Seek-CAD: A Self-refined Generative Modeling for 3D Parametric CAD Using Local Inference via DeepSeek

本論文は、オープンソースの DeepSeek-R1 をローカル環境で活用し、視覚情報と推論プロセス（CoT）のフィードバックを統合した自己改善メカニズムを導入することで、トレーニング不要で高品質な 3D パラメトリック CAD モデルを生成する「Seek-CAD」を提案し、SSR 設計パラダイムに基づく新規データセットと広範な実験を通じてその有効性を検証したものである。

要約

この論文は、**「Seek-CAD（シーク・キャド）」**という新しい AI システムについて紹介しています。

一言で言うと、**「AI が『設計図（3D モデル）』をゼロから描くのを手伝う、特別な『自己修正』ができるアシスタント」**です。

従来の AI は、大量のデータで「勉強（学習）」させてから使わないとダメでしたが、この新しい方法は**「勉強させずに（トレーニングフリー）」、すでに賢い AI をそのまま使って、より良い設計図を作る**という画期的なアプローチです。

わかりやすく、3 つのポイントに分けて解説しますね。

---

1. 「天才的な設計士」と「厳格な検査員」のペア

このシステムは、2 人の AI がチームを組んで働いています。

• 設計士（DeepSeek-R1）：
  これは非常に頭のいい AI です。ユーザーから「円筒形の容器を作って、そこに穴を開けて、角を丸めて」という指示を受けると、まず「どうやって作るか」を頭の中で考えます（これを「思考の連鎖」と呼びます）。そして、その思考に基づいて、3D ソフトが読める「設計コード」を書き出します。

  • 例えるなら： 料理のレシピを頭の中で考え、まず「材料を切る→炒める→味付けする」という手順を思い浮かべて、料理を作る人です。

• 検査員（Gemini-2.0）：
  これが今回の最大の特徴です。設計士が作ったコードを、ただの文字として見るのではなく、**「実際に完成した料理（3D 画像）」**として見せてチェックします。

  • 従来の方法： 「レシピ（コード）」と「注文（指示）」を比べて、「あ、ここが違うな」と直すだけでした。
  • Seek-CAD の方法： 設計士が「まず円筒を作る」と言ったら、実際に円筒の画像を見せます。次に「穴を開ける」と言ったら、穴が開いた途中の画像を見せます。最後に「角を丸める」と言ったら、完成品の画像を見せます。
  • 例えるなら： 料理人が「まず炒める」と言ったら、実際に炒めている鍋の画像を見せ、「あれ？まだ生っぽいですよ」と指摘します。そして「次は味付け」と言ったら、味付けされた皿の画像を見て、「塩味が足りません」と指摘します。

このように、**「完成形だけでなく、途中の工程もすべて画像化してチェックする」**ことで、AI は自分がどこで間違えたかを正確に理解し、コードを修正して再挑戦します。これを「自己洗練（セルフ・リファイン）」と呼びます。

2. 「レゴブロック」のような新しい組み立て方（SSR パラダイム）

これまでの AI は、CAD データの組み立て方を「スケッチ（下書き）→ 引き伸ばし」という単純な方法しか知らなかったため、複雑な形（例えば、曲がったパイプや、細かい穴が開いた機械部品など）を作ることが苦手でした。

Seek-CAD は、**「SSR（スケッチ＋特徴＋仕上げ）」**という新しい組み立て方を導入しました。

• SSR とは？
  • S (Sketch): 2 次元の図形を描く（例：円を描く）。
  • S (Sketch-based feature): それを 3 次元にする（例：円を押し出して円柱にする）。
  • R (Refinements): 仕上げをする（例：角を丸める、穴を開ける、表面を削る）。

これを「レゴブロック」のように、一つずつ組み合わせていくことで、工業製品のように複雑でリアルな形も作れるようになりました。

• 例えるなら： 以前は「積み木を積む」ことしかできませんでしたが、今では「積み木を積んだ後、角を削って、穴を開けて、塗装する」という、本物の模型を作るような工程までできるようになったのです。

3. 「勉強なし」でプロ級の仕事をこなす

通常、AI に特定の仕事をさせるには、何万ものデータで「学習（トレーニング）」させる必要があります。これは時間もお金もかかります。
しかし、Seek-CAD は**「学習させません」**。
すでに存在する「賢い AI（DeepSeek-R1）」に、過去の設計例（データベース）を「辞書」として見せながら、その場で推理させています。

