L’app di Maddisys unisce generazione da testo, scansione di oggetti reali, riparazione delle mesh ed esportazione diretta verso la stampa 3D
Lo sviluppatore britannico Maddisys Limited ha pubblicato Scano3D – AI Model & Scanner, un’applicazione per iPhone che riunisce all’interno dello stesso workflow due metodi molto differenti per ottenere un modello tridimensionale: da una parte la generazione attraverso intelligenza artificiale a partire da una descrizione testuale o da una fotografia di riferimento, dall’altra la scansione di un oggetto fisico utilizzando il sensore LiDAR degli iPhone compatibili. In entrambi i percorsi l’obiettivo dichiarato è arrivare rapidamente a una mesh chiusa e utilizzabile da uno slicer, riducendo la necessità di passare attraverso Blender, Meshmixer o altri software di riparazione prima della stampa. Scano3D non deve però essere interpretata come un’applicazione CAD ingegneristica. Il risultato generato è una mesh poligonale, non un modello parametrico formato da feature, quote, schizzi e vincoli geometrici. Anche quando l’utente imposta un’altezza esatta in millimetri, l’app può scalare correttamente l’ingombro complessivo del modello, ma questo non garantisce automaticamente che fori, spessori, superfici di accoppiamento e altri dettagli possiedano la precisione richiesta da un componente meccanico.
Dal prompt a una mesh in meno di un minuto
Nel workflow AI l’utente può semplicemente descrivere l’oggetto desiderato. Maddisys utilizza come esempio un fungo rosso con macchie bianche, ma il principio è quello ormai familiare dei sistemi text-to-3D: una descrizione naturale viene trasformata in una rappresentazione tridimensionale che può essere visualizzata, modificata ed esportata. Secondo lo sviluppatore, una generazione normale richiede generalmente 20-60 secondi, mentre richieste più complesse possono arrivare a circa due minuti. È possibile anche allegare una fotografia per guidare la generazione. L’immagine non deve quindi essere necessariamente utilizzata per una ricostruzione fotogrammetrica fedele: può funzionare come riferimento visivo dal quale l’AI interpreta forma e caratteristiche dell’oggetto.
Uno degli aspetti più interessanti è l’interazione conversazionale. Una volta creato il primo modello, l’utente può continuare a impartire istruzioni come “rendilo alto 80 mm” oppure modificare un particolare estetico. La cronologia resta associata al modello, quindi una successiva sessione può mantenere il contesto delle richieste precedenti. Questa impostazione abbassa significativamente la barriera d’ingresso rispetto alla modellazione tradizionale: invece di modificare manualmente vertici, superfici o parametri, l’utente descrive il risultato che vuole ottenere. Il limite è lo stesso di tutti i sistemi generativi: l’AI interpreta la richiesta e ricostruisce una geometria statisticamente plausibile, ma non possiede automaticamente la stessa determinazione geometrica di un progettista che definisce consapevolmente ogni quota.
Una mesh AI non è un file CAD anche quando è pronta per lo slicer
La distinzione diventa particolarmente importante quando Scano3D viene presentata come strumento per la stampa 3D. Una mesh può essere perfettamente chiusa e quindi risultare tecnicamente “print-ready”, ma contenere comunque dettagli troppo sottili, overhang difficili, superfici che richiedono supporti, geometrie non funzionali oppure proporzioni differenti rispetto a quelle immaginate dall’utente. Il controllo watertight verifica essenzialmente che il modello delimiti un volume chiuso, evitando bordi aperti e alcune categorie di errori topologici. Non verifica automaticamente resistenza strutturale, spessore minimo, tolleranze, orientamento, stabilità sul piano o compatibilità con un determinato processo di stampa. Per figurine, decorazioni, miniature, oggetti artistici e prototipi visivi questa differenza può essere poco importante. Per un supporto meccanico, un ricambio o una parte che deve accoppiarsi con un oggetto esistente, il modello dovrebbe invece essere controllato e, spesso, ricostruito in CAD.
