FutureCAD: LLM 駆動型プログラム生成とテキストベース B-Rep プリミティブ・グラウンディングによる高忠実度 CAD 生成

本論文は、複雑な産業製品設計における AI 駆動型 CAD モデリングの限界を突破するため、FutureCAD という新しいテキスト-to-CAD フレームワークを提案しています。従来の手法が抱える「パラメトリックモデリング」と「境界表現（B-Rep）合成」の間のパラダイムギャップを解消し、大規模言語モデル（LLM）と B-Rep グラウンディング変換器（BRepGround）を統合することで、高度な機能（フィレット、面取りなど）を含む高忠実度の CAD モデル生成を実現します。

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

---

1. 背景と問題定義

従来のパラダイムと課題

近年の CAD 生成研究は主に 2 つの別々のアプローチに分類されます。

1. パラメトリックモデリング: 操作シーケンスを生成する手法。解釈性や編集性が高いが、フィレットや面取りなどの高度な操作には B-Rep 上の特定の幾何プリミティブ（面やエッジ）への明示的な参照が必要であり、これらはパラメトリック履歴に含まれないため、現実的な設計シナリオでの適用に限界があります。
2. B-Rep 合成: 幾何形状とトポロジーを直接モデル化する手法。上記の制限を回避できますが、パラメトリック構造や設計意図が失われ、再利用や編集が困難になります。

核心的な課題:
現代の機能ベース CAD システムでは、パラメトリック操作と B-Rep は密接に絡み合っています（例：フィレット操作は実行時に B-Rep のプリミティブを選択する必要があります）。しかし、既存の AI 手法はこの 2 つを独立した問題として扱っており、この「パラダイムギャップ」が複雑な工業デザインにおける AI 駆動 CAD 生成の主要なボトルネックとなっています。

---

2. 提案手法：FutureCAD

FutureCAD は、LLM による実行可能コードの生成と、テキストによる B-Rep プリミティブのグラウンディング（対応付け）を統合する一般化されたパラダイムです。

2.1 全体アーキテクチャ

1. LLM によるプログラム生成:
   • 自然言語記述を入力として、実行可能な CadQuery スクリプトを生成します。
   • 通常の幾何パラメータに加え、B-Rep プリミティブへの参照が必要な操作（例：「すべての円形の穴にフィレットを適用」）においては、LLM は自然言語クエリを生成します。
2. BRepGround モジュール:
   • 生成された CadQuery プログラムの実行中に、一時的な B-Rep 状態と LLM が生成したテキストクエリを受け取ります。
   • 変換器（Transformer）ベースのモデルである BRepGround が、テキストクエリを現在の B-Rep 内の特定のプリミティブ（面やエッジ）にグラウンディング（マッピング）します。
   • 解決されたプリミティブ参照が CAD カーネルに戻され、操作が実行されます。

2.2 学習データセット

• 規模: 14 万を超える多様で複雑な実世界の CAD モデルを含む新しいデータセットを構築しました。
• 特徴: フィレット、面取り、シェルなどの高度な機能を含むモデルが含まれており、各モデルには LLM 用の幾何学的記述と、BRepGround 用のテキストクエリが注釈付けられています。
• CadQuery 変換: モデルを実行可能な CadQuery プログラムに変換し、ネイティブ API を活用したコードの多様性を高めるために書き換えを行いました。

2.3 学習戦略

LLM に対して 2 段階の学習戦略を採用しています。

1. 教師あり微調整 (SFT): 自然言語記述から CadQuery プログラムを生成する基礎能力を習得させます。
2. 強化学習 (RL): 生成されたプログラムの有効性と一般化能力を向上させるため、幾何学的な類似度（Chamfer Distance）に基づく報酬を用いて最適化を行います（GSPO: Group Sequence Policy Optimization を使用）。

2.4 BRepGround アーキテクチャ

• テキストエンコーダ: 事前学習済み BERT を使用。
• B-Rep エンコーダ: UV-Net を使用し、面とエッジの幾何学的特徴を抽出。グラフニューラルネットワーク（GNN）を用いて隣接関係の文脈を考慮します。
• 融合モジュール: Transformer ベースの融合モジュールにより、テキスト埋め込みと B-Rep 埋め込みを相互アテンション（Cross-Attention）で統合し、対象となるプリミティブを予測します。

---

3. 主要な貢献

1. FutureCAD の提案: LLM ベースのプログラム生成とテキストベースの B-Rep プリミティブグラウンディングを統合した、初の汎用テキスト-to-CAD パラダイム。これにより、実用的な機能ベースの CAD モデリングが可能になりました。
2. 大規模データセットの構築: 14 万超の実世界 CAD モデル、詳細な幾何注釈、CadQuery コード表現、および高度な機能（フィレット等）を含むデータセットを公開（将来的に）。
3. BRepGround モデル: テキストクエリを幾何プリミティブにグラウンディングする新しいタスクと、Transformer ベースのモデル BRepGround の提案。
4. 高性能な学習戦略: SFT と RL を組み合わせた 2 段階学習により、高忠実度かつ低エラー率（無効な生成率低減）を実現。

---

4. 実験結果

FutureCAD は、分布内（FutureCAD データセット）および分布外（Fusion360 データセット）の両方のベンチマークで最先端（SOTA）の性能を達成しました。

定量的評価

• 幾何学的忠実度: 生成された形状と正解形状の間の Chamfer Distance (CD) が、既存の手法（CADFusion, CAD-LLaMA など）と比較して大幅に改善されました（Advanced サブセットで Median CD が 54.14 → 31.12 に改善）。
• 無効率 (Invalidity Ratio): 生成された CAD プログラムやソリッドが実行不能または非多様体となる割合が極めて低く、Advanced サブセットで 1.01%、Standard サブセットで 0.91% を記録しました（既存手法は 5%〜50% 以上）。
• B-Rep グラウンディング: テキストベースのプリミティブ選択タスクにおいて、Recall@10 や mAP、F1 スコアで全てのベースラインを大幅に上回りました（F1: 50.23%）。

定性的評価

• フィレットや面取りなどの微細な幾何学的詳細を正確に捉え、ベースライン手法が失敗したり、詳細が欠落したりするケースにおいて、FutureCAD はテキスト記述と整合性の高い高品質なモデルを生成しました。

---

5. 意義と結論

FutureCAD は、AI による CAD 生成において長年存在していた「パラメトリック設計意図」と「B-Rep 幾何実装」の断絶を解消しました。

• 実用性: 現代の機能ベース CAD システム（CadQuery など）とシームレスに統合できるため、実際の設計ワークフローへの導入が可能です。
• 技術的革新: LLM のコード生成能力と自然言語理解能力を、幾何学的なプリミティブ選択という具体的なタスクに効果的に適用する新しい枠組みを示しました。
• 将来展望: 非専門家ユーザーによる CAD ツールのアクセス性向上や、迅速なプロトタイピングへの貢献が期待されます。

本論文は、複雑な工業製品設計における AI 支援の新たな基準を確立し、高忠実度かつ信頼性の高い CAD 生成の実現に向けた重要な一歩となりました。