisione della base senza alterare l'orientamento.
    Equivalente a decomposizione QR implicita.
    """
    rot = m.to_3x3().normalized().to_4x4()
    rot.translation = m.translation
    return rot

Variabilità parametrica

Con angoli costanti → eliche, spirali, frattali uniformi (sterili). Con angoli variabili → strutture organiche:

Sorgente della variazioneStruttura generata
Noise 3DRadici nodose, vasi sinuosi, rocce
Tabella antropometricaColonna vertebrale anatomica
L-System (regole di riscrittura)Alberi, bronchi, vascolarizzazione
F-Curve BlenderDeformazioni guidate dalla fisica

Il primo passo (seme/origine) determina l'intera forma per propagazione — essenza della modellazione parametrica.

Connessione ai sistemi naturali

SistemaParametro che variaStruttura
NautilusScala × 1.0618/giroSpirale logaritmica
Colonna vertebraleAngolo lordosi/cifosi per vertebraCurva a S fisiologica
AlberoAngolo + lunghezza per livelloL-System
VascolarizzazioneDiametro scalato per biforcazioneLegge di Murray

CRESCITA ORGANICA: DAL LOCALE AL GLOBALE (Sezione 10)

Il sistema $M_{n+1} = M_n \cdot T \cdot R$ è "cieco" rispetto al mondo circostante. La soluzione è mescolare il calcolo locale con influenze globali.

Vector Blending

$$\hat{D}_{finale} = \text{normalize}\left[(1 - W) \cdot \hat{L} + W \cdot \hat{G}\right]$$

  • $\hat{L}$: direzione locale corrente (asse Z del frame)
  • $\hat{G}$: influenza globale (gravità, attrattore, campo di rumore)
  • $W \in [0,1]$: peso influenza globale (0 = locale puro, 1 = solo globale)
from mathutils import Vector

def vector_blend_step(current_matrix, global_influence_fn, step_distance, W=0.3):
    """
    Un passo di crescita con blending locale-globale.
    global_influence_fn(pos) → Vector normalizzato (l'influenza globale)
    """
    pos = current_matrix.translation.copy()
    # Direzione locale: asse Z del frame corrente
    L = (current_matrix @ Vector((0, 0, 1)) - pos).normalized()
    # Influenza globale alla posizione corrente
    G = global_influence_fn(pos)
    # Blend
    D = ((1 - W) * L + W * G).normalized()
    return pos + D * step_distance

A. Tropismo (Influenze Ambientali)

$\hat{G}$ è un vettore costante o funzione della posizione:

# Gravitropismo: rami che si piegano verso il basso
def gravitropism(pos):
    return Vector((0, 0, -1))

# Fototropismo: crescita verso una sorgente di luce
def phototropism(pos, light_pos=Vector((0.5, 0, 2.0))):
    return (light_pos - pos).normalized()

# Tigmotropismo: la vite si avvicina al muro
def thigmotropism(pos, wall_pos=Vector((0.3, 0, 0))):
    return (wall_pos - pos).normalized()

# Repulsione ostacolo: radici che aggirano un sasso
def obstacle_repulsion(pos, obstacle_pos=Vector((0, 0, 0.05))):
    return (pos - obstacle_pos).normalized()
Influenza$\hat{G}$Effetto
Gravità$(0, 0, -1)$Salice piangente, radici nodose
Punto luce$\text{norm}(P_{luce} - P_n)$Rami verso la finestra
Repulsione$\text{norm}(P_n - P_{ostacolo})$Radici che aggirano un sasso

B. Perlin Noise Vector Field

Il rumore random per-angolo produce zig-zag innaturali. Il Perlin Noise 3D produce curve fluide e continue:

import mathutils.noise as mnoise
from mathutils import Vector

def get_noise_vector(pos, scale=1.0, seed=0):
    """
    Campiona un Vector Field di rumore Perlin alla posizione globale pos.
    Tre campionamenti sfasati danno le tre componenti del vettore.
    Poiché il rumore 3D è continuo, il risultato è sempre un arco fluido.
    """
    p = pos * scale
    vx = mnoise.noise(p + Vector((seed,     0, 0)))
    vy = mnoise.noise(p + Vector((seed + 1, 0, 0)))
    vz = mnoise.noise(p + Vector((seed + 2, 0, 0)))
    return Vector((vx, vy, vz)).normalized()

# Uso: vasi coronarici sinuosi
# G = get_noise_vector(pos, scale=3.0, seed=42)
# W = 0.25  → prevalentemente locale, leggermente ondulato

C. Space Colonization Algorithm

Il più potente per strutture dendritiche (alberi vascolari, fulmini, spugne):

Pseudocodice:
  per ogni passo:
    per ogni meristema (punto di crescita attivo):
      attrattori_vicini = {a | |a - meristema| < R_influenza}
      se attrattori_vicini è vuoto → il ramo smette di crescere
      D = normalize(Σ normalize(a - meristema) per a in attrattori_vicini)
      nuovo_punto = meristema + D * step_length
      rimuovi attrattori con |a - nuovo_punto| < R_kill

Risultato: struttura che cresce in modo imprevedibile ma biologicamente sensato, riempiendo esattamente lo spazio degli attrattori — come capillari che raggiungono ogni cellula.