Scano3D permette anche di partire direttamente da un oggetto reale
Il secondo workflow è completamente differente perché parte dalla realtà fisica. Sugli iPhone dotati di LiDAR Scanner, Scano3D utilizza i dati di profondità per creare una rappresentazione poligonale dell’oggetto. L’app offre tre modalità denominate Quick, Detailed e Turntable, pensate per adattare la cattura a differenti condizioni. Durante la scansione viene mostrata una mesh sovrapposta in tempo reale, consentendo all’utente di vedere quali parti dell’oggetto sono già state acquisite e quali richiedono ulteriori passaggi della fotocamera. La funzione di object isolation cerca inoltre di eliminare automaticamente tavolo, pavimento e sfondo. È un dettaglio importante perché uno dei problemi classici della scansione 3D con smartphone è ottenere, insieme all’oggetto, pezzi della superficie sulla quale si trova. Scano3D cerca di separare direttamente il soggetto e permette comunque di ritagliare la cattura prima della generazione definitiva della mesh.
Il LiDAR degli iPhone non deve essere confuso con uno scanner metrologico industriale. Apple stessa descrive la scene reconstruction di ARKit come una approssimazione poligonale dell’ambiente fisico. Il sensore è stato progettato principalmente per realtà aumentata, misurazione della profondità e comprensione della scena, non per sostituire sistemi structured-light o laser scanner ad alta precisione. La qualità finale dipende inoltre fortemente dal software che elabora i dati. Studi comparativi condotti su applicazioni LiDAR mobili hanno mostrato differenze molto ampie fra software diversi pur utilizzando lo stesso hardware, dimostrando che algoritmi di ricostruzione, filtraggio e allineamento incidono quanto il sensore stesso. Scano3D può quindi essere molto utile per acquisire rapidamente forme organiche e oggetti relativamente grandi, ma una scansione ottenuta con iPhone non dovrebbe essere considerata automaticamente una copia dimensionale certificata dell’originale.
Oggetti opachi e ricchi di dettagli sono più semplici da acquisire
Come accade con gran parte delle tecnologie di scansione ottica, alcuni oggetti sono naturalmente più facili di altri. Superfici riflettenti, trasparenti, molto scure o prive di caratteristiche riconoscibili possono creare problemi. Anche parti sottilissime, cavità profonde e zone non visibili direttamente dal sensore possono essere ricostruite male o rimanere completamente assenti. Apple raccomanda per i propri workflow di acquisizione condizioni di illuminazione uniformi e sottolinea che oggetti rigidi e con caratteristiche visive ben distinguibili vengono generalmente acquisiti meglio rispetto a superfici lucide o poco caratterizzate. La modalità Turntable di Scano3D può risultare utile per piccoli oggetti che vengono fatti ruotare mentre il telefono rimane in una posizione relativamente controllata, ma non elimina i limiti fisici dell’acquisizione. Se il fondo dell’oggetto non viene mai visto dal sensore, il software dovrà chiudere quella zona attraverso una ricostruzione geometrica.
La funzione Make Print-Ready automatizza la riparazione della mesh
La parte probabilmente più utile per chi stampa in 3D non è necessariamente la generazione AI, ma l’insieme degli strumenti di pulizia integrati. Scano3D dispone di un comando Make Print-Ready che esegue una sequenza di operazioni sulla mesh: rimozione dei frammenti isolati, riempimento dei fori, welding dei vertici, semplificazione e altre operazioni di pulizia. Secondo Maddisys, il software cerca anche di distinguere piccoli frammenti inutili da parti più grandi che potrebbero appartenere realmente al modello: invece di eliminare indiscriminatamente ogni elemento separato, può tentare di riattaccare quelli considerati significativi.
Questa automatizzazione affronta un problema concreto. Un modello ottenuto mediante scansione contiene spesso migliaia o milioni di triangoli, piccoli artefatti e zone incomplete. Prima di essere passato allo slicer può quindi essere necessario eliminare rumore, chiudere superfici e correggere bordi. Tradizionalmente queste operazioni richiedono software desktop e una certa esperienza. Scano3D cerca invece di condensarle in pochi comandi eseguibili direttamente sull’iPhone. Anche qui l’automazione deve essere utilizzata con criterio: chiudere automaticamente un foro significa che il software deve inventare la superficie mancante. Se il foro deriva da una zona dell’oggetto non acquisita, la geometria ricostruita può risultare pulita dal punto di vista topologico ma non necessariamente fedele all’oggetto originale.
