BrepCoder: A Unified Multimodal Large Language Model for Multi-task B-rep Reasoning

本論文は、CAD の業界標準である境界表現（B-rep）を構造的なコードとして解釈し、逆設計の事前学習と多様な下流タスクへの拡張を含む二段階トレーニング戦略を採用することで、多様な CAD 課題を統一的に解決するマルチモーダル大規模言語モデル「BrepCoder」を提案するものである。

要約

🛠️ BrepCoder：3D デザインの「魔法の翻訳者」

この論文は、**「BrepCoder（ブレップコーダー）」という新しい AI について紹介しています。
これを一言で言うと、「3D モデルの設計図（B-rep）を、AI が理解できる『プログラミング言語』に翻訳し、あらゆるデザイン作業をこなす万能な助手」**です。

従来の AI は「写真を見て形を当てる」ことしかできませんでしたが、BrepCoder は**「なぜその形になったのか」という「設計の思考プロセス」そのものを理解**できるようになりました。

以下に、難しい専門用語を使わず、身近な例え話で解説します。

---

1. 従来の AI との違い：「写真」か「設計図」か？

• 従来の AI（写真屋）：
  3D モデルを「点の集まり（点雲）」や「写真」として見ていました。
  • 例え話: 「このお菓子の形は丸いね」と言えるけど、「どうやって作られたのか（クッキー型で抜いたのか、手で丸めたのか）」は分かりません。だから、形を直すときや、欠けた部分を補うのは苦手でした。
• BrepCoder（設計士の頭脳）：
  業界標準の「B-rep（境界表現）」というデータ形式を、**「Python というプログラミング言語」**に変換して読みます。
  • 例え話: お菓子の形だけでなく、「まず円を描いて、次に切り取り、最後に押し出す」という**「レシピ（手順）」**をそのまま理解します。

2. BrepCoder のすごいところ：2 段階のトレーニング

この AI は、プロの設計士になるために、2 つのステップで修行しました。

ステップ 1：「逆工程」の修行（設計図からレシピを作る）

• 何をする？
  完成された 3D モデル（B-rep）を見て、それをどうやって作ったらいいかという「Python コード（レシピ）」をゼロから書き出します。
• 例え話:
  完成した「ケーキ」を見て、「あ、これはまずスポンジを焼いて、次にクリームを塗り、最後にイチゴを乗せたんだな」という工程を推理して書き出す練習です。
  これにより、AI は「形」と「その形を作る論理（設計意図）」の関係を深く理解します。

ステップ 2：「万能選手」への転身（様々なタスクをこなす）

ステップ 1 で「設計のロジック」を頭に入れた状態で、実際の仕事を任されます。

• 穴埋め（Completion）: 「前半のレシピはこれだけど、後半はどうなる？」と聞かれて、続きを完璧に書けます。
• ミス直し（Error Correction）: 「レシピにミスがあるよ（例えば、円を引くはずが四角になっている）」と指摘されると、3D モデルを見て「あ、ここが間違ってるね」と直せます。
• 質問に答える（CAD-QA）: 「このモデルの穴は何個ある？」「この部分はどんな形？」と聞かれると、正解を答えます。

3. なぜこれが画期的なのか？

これまでの AI は、タスクごとに「写真を見る専門 AI」「点を見る専門 AI」と別々で作られていました。新しい仕事が始まると、またゼロから作り直す必要があり、非効率でした。

BrepCoder は「一つの脳」で全てをこなします。

• 統一された言語: 3D データを「コード（言語）」として扱うことで、AI が持っている「プログラミングの知識」をそのままデザインに応用できます。
• 論理的思考: 単に形を模倣するのではなく、「なぜこの曲線が必要なのか」という設計者の意図まで理解しているため、複雑な修正や生成も得意です。

4. 具体的な成果（実験結果）

• 逆工程（設計図の復元）: 既存の最高峰の AI よりも、より正確に、より少ない失敗率で「レシピ」を生成できました。
• ミス直し: 従来の AI は 2D の写真から推測しようとして失敗しましたが、BrepCoder は 3D の構造そのものを見て、正確な数値まで含めて修正できました。
• 質問への回答: 非常にコンパクトなモデル（15 億パラメータ）でありながら、巨大なモデルに匹敵する正解率を叩き出しました。

まとめ

BrepCoder は、3D デザインの世界における「翻訳者」兼「設計助手」です。

• 入力: 完成された 3D モデル（B-rep）
• 処理: 「これはこう作られたんだ」という設計ロジックをコードとして理解
• 出力: 設計の修正、完成、質問への回答など、あらゆるタスクをこなす

これにより、エンジニアやデザイナーは、AI に「形を直して」「この部分の説明をして」と自然に指示を出せるようになり、**「知能化されたデザイン自動化」**が現実のものになりつつあります。

技術概要

BrepCoder: B-rep 入力による多様な CAD タスクを遂行する統合型マルチモーダル大規模言語モデル

本論文は、コンピュータ支援設計（CAD）分野における既存の課題を解決し、境界表現（B-rep）データを直接入力として利用する統合型マルチモーダル大規模言語モデル（MLLM）「BrepCoder」を提案するものです。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. 背景と問題定義

近年、深層学習を用いた CAD 分野の研究は活発化していますが、以下の主要な限界が存在します。

• タスク特化型の非効率性: 既存の手法の多くは、リバースエンジニアリング、モデル補完、エラー修正など、特定のタスクごとに異なるアーキテクチャを必要としており、スケーラビリティに欠けます。
• 入力形式の偏り: 多くの研究が点群や画像を主たる入力形式としており、産業標準である B-rep（境界表現）形式を直接活用する手法は限られています。
• 設計ロジックの欠如: 既存の B-rep 関連の MLLM は、形状の記述や分類には成功していますが、形状を構築するための「手順（モデリングシーケンス）」や「設計ロジック」を理解・生成する能力には限界がありました。