Applicazione cardiaca: distribuire 500 attrattori nel volume del miocardio, far partire 3 germogli (LAD, RCA, LCX) → Space Colonization produce automaticamente rami secondari e capillari.

Formula unificata (Sezioni 7 + 10)

$$M_{n+1} = \text{look_at}\left(\text{normalize}\left[(1-W) \cdot \hat{Z}_{M_n} + W \cdot \hat{G}(P_n)\right]\right) \cdot T(d)$$

Il Parallel Transport garantisce che la matrice risultante non accumuli torsioni spurie.


STATE MACHINE GROWTH (Sezione 11)

Opposto al tropismo (continuo, senza memoria): qui il cambio di direzione è discreto e condizionale. L'algoritmo ha memoria (distanza accumulata) e agisce solo al superamento di una soglia.

Sezione 10 — TropismoSezione 11 — State Machine
Cambio direzioneContinuo ad ogni passoDiscreto al superamento di soglia
MemoriaNessunaSì (distanza accumulata)
ApplicazioneRadici nodose, vasi sinuosiTubature, bambù, cavi, condotti

La Macchina a Stati

STATO 1 — Crescita Lineare
    → avanza di step_size lungo Z locale
    → incrementa distanza_accumulata
    → controlla: distanza_accumulata >= target?

TRIGGER → passa allo STATO 2

STATO 2 — Rotazione
    → calcola angolo tra Z_locale e nuova_direzione_globale
    → applica rotazione (immediata o distribuita = fillet)
    → reset distanza_accumulata = 0
    → passa allo STATO 1

Liste di waypoint: [(5m, dir_X), (8m, dir_Z), (12m, dir_Y)] — ad ogni trigger si aggiorna la direzione target.

La matematica: rotation_difference()

from mathutils import Vector, Matrix, Quaternion

def align_to_direction(current_matrix, new_direction_global):
    """
    Calcola e applica la rotazione minima per allineare Z locale a new_direction_global.
    rotation_difference() trova l'arco minimo — stesso principio del Parallel Transport
    ma per un cambio intenzionale (non per prevenire il flipping accidentale).
    """
    # Direzione locale attuale (asse Z della matrice corrente)
    z_locale = (current_matrix.to_3x3() @ Vector((0, 0, 1))).normalized()
    # Direzione target nello spazio globale
    nuova_dir = Vector(new_direction_global).normalized()
    # Quaternione di rotazione minima
    rot_quat = z_locale.rotation_difference(nuova_dir)
    # Applica alla matrice corrente
    return current_matrix @ rot_quat.to_matrix().to_4x4()

Fillet Procedurale — raccordo dello spigolo vivo

Se la rotazione è immediata → angolo netto (tubature industriali). Se distribuita su N passi → raccordo sferico (bambù, aorta, vertebre):

def fillet_turn(current_matrix, new_direction, step_size, fillet_steps=8):
    """
    Distribuisce la rotazione verso new_direction su fillet_steps passi.
    Il raggio del raccordo è proporzionale a step_size * fillet_steps.
    """
    from mathutils import Vector, Quaternion
    z_loc = (current_matrix.to_3x3() @ Vector((0, 0, 1))).normalized()
    new_dir = Vector(new_direction).normalized()
    q_total = z_loc.rotation_difference(new_dir)
    # Slerp: angolo parziale a ogni passo
    angle_total = q_total.angle
    axis = q_total.axis if q_total.axis.length > 1e-8 else Vector((0, 0, 1))
    q_step = Quaternion(axis, angle_total / fillet_steps)
    matrices = []
    m = current_matrix.copy()
    for _ in range(fillet_steps):
        m = m @ q_step.to_matrix().to_4x4() @ Matrix.Translation((0, 0, step_size))
        matrices.append(m.copy())
    return matrices  # lista di frame intermedi per il loft