Il modello può essere portato a una misura esatta in millimetri
Una volta ottenuta la mesh, l’utente può impostarne le dimensioni in millimetri. È una funzione particolarmente utile nel passaggio verso la stampa 3D perché molti workflow di scansione e grafica possono perdere o interpretare diversamente l’unità di misura. Specificando, per esempio, che l’oggetto deve avere un’altezza di 80 mm, Scano3D può ridimensionare la mesh all’ingombro desiderato. Questo non deve però essere confuso con una vera modifica parametrica. Se un modello generato presenta un foro di 8 mm quando dovrebbe averne uno da 10, portare l’altezza complessiva a 80 mm scalerà tutte le dimensioni proporzionalmente e non correggerà indipendentemente quel foro. Per parti funzionali rimane quindi necessario verificare singolarmente le dimensioni importanti.
STL, 3MF, OBJ, GLB e USDZ permettono di utilizzare lo stesso modello in ambienti diversi
Scano3D può importare ed esportare STL, 3MF, OBJ, GLB e USDZ. La varietà dei formati permette di utilizzare l’app non soltanto come generatore per la stampa 3D, ma anche come punto di passaggio verso software di grafica, realtà aumentata e modellazione. STL rimane il formato più semplice per il normale slicing: descrive essenzialmente la superficie geometrica attraverso triangoli e non conserva in modo moderno informazioni come colori o materiali. Il formato 3MF consente invece di trasferire più informazioni e Scano3D esporta modelli a colori creando un oggetto distinto per ciascun colore, con particolare riferimento alla compatibilità con il workflow delle stampanti Bambu Lab. Questo può semplificare la preparazione di oggetti destinati a sistemi multimateriale, anche se l’utente dovrà comunque associare all’interno dello slicer i differenti oggetti ai filamenti realmente disponibili.
OBJ e GLB sono più comuni nei workflow grafici e 3D general purpose, mentre USDZ è fortemente integrato nell’ecosistema Apple e nelle applicazioni di realtà aumentata. L’app può quindi funzionare anche come convertitore e visualizzatore di mesh provenienti da altre fonti, non soltanto da proprie scansioni o generazioni.
L’app mostra anche numero di triangoli e stato watertight
Un dettaglio utile per gli utenti più esperti è la visualizzazione in tempo reale del numero di triangoli e dello stato della mesh. Un modello molto complesso può contenere un numero enorme di facce senza offrire necessariamente un miglioramento reale della qualità della stampa. Una superficie acquisita da LiDAR può infatti accumulare rumore e microvariazioni che lo slicer deve elaborare ma che una stampante FDM con nozzle da 0,4 mm non sarà mai in grado di riprodurre. La semplificazione della mesh permette quindi di ridurre le dimensioni del file mantenendo una geometria adeguata alla risoluzione fisica della stampante. Il bilanciamento fra dettaglio e complessità è particolarmente importante su smartphone, dove memoria e potenza di calcolo sono più limitate rispetto a una workstation.
La generazione AI è stata aggiunta durante l’estate 2026
Scano3D è un’app molto giovane. Le prime versioni sono apparse nell’estate 2026 e l’aggiornamento 1.3.0 dell’8 agosto ha introdotto esplicitamente Cloud AI, generazione da testo o fotografia e 3MF a colori. Le successive versioni hanno aggiunto dettatura, persistenza della conversazione associata al modello e miglioramenti alla gestione delle generazioni lunghe o fallite. Il rapido ciclo di aggiornamenti mostra che il prodotto è ancora in una fase di sviluppo molto dinamica. Questo è positivo dal punto di vista delle nuove funzionalità, ma significa anche che prestazioni, limiti e modello commerciale possono cambiare più rapidamente rispetto a software consolidati.