これらの課題に対し、BrepCoder は B-rep を構造化された「コード」として解釈し、大規模言語モデル（LLM）の汎用的な推論能力を活用することで、多様な CAD タスクを単一のモデルで解決することを目指しています。

2. 提案手法：BrepCoder

BrepCoder は、B-rep データと Python 風の CAD コードを対照させ、2 段階のトレーニング戦略を採用するフレームワークです。

2.1 多モーダルアライメント（Phase 1）

• CAD コード表現: 従来の整数トークンではなく、CAD-Llama で提案された「Python 風 CAD コード」を採用します。これにより、LLM が持つプログラミング知識を最大限に活用し、オブジェクト指向の構文（スケッチ変数の宣言、メソッド呼び出し、明示的な参照など）を通じて設計ロジックを表現します。
• B-rep 特徴エンコーディング: UV-Net をベースとしたエンコーダを使用し、B-rep のトポロジー（面と辺）をグラフ構造として処理します。局所的な幾何学的特徴とグローバルな形状特徴を抽出し、結合した特徴量 $z_{brep}$ を生成します。
• CoCa ベースのアライメント: 単なる分類だけでなく、コード生成を目的とするため、CoCa（Contrastive Captioner）フレームワークを採用します。
  • 対照損失（Contrastive Loss）: B-rep 特徴と CAD コードのグローバル特徴を一致させます。
  • キャプション損失（Captioning Loss）: B-rep 特徴から CAD コードを生成するタスクで学習します。
    これにより、エンコーダは形状の微細な幾何学的詳細と設計ロジックの両方を捉えるように最適化されます。

2.2 マルチモーダル統合とトレーニング（Phase 2）

• 統合: 学習済みの B-rep エンコーダを凍結し、プロジェクタ（MLP）を介して LLM（Qwen 2.5-1.5B-Base）に接続します。
• 2 段階トレーニング戦略:
  1. Stage 1（リバースエンジニアリング）: B-rep 入力から対応する CAD コードを生成するタスクでモデルを事前学習します。これにより、幾何学的特徴と設計ロジックの相関関係をモデルに内化させます。
  2. Stage 2（マルチタスク適応）: Stage 1 で獲得した設計ロジックの知識を活用し、以下のダウンストリームタスクに対してファインチューニングを行います。
     • モデル補完（Completion）: 部分的なコードと B-rep から欠損部分を補完。
     • エラー修正（Error Correction）: 論理的矛盾やパラメータ誤りを含むコードを B-rep 情報に基づき修正。
     • CAD-QA: 形状の性質や設計意図に関する質問に回答。

3. 主要な貢献

1. B-rep を中核とする統合フレームワーク: 幾何学的表現を Python 風コードと対照させることで、LLM が複雑な設計ロジックを直接解釈できる環境を構築しました。
2. 2 段階トレーニング戦略の導入: リバースエンジニアリングによる事前学習を通じて設計ロジックを内化させることで、多様なダウンストリームタスクに対する強力な汎化性能を確保しました。
3. 高度な推論タスクでの高性能化: リバースエンジニアリング、補完、エラー修正、CAD-QA といった、高度な工学推論を要するタスクにおいて、既存の手法や商用 MLLM を凌駕する性能を実証しました。

4. 実験結果

DeepCAD データセットおよび SGP-Bench を用いた評価において、BrepCoder は以下の結果を示しました。

• リバースエンジニアリング:
  • 形状類似度を示す Chamfer Distance (CD) が 0.464（既存 SOTA の CADCL は 0.972）と、約 52% 改善。
  • パラメータ精度（$ACC_{param}$）は 82.01% で最高記録。
  • 生成失敗率（Invalid Ratio）が 0.86% と極めて低く、実行可能な CAD モデルを安定して生成。
  • 注: コマンド精度（$ACC_{cmd}$）は 89.34% と CADCL よりわずかに低いが、これは「同一形状でも設計者の意図によりコマンド順序や数が異なる（モデルの曖昧性）」ためであり、生成された形状自体は Ground Truth と幾何学的に一致しています。
• ダウンストリームタスク:
  • 補完タスク: $ACC_{cmd}$ 92.69%、$ACC_{param}$ 87.94% で、テキストベースの CAD-Llama を上回りました。B-rep の豊富な情報量と事前学習されたロジックが寄与しています。
  • エラー修正: 商用 MLLM（Gemini, GPT）や画像ベースの ReCAD と比較し、$ACC_{param}$ 93.74%、CD 0.335 と圧倒的な性能を発揮。2D 画像からの推測では困難な絶対座標や正確な寸法の推論が可能でした。
  • CAD-QA: 15 億パラメータの軽量モデルでありながら、PointLLM（70 億パラメータ）と同等レベルの 79% の正解率を達成しました。

5. 意義と結論

BrepCoder は、CAD 分野において「タスク特化型」から「汎用エージェント型」への転換を示す重要な成果です。

• 産業的意義: 産業標準である B-rep 形式を直接扱えるため、実務への適用性が極めて高いです。
• 技術的意義: 幾何学データとコード生成の橋渡しを行い、LLM の推論能力を CAD 設計の論理的プロセスに統合することに成功しました。
• 将来展望: 将来的には点群入力への拡張や、より複雑な CAD リコーディングタスクへの適用が期待されます。

本論文は、単なる形状認識を超え、設計意図の理解と修正、生成までを含む「知的な CAD エージェント」の実現に向けた強力な基盤を提供しています。