• 例えるなら： 料理学校で 10 年間修行する代わりに、プロの料理人の「レシピ本（データベース）」と「調理の心得（知識制約）」を渡して、その場で「じゃあ、この注文に応える料理を作って」と頼むようなものです。結果として、非常に柔軟で、新しいアイデアも出せるようになります。

---

まとめ：なぜこれがすごいのか？

この「Seek-CAD」は、**「AI が設計図を作る際、自分で自分の間違いに気づき、画像を見ながら何度も修正して、完璧な形に近づける」**という仕組みを初めて実現しました。

• 工業製品に使える複雑な形が作れる。
• 学習（トレーニング）が不要なので、すぐに使えてコストが安い。
• 途中の工程もチェックするので、失敗が少ない。

これにより、将来、私たちが「この形を作って」とスマホに言えば、AI がすぐに工業製品レベルの設計図を完成させてくれる日が、もっと早くなるかもしれません。まるで、魔法の設計士が隣にいて、あなたのアイデアを形にしてくれるようなものです。

技術概要

SEEK-CAD: 3D パラメトリック CAD 生成のための自己洗練型生成モデル（DeepSeek によるローカル推論）

本論文は、ICLR 2026 にて発表された「SEEK-CAD」という新しい CAD 生成フレームワークを提案するものです。この研究は、大規模言語モデル（LLM）の推論能力を活用し、トレーニング（微調整）を行わずに高品質な 3D パラメトリック CAD モデルを生成することを目的としています。

以下に、問題定義、手法、主要な貢献、実験結果、および意義について詳細にまとめます。

1. 背景と課題 (Problem)

• CAD 生成の重要性: 産業製品の設計において、3D パラメトリック CAD モデル（設計履歴）は形状の編集や修正を容易にするため極めて重要です。
• 既存手法の限界:
  • ファインチューニング: 特定のドメインに適応させるために一般的ですが、計算リソースを大量に消費し、柔軟性に欠けます。
  • トレーニングフリー手法: 既存の高度な LLM（例：GPT-4）を利用しますが、Chain-of-Thought（CoT、思考の連鎖）を活用するメカニズムが不足しており、複雑な CAD 設計の論理を正確に追跡・生成する能力に限界がありました。
  • 中間プロセスの欠如: 従来の VLM（Vision Language Model）によるフィードバックは、最終形状のみを評価する傾向があり、設計プロセスの中間段階での誤りを検出・修正する仕組みが不十分でした。

2. 提案手法 (Methodology)

SEEK-CAD は、トレーニング不要で、ローカルにデプロイされた推論特化型 LLM「DeepSeek-R1」を基盤とした自己洗練（Self-Refinement）フレームワークです。

2.1 全体アーキテクチャ

フレームワークは「初期 CAD コード生成」と「コードの反復的洗練」の 2 つの主要フェーズで構成されます。

1. ローカル推論パイプライン:

   • 基盤モデル: 微調整を行わない DeepSeek-R1-32B-Q4（ローカル推論）を使用。
   • RAG（検索拡張生成）: 10,000 件の CAD モデルからなるローカルコーパスを用い、ユーザーのテキスト記述に基づき類似の CAD コードを検索し、コンテキストに追加します。
   • ナレッジ制約: システムプロンプトに「SSR 設計パラダイム」の仕様と例を含め、LLM が正しい構文と論理でコードを生成するように誘導します。

2. ステップバイステップ視覚フィードバック（SVF）:

   • 生成された初期コードを、幾何学カーネル（PythonOCC）を用いてレンダリングし、中間形状と最終形状の両方の画像を生成します。
   • DeepSeek-R1 が生成したCoT（設計思考の連鎖）と、レンダリングされたステップバイステップの画像を Vision Language Model（VLM: Gemini-2.0）に入力します。
   • VLM は「CoT で記述された設計論理」と「画像の形状」が一致しているかを評価し、不一致がある場合は具体的な修正理由をフィードバックとして DeepSeek-R1 に返します。
   • このフィードバックに基づき、LLM はコードを修正し、最大 2 回（実用上は 1 回）の反復で最終的な CAD コードを出力します。