Spettro discreto→continuo

Spigolo vivo              Raccordo procedurale        Tropismo continuo
(fillet_steps = 1)       (fillet_steps = N)          (W ad ogni passo)
       │                        │                            │
Tubatura industriale      Ramo di bambù              Radice organica
Condotto aerazione        Vertebra→vertebra          Coronaria sinuosa
StrutturaApproccioParametri
Tubatura industrialeState Machine, steps=1lista waypoint + direzioni
Rami bambùState Machine, steps=3-5lunghezza segmento, angolo nodo
Colonna vertebraleState Machine + Filletangoli lordosi/cifosi per segmento
AortaState Machine + Fillet largo1-2 cambi dir., raggio ~30mm
CoronarieSezione 10 (Noise Field)scala noise, W=0.2-0.4

MODELLAZIONE A GRAFO (Sezione 12)

Paradigma opposto al cinematico: invece di un punto che viaggia, si parte da una nuvola di punti già posizionati e si decide chi collegare a chi.

Cinematico (Sez. 7-11)A Grafo (Sez. 12)
InputUn punto che si muoveNuvola di punti
OutputCurva/tubo continuoRete, mesh, tessuto
AnalogiaPennello che disegnaTessitore che annoda fili

1. Plexus Effect — connessione per distanza soglia

def plexus_effect(bm, verts, d_max):
    """
    Collega ogni coppia di vertici se la distanza è < d_max.
    Complessità O(N²) — per N grandi usare KD-tree.
    Applicazioni: reti neurali, molecole, ragnatele, motion graphics.
    """
    for i, va in enumerate(verts):
        for j, vb in enumerate(verts):
            if j <= i: continue
            if (va.co - vb.co).length < d_max:
                try: bm.edges.new((va, vb))
                except ValueError: pass  # arco già esistente

2. Triangolazione di Delaunay — dalla nuvola alla mesh

Costruisce automaticamente una mesh triangolata massimizzando l'angolo minimo di ogni triangolo. Nessun punto cade dentro la circonferenza circoscritta di nessun triangolo → mesh più regolare possibile.

from scipy.spatial import Delaunay
import numpy as np

def delaunay_mesh(punti_3d, bm):
    """
    punti_3d: lista di Vector
    bm: bmesh già inizializzato
    Proietta su XY per Delaunay 2D, poi usa Z reale per i vertici.
    """
    points_2d = np.array([(v.x, v.y) for v in punti_3d])
    tri = Delaunay(points_2d)
    verts = [bm.verts.new(p) for p in punti_3d]
    for simplex in tri.simplices:
        try:
            bm.faces.new([verts[simplex[0]], verts[simplex[1]], verts[simplex[2]]])
        except ValueError: pass

Applicazioni: ricostruzione mesh da scansioni laser, terreni da punti quota, semplificazione mesh dense.

3. Diagrammi di Voronoi — l'inverso di Delaunay

Ogni cella contiene tutti i punti più vicini al suo "seme". I bordi delle celle Voronoi sono le mediatrici dei segmenti di Delaunay.

from scipy.spatial import Voronoi
vor = Voronoi(points)
# vor.vertices       = vertici dei poligoni Voronoi
# vor.ridge_vertices = archi (bordi) tra celle

Applicazioni biologiche: scaglie di rettile, struttura trabecolare dell'osso, pattern cellulare della cornea, schiuma e bolle.

4. Minimum Spanning Tree (MST) — strutture ottimizzate

Algoritmo di Kruskal: trova il sottoinsieme minimo di archi che connette tutti i punti senza cicli, minimizzando la lunghezza totale.

import heapq

def kruskal_mst(verts_list):
    """
    verts_list: lista di Vector
    Ritorna lista di coppie (i, j) degli archi del MST.
    Applicazioni: vene su foglie, ramificazioni fluviali, fulmini,
                 crepe su ceramica, struttura basilare vasi capillari.
    """
    edges = []
    n = len(verts_list)
    for i in range(n):
        for j in range(i + 1, n):
            d = (verts_list[i] - verts_list[j]).length
            heapq.heappush(edges, (d, i, j))
    parent = list(range(n))
    def find(x):
        while parent[x] != x: x = parent[x]
        return x
    mst = []
    while edges and len(mst) < n - 1:
        d, i, j = heapq.heappop(edges)
        ri, rj = find(i), find(j)
        if ri != rj:
            parent[ri] = rj
            mst.append((i, j))
    return mst

Applicazioni nel progetto cardiaco

StrutturaAlgoritmoInputOutput
Rete capillare miocardioPlexus su attrattori ASEPunti nel volumeRete di capillari
Mesh da TACDelaunay 3D su contorniPunti del contorno/sliceMesh chiusa
Pattern trabecolare VDVoronoi 3DSemi randomici nel volume RVStruttura spugnosa
Albero coronaricoMSTAttrattori nel miocardioVasi ottimizzati

SISTEMI IBRIDI: GRAFO + CINEMATICA (Sezione 13)

Il Grafo pensa, la Cinematica costruisce.

