AI-ondersteunde creatie van contextuele 3D-assets voor XR-trainingen

Organisaties die XR-trainingen ontwikkelen voor technisch-professionele contexten hebben grote hoeveelheden contextueel relevante 3D-assets nodig: omgevingselementen en ondersteunende objecten die een trainingssituatie herkenbaar, geloofwaardig en immersief maken. De productie van deze assets is arbeidsintensief en sterk handmatig. Dit vormt niet alleen een knelpunt voor de schaalbaarheid en concurrentiepositie van gespecialiseerde XR-trainingsbedrijven — wanneer de beschikbare productiecapaciteit volledig wordt opgeslokt door basiswerk, blijft er onvoldoende ruimte over voor de kwalitatieve details en nuances die een trainingsscenario werkelijk effectief maken.
Dit project onderzoekt hoe bestaande en testbare AI-technieken — waaronder photogrammetrie-gebaseerde reconstructie, Gaussian Splatting en AI-gestuurde texturing — kunnen worden ingezet om de workflow voor contextuele 3D-assetcreatie aantoonbaar te versnellen, zonder in te leveren op visuele kwaliteit, technische inzetbaarheid en immersieve trainingswaarde. Het onderzoek wordt uitgevoerd in twee complementaire praktijkcontexten: Controllab (simulatiegedreven VR-trainingen voor maritime en offshore) en Connec2 (XR-platformtoepassingen voor training en immersieve samenwerking).
De resultaten worden vertaald naar een gedocumenteerde AI-workflow die direct toepasbaar is in de beroepspraktijk, en naar aanbevelingen voor hbo-onderwijs in Creative Media and Game Technologies over de integratie van AI-tooling in professionele XR-contentproductie. Hiermee draagt het project bij aan de productiviteitsagenda van de Nederlandse maakindustrie en aan de positie van Nederland als koploper in AI-gedreven XR-technologie.