La scheda App Store italiana indica un’app di circa 5,1 MB, disponibile gratuitamente con acquisti in-app e compatibile con iPhone che utilizzano iOS 26 o successivo e almeno un chip A12 Bionic. Questa compatibilità generale riguarda però generazione AI, modifica, importazione ed esportazione; la scansione richiede specificamente un modello dotato di LiDAR. In pratica, la semplice presenza dell’app sull’iPhone non significa che tutte le funzioni di acquisizione siano disponibili.
Tre esportazioni gratuite e un modello freemium per le funzioni AI
La versione gratuita concede inizialmente tre esportazioni, alle quali si aggiunge successivamente un’ulteriore esportazione al mese. Le funzioni di scansione, visualizzazione, importazione e gli strumenti di editing rimangono utilizzabili, mentre il servizio cloud comprende tre azioni AI mensili. La versione Pro elimina il limite sulle esportazioni, porta a 40 le azioni Cloud AI mensili e permette di utilizzare provider AI attraverso chiavi personali. Sono disponibili anche pacchetti aggiuntivi da 20 o 50 azioni. Maddisys indica inoltre una prova gratuita di sette giorni per gli abbonamenti Pro. I prezzi effettivi possono cambiare in funzione del mercato e della formula scelta; sull’App Store italiano compaiono differenti acquisti in-app, quindi è più corretto verificare direttamente il prezzo mostrato al momento dell’acquisto invece di associare all’app un unico costo fisso.
Il cloud Maddisys non è l’unica possibilità per l’intelligenza artificiale
La documentazione aggiornata dello sviluppatore contiene un elemento non presente nell’articolo originale di 3Druck. Per impostazione predefinita Scano3D utilizza Cloud AI attraverso un gateway Maddisys, senza richiedere account o chiavi API all’utente. La versione Pro può però permettere l’utilizzo di proprie chiavi OpenAI o Anthropic e Maddisys indica anche la possibilità di utilizzare un Apple Foundation Model on-device, senza connessione di rete. Questa architettura è interessante soprattutto dal punto di vista della privacy e dei costi, ma non deve portare alla conclusione che ChatGPT, Claude o il modello Apple costituiscano direttamente il motore text-to-mesh. La documentazione pubblica descrive questi servizi come provider AI utilizzabili dall’app, ma non dettaglia l’intera pipeline con cui viene materialmente generata la geometria 3D. È quindi più corretto parlare di un livello AI integrato nel workflow di Scano3D senza attribuire la generazione della mesh a un determinato foundation model finché Maddisys non pubblicherà informazioni tecniche più precise.
Le scansioni rimangono sul telefono, ma la generazione cloud invia prompt e immagini
Maddisys pone particolare enfasi sulla privacy. Secondo lo sviluppatore, scansioni e modelli rimangono localmente sul dispositivo e non vengono caricati su un server semplicemente per essere archiviati. Quando viene utilizzata la generazione cloud, invece, devono naturalmente lasciare il telefono almeno le informazioni necessarie all’elaborazione: il prompt e, quando fornita, la fotografia di riferimento. L’App Store riporta inoltre che, secondo la dichiarazione dello sviluppatore, l’app non raccoglie dati. Apple precisa normalmente che queste informazioni vengono dichiarate dallo sviluppatore e non costituiscono una verifica indipendente delle pratiche di privacy. Utilizzando chiavi personali o provider esterni entrano inoltre in gioco anche le condizioni di trattamento dati del servizio scelto. Per un normale oggetto decorativo questo può avere importanza limitata; per modelli riservati, prototipi aziendali o geometrie coperte da proprietà intellettuale è invece opportuno valutare attentamente quale modalità AI utilizzare.