Il Grafo genera topologie perfette ma filiformi (zero spessore, non renderizzabili). La Cinematica produce geometrie volumetriche ma fatica con topologie ramificate complesse.

Schema del workflow ibrido

[ Dati Globali / Attrattori ]
           ↓
(Modellazione a Grafo — Sez. 12)
    Trova la Topologia (MST / Delaunay / Space Colonization)
           ↓
[ Scheletro Logico: Nodi e Archi ]
           ↓
(Modellazione Cinematica — Sez. 7-11)
    Sweep/Loft lungo gli archi (State Machine + Fillet)
    Parallel Transport per orientare i profili
    Legge di Murray per scalare i raggi alle biforcazioni
           ↓
[ Mesh Volumetrica 3D Finale ]

Applicazione: albero coronarico completo

# Fase 1 (Grafo): scheletro astratto
# 1. Genera attrattori sulla superficie del miocardio (proporzioni ASE)
# 2. Space Colonization → grafo di ramificazione da radice aortica
# 3. MST per determinare albero ottimale

# Fase 2 (Ibrido): trasforma archi in waypoint ordinati
# (ogni arco grafo → lista di punti intermedi per state_machine_path)

# Fase 3 (Cinematica): costruzione volumetrica
# - state_machine_path() inserisce raccordi ai cambi di direzione
# - build_vessel() genera il tubo con Parallel Transport
# - radius_bu diminuisce man mano che ci si allontana dalla radice (Legge di Murray)

# Legge di Murray per vasi sanguigni:
# r_parent^3 = r_child1^3 + r_child2^3
def murray_radius(r_parent, ratio=0.5):
    """Raggio figlio per biforcazione simmetrica."""
    return r_parent * (0.5 ** (1/3))  # ≈ r_parent * 0.794

Sintesi: il Grafo decide il "Dove" e il "Come è connesso", la Cinematica decide il "Che forma ha" e il "Quanto è spesso".


ANALISI RICHIESTA

KeywordTecnica
cuore / vaso / arteria / venabuild_shell + add_cavity + build_vessel
DNA / elica / collagenedouble_helix / helix_spine + build_vessel
colonna / vertebra / spinelumbar_spine + parallel_transport
tubo / pipe / cavo su curvabuild_vessel
sezione personalizzata / manico ovalebuild_vessel_custom_section
crescita / organico / corrugatodifferential_growth_step (iterato)
cavità / camera / vuoto internoadd_cavity + assign_cavity_material
propagazione matriciale / L-system / vertebrapropagate_matrix + reortho_matrix (Sez. 7)
tropismo / gravitropismo / fototropismo / vitevector_blend_step + influenza_fn (Sez. 10)
rumore organico / sinuoso / corona sinuosaget_noise_vector con mathutils.noise (Sez. 10)
space colonization / albero vascolareSpace Colonization pseudocode (Sez. 10)
state machine / bambù / tubatura / waypointalign_to_direction + fillet_turn (Sez. 11)
plexus / rete neurale / ragnatelaplexus_effect (Sez. 12)
delaunay / mesh da punti / scansionedelaunay_mesh con scipy (Sez. 12)
voronoi / scaglie / trabecolare / bollescipy.spatial.Voronoi (Sez. 12)
minimum spanning tree / vene foglia / fulminikruskal_mst (Sez. 12)
grafo + loft / albero coronarico completoWorkflow ibrido Grafo→Cinematica (Sez. 13)

Se richiesta ambigua → chiedi: "La forma ha una spine (asse principale)? Ha profili variabili lungo quell'asse? Ha influenze globali (gravità, attrattori)? Oppure parte da una nuvola di punti da connettere (grafo)?"

Output

  • Codice Python completo, nessun placeholder
  • Usa sempre parallel_transport per tubi su curva (non Frenet-Serret)
  • Dopo esecuzione: render → Read → analisi visiva → itera
  • Commenta le misure anatomiche con fonte (ASE, Gray's Anatomy, ecc.)
reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.Stars: 470kUpdated Claude CodeCodexVerifiedInstall
diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness.Stars: 322kUpdated Claude CodeCodexVerifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 322kUpdated Claude CodeCodexVerifiedInstall
executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is availableStars: 322kUpdated Claude CodeCodexVerifiedInstall