2.2 新規設計パラダイム：SSR

従来の「スケッチ＋押し出し（SE）」パラダイムでは表現が限定的だったため、本研究では**SSR（Sketch, Sketch-based feature, Refinements）**という新しいトリプル設計パラダイムを提案しました。

• 構成: 各ステップを「スケッチ（s）」「スケッチベースの機能（f：押し出しや回転など）」「リファインメント機能（r：面取り、面取り加工、シェルなど）」の 3 要素で構成します。
• CapType 参照メカニズム: 複雑な形状において、中間工程で生成されたトポロジカルなプリミティブ（辺や面）を、後のリファインメント操作で正確に参照するための新しい参照システム（START, END, SWEPT）を導入しました。これにより、ボロノイ図や複雑なブーリアン演算を含む工業的な設計が可能になります。

2.3 データセット

• SSR パラダイムに基づく 4 万件の CAD データセットを構築・公開しました。
• 既存のデータセットには含まれていない多様な CAD コマンド（フィレット、面取り、シェルなど）を網羅し、GPT-4o によって生成されたテキスト記述とペアリングされています。

3. 主要な貢献 (Key Contributions)

1. SEEK-CAD フレームワークの提案: ローカルにデプロイされた DeepSeek-R1 を活用し、トレーニング不要で、視覚的フィードバックと CoT を組み合わせた自己洗練機能を持つ CAD 生成システムを初めて実装しました。
2. SSR 設計パラダイムと CapType: 複雑な工業用 CAD モデルの生成に適した新しい設計パラダイムと、トポロジカル参照メカニズムを提案しました。
3. 高品質なデータセットの公開: 多様な機能を持つ 4 万件の SSR ベースの CAD データセットを公開し、LLM による CAD 生成研究の基盤を提供しました。

4. 実験結果 (Results)

500 件のテストデータセットおよび DeepCAD データセットを用いた評価において、以下の結果が得られました。

• 精度の向上: 既存のトレーニングフリー手法（3D-PreMise, CADCodeVerify）およびファインチューニング手法（CAD-Llama）と比較して、Seek-CAD はすべてのメトリクスで優位な性能を示しました。
  • Chamfer Distance (CD): 0.1979（他手法より低い＝誤差が小さい）
  • IoGT (Intersection over Ground Truth): 0.7226（他手法より高い＝形状一致度が高い）
  • G-Score (テキストと画像の一致度): 3.5185
• 洗練プロセスの効果: 視覚フィードバックを 1 回行うことで、CD や HD などの幾何学的精度が大幅に向上しました。ただし、2 回以上の反復では改善が頭打ちになり、コンパイル失敗率が増加するため、1 回の反復が最適であることが示されました。
• アブレーション研究: ローカルコーパス、ナレッジ制約、中間画像、CoT などの各コンポーネントが、生成の成功率（Pass@k）や精度に不可欠であることを実証しました。特に、中間画像と CoT の組み合わせが VLM のフィードバック精度を高める鍵となりました。
• 複雑性への対応: コマンド数が多くなる複雑なモデルでも、多様性（Novelty）を維持しつつ、Ground Truth に近い形状を生成できることを確認しました。

5. 意義と結論 (Significance)

• トレーニングコストの削減: 大規模なファインチューニングを行わずに、オープンソースの推論モデルと VLM を組み合わせることで、高品質な CAD 生成を実現しました。これは計算リソースが限られた環境や、迅速なプロトタイピングにおいて極めて重要です。
• 産業応用への適合: 従来の単純な形状生成から脱却し、フィレットや面取りなどの複雑な加工を含む、実際の工業製品設計に近いパラメトリックモデルの生成を可能にしました。
• AI 支援設計の新たなパラダイム: 「テキスト→コード→画像→フィードバック→修正」というループにより、LLM の推論能力と視覚的検証を融合させた、より信頼性の高い AI 支援設計システムの構築を示唆しています。

本論文は、生成 AI を CAD 設計に応用する際、単なるコード生成だけでなく、設計論理（CoT）と視覚的検証を統合した「自己洗練」アプローチの有効性を証明し、今後のスマート設計システムの発展に大きく寄与するものです。