Il modello Apple on-device apre una strada interessante, ma non elimina tutti i calcoli esterni necessari alla generazione 3D
Apple nel 2026 dispone di una nuova generazione di Foundation Models eseguibili anche localmente su hardware compatibile. L’accesso on-device può consentire ad applicazioni come Scano3D di svolgere almeno alcune funzioni di comprensione del linguaggio senza inviare i dati a server esterni. Questo è particolarmente interessante per classificazione delle richieste, interpretazione delle modifiche e gestione della conversazione. La generazione di una mesh tridimensionale completa rimane però un compito molto differente e computazionalmente pesante. Senza una descrizione tecnica del backend Scano3D non è possibile stabilire quali fasi vengano effettivamente elaborate localmente e quali eventuali servizi siano coinvolti nella trasformazione finale verso la geometria. La disponibilità di una modalità “no network” dichiarata da Maddisys suggerisce comunque che almeno un workflow AI può operare completamente sul dispositivo nelle configurazioni supportate.
LiDAR e AI risolvono problemi opposti
La presenza delle due tecnologie nella stessa app può farle sembrare intercambiabili, ma in realtà sono complementari. L’AI è utile quando l’oggetto non esiste ancora. L’utente descrive un’idea e riceve una possibile interpretazione tridimensionale. Il LiDAR è invece utile quando l’oggetto esiste già e si vuole digitalizzarne la forma. Nel primo caso il problema principale è la coerenza della geometria generata con l’intenzione dell’utente; nel secondo è la fedeltà della ricostruzione rispetto alla realtà. Per creare una piccola creatura fantasy può avere più senso partire dal prompt. Per riprodurre la forma di una statuetta esistente è più logico usare il LiDAR. Per ricostruire un ingranaggio, una cover o un componente con tolleranze precise, nessuno dei due workflow sostituisce necessariamente un rilievo dimensionale seguito da modellazione CAD.
Il LiDAR dell’iPhone è molto utile ma non nasce per il reverse engineering di precisione
Apple utilizza il proprio LiDAR in framework come ARKit e RoomPlan per comprendere rapidamente lo spazio circostante e costruire mesh dell’ambiente. La documentazione ufficiale parla esplicitamente di una rappresentazione poligonale approssimata. Le applicazioni possono combinare questi dati con immagini, machine learning, riconoscimento dei piani e altri algoritmi per ottenere un risultato migliore. Questo spiega perché due app installate sullo stesso iPhone possano produrre scansioni molto differenti. Uno studio del 2025 che ha confrontato Polycam e Scaniverse su uno stesso iPhone 12 Pro Max ha misurato differenze considerevoli nell’errore geometrico, mostrando quanto la pipeline software influenzi il risultato. Il test non riguarda Scano3D e quindi non permette di attribuire all’app Maddisys una determinata precisione; dimostra però che non è possibile dedurre l’accuratezza di uno scanner semplicemente dalla presenza del LiDAR Apple.
Per un reverse engineering serio servirebbero quindi prove specifiche di Scano3D contro oggetti misurati con strumenti di riferimento, includendo deviazione media, errore massimo, comportamento su differenti dimensioni e ripetibilità. Maddisys non pubblica al momento una specifica metrologica di questo tipo. L’app appare quindi maggiormente orientata alla creazione rapida e alla stampa consumer/maker che alla metrologia industriale.
Il vero vantaggio è ridurre il numero di software necessari fra idea e stampa
Il valore più evidente di Scano3D è probabilmente il tentativo di riunire operazioni che normalmente richiederebbero strumenti differenti. Un utente potrebbe generare un modello in un servizio AI, scaricarlo, aprirlo in un software mesh, riparare le superfici, ridimensionarlo, esportarlo in STL e infine importarlo nello slicer. Per una scansione il processo può essere ancora più lungo. Scano3D prova invece a mantenere generazione, scansione, pulizia, controllo watertight, ridimensionamento ed esportazione all’interno dello stesso iPhone. È un approccio particolarmente coerente con la recente evoluzione della stampa 3D desktop: mentre le macchine sono diventate più automatiche, il collo di bottiglia per molti nuovi utenti si è spostato dalla gestione della stampante alla creazione del file.
Se l’utente possiede una Bambu Lab o un’altra macchina moderna che automatizza livellamento, calibrazione e numerosi parametri di processo, riuscire a creare rapidamente un oggetto senza imparare Blender o un CAD può ridurre notevolmente il tempo fra idea e primo prototipo fisico.
La compatibilità 3MF a colori guarda direttamente alla stampa multimateriale desktop
L’esportazione 3MF con oggetti separati per colore mostra anche quanto Scano3D sia orientata alla nuova generazione di stampanti consumer multimateriale. Bambu Lab ha contribuito a rendere molto più comune l’utilizzo di quattro o più filamenti nello stesso lavoro e altri produttori stanno seguendo la stessa direzione. Una mesh AI colorata può quindi essere esportata con le differenti regioni cromatiche separate e successivamente associate ai materiali all’interno dello slicer. Questo non significa che l’app generi necessariamente una vera struttura multimateriale ingegnerizzata: il colore rappresenta soprattutto una suddivisione geometrica utile al software di preparazione. Rimane comunque un passo avanti rispetto all’STL tradizionale, che perde completamente questa informazione.
Per figurine, cosplay e oggetti decorativi la generazione AI può essere particolarmente efficace
Il mercato più naturale per la componente text-to-3D comprende miniature, decorazioni, personaggi, accessori cosplay, giocattoli, oggetti personalizzati e concept. Sono tutte applicazioni nelle quali l’utente valuta principalmente l’aspetto e può accettare una certa libertà interpretativa. Una persona che chiede “un piccolo drago sorridente da mettere sulla scrivania” non possiede necessariamente una specifica geometrica esatta. Può quindi generare più versioni, modificare il prompt e scegliere quella preferita. In questi casi la capacità di produrre un modello in meno di un minuto è molto più importante della precisione dimensionale.
Il discorso cambia per componenti funzionali. Chiedere all’AI “crea un supporto per un motore con quattro fori M4 a interasse 36 mm” non offre le stesse garanzie di costruire uno sketch quotato in Fusion, SolidWorks, Onshape o FreeCAD. Anche se il modello generato apparisse corretto, le dimensioni andrebbero verificate. La generazione AI di mesh e il CAD parametrico stanno convergendo, ma non sono ancora equivalenti.
La scansione può invece essere utile per creare basi da modificare successivamente
Il LiDAR può offrire un valore interessante anche quando la mesh non viene stampata direttamente. Una scansione può essere importata in un CAD o in un software di modellazione e utilizzata come riferimento geometrico. Se si deve creare, per esempio, un supporto che segua una superficie curva esistente, avere una mesh approssimata può essere molto più utile che partire da zero. L’utente può quindi utilizzare Scano3D come primo passaggio del reverse engineering e successivamente costruire sopra la scansione una geometria parametrica controllata. È spesso un workflow più realistico per parti funzionali rispetto alla stampa diretta del modello acquisito.
Scano3D mostra soprattutto come l’iPhone stia diventando una piattaforma completa per il workflow 3D consumer
Fino a pochi anni fa ottenere una mesh da un oggetto richiedeva uno scanner dedicato o un lungo workflow fotogrammetrico su computer. Generare invece un oggetto tridimensionale partendo da una frase non era praticamente possibile per un normale utente. Scano3D concentra oggi entrambe le possibilità nello stesso dispositivo che molte persone hanno già in tasca. Il risultato non sostituisce scanner industriali, software CAD o strumenti professionali di reverse engineering, ma abbassa drasticamente il livello di competenze necessario per arrivare a un primo modello fisico.
La vera novità non è quindi semplicemente poter “stampare un oggetto creato dall’AI”. È l’integrazione di idea, acquisizione, generazione, riparazione e preparazione della geometria in un unico ambiente mobile. Per un maker che vuole creare rapidamente un oggetto decorativo, duplicare una forma esistente o modificare un modello senza imparare software complessi, questo può rappresentare un cambiamento concreto del workflow.
Scano3D deve comunque essere utilizzata con aspettative corrette. Una mesh generata dall’AI non è automaticamente un progetto ingegneristico; una scansione LiDAR non è automaticamente una misura metrologica; un file watertight non è automaticamente stampabile senza supporti o difetti. Ma se l’obiettivo è passare rapidamente da “vorrei questo oggetto” oppure “voglio copiare questa forma” a una mesh che posso aprire nello slicer, Maddisys sta cercando di ridurre quel percorso a pochi minuti direttamente dall’iPhone.
