🤖 AI

ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation

ArtisanCADは、エキスパートに基づいた知識蒸留と実行可能な中間表現（CAD-IR）を活用することで、曖昧な自然言語のプロンプトやエキスパートによる手順データを、精度と堅牢性を向上させた、生産レベルの編集可能なB-Repモデルへと変換する、産業レベルのCADエージェントです。

原著者： Yunhan Xu, Qifeng Wu, Xunjin Li, Yuanwei Bin, Qingsong Yao, Jianghang Gu, Guan Wang, Weihao Lv, Huiyu Yang, Wenfa Luo, Jiao Xiang, Yuntian Chen, Shiyi Chen

公開日 2026-07-08

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Yunhan Xu, Qifeng Wu, Xunjin Li, Yuanwei Bin, Qingsong Yao, Jianghang Gu, Guan Wang, Weihao Lv, Huiyu Yang, Wenfa Luo, Jiao Xiang, Yuntian Chen, Shiyi Chen

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、ロボットに複雑な家具（カスタムカーのドアやエンジンブラケットなど）の作り方を教えようとしていると想像してください。「ドアを作れ」と言うだけでは不十分です。ロボットは、最初にどこに線を引くか、どの順番で穴を開けるか、そしてどのようにして部品を完璧に適合させるかといった、正確な「作り方」を知る必要があります。曖昧な指示を与えると、ロボットはぐらつくガラクタを作ってしまったり、途中で行き詰まったりするかもしれません。

この論文は、産業エンジニアの課題を解決するために設計されたスマートなロボット・アシスタント、「ARTISANCAD」を紹介するものです。その仕組みを、シンプルな概念に分解して説明します。

1. 問題点：曖昧な指示 vs 専門家の秘訣

現在のAIツールは、単純なテキストを3D形状に変換することには長けていますが、現実世界の工業部品については苦戦しています。

問題: 標準的なAIに「ヒンジプレートを深くして」と伝えても、AIは間違った形状を推測したり、必要な穴を入れ忘れたりすることがあります。AIには、人間の専門家が持つ「マッスルメモリー（筋肉の記憶）」が欠けているのです。
欠けている要素: 本物のエンジニアは長年の経験を持っています。彼らは作業のビデオを記録し、図面にメモを書き込み、「マクロログ」（マウスのクリックやコマンドのデジタル記録）を保存しています。既存のAIツールは、この知識の宝庫を無視してしまっています。

2. 解決策：「マスターレシピ」（CAD-IR）

ARTISANCADの核心となる革新は、「CAD-IR（Computer-Aided Design Intermediate Representation）」と呼ばれるものです。これは、「マスターレシピ」、あるいは**「設計図のための設計図」**と考えてください。

AIがゼロから最終的な形状を推測しようとするのではなく、CAD-IRを使用してプロセスを整理します。

それは「翻訳機」です: 専門家エンジニアによる、現実世界の乱雑な記録（例えば、CATIAソフトウェアを使用しているビデオなど）を取り込み、クリーンでステップバイステップの指示リストへと変換します。
それは「チェックリスト」です: 単に「穴を開けろ」と言うのではありません。「まず、円を描く。次に、それが中心にあることを確認する。第三に、穴を開ける。第四に、表面が滑らかであることを確認する」というように指示します。
それは「スキル・ライブラリ」です: AIはこれらのレシピを「スキル」へと変換します。もしエンジニアが車のドアの作り方を知っていれば、その「ドア・スキル」が保存されます。後に誰かが「もっと幅の広いドアを作って」と頼んだとき、AIはゼロから始めるのではなく、「ドア・スキル」を取り出し、幅の部分だけを調整します。

3. ロボットの仕組み（ループ）

ユーザーがリクエスト（例：「この車のフードパネルをもっと高くして」）を与えると、ARTISANCADは以下のサイクルを実行します。

検索（Retrieval）: ライブラリの中から、人間の専門家によって作成された「フードパネル・スキル」を探します。
適応（Adaptation）: 専門家の「マスターレシピ（CAD-IR）」を取り出し、ユーザーのリクエストに基づいて数値を更新します（例：「高さを10cmから15cmに変更」）。
実行（Execution）: 更新された指示をプロフェッショナルなソフトウェア・バックエンド（CATIA）に送り、実際に3Dモデルを構築します。
「目」（視覚的フィードバック）: これは極めて重要なステップです。ロボットはモデルを生成し、8つの異なる角度（正面、背面、上面、側面など）から写真を撮り、AI「検査官」に提示します。
- 検査官の問い: 「これは背の高いフードパネルに見えるか？間違えて穴を消してしまっていないか？」
- もし答えが「いいえ」であれば、ロボットは「マスターレシピ（CAD-IR）」を書き換え、再度試行します。

4. 結果：「おそらく」から「生産可能」へ

この論文では、2つの方法でテストを行いました。

「ブラインド」テスト: 専門家の助けを借りずに、曖昧な記述から形状を構築するようAIに求めました。
- 「マスターレシピ（CAD-DR）」を使用しない場合: AIはミスを犯し、穴や細い支柱などの詳細を落としてしまいました。
- 「マスターレシピ」を使用した場合: AIははるかに正確な形状を構築し、プロンプトで指定されなかった詳細な部分まで補完しました。
「現実世界」テスト: 4つの複雑な自動車部品（フードパネルやロックプレートなど）を用いてテストを行いました。
- 人間の専門家がこれらの部品を組み立てる様子を記録し、それらの記録を「スキル」へと変換した後、AIにバリエーション（例：「もっと幅を広く」「もっと深く」）を作成させました。
- 結果: AIは、エンジニアが実際に使用できる、編集可能なプロフェッショナルグレードの3Dモデルを正常に作成しました。専門家の「スキル」がなければ、指示があまりに複雑であるため、AIは完全に失敗していました。

要約の比喩

あなたが複雑なケーキを作りたいと想像してください。

古いAI: あなたが「ケーキを作って」と言うと、AIは材料や混ぜる順番、焼き時間を知らないため、材料を適当に推測して形が崩れたケーキを焼いてしまいます。
ARTISANCAD: あなたが「もっと高いケーキを作って」と言います。AIは熟練したパティシエ（専門家）が書いたマスターレシピを取り出します。AIはどの型を使うべきか、そしてより高いケーキにするために焼き時間をどう調整すべきかを正確に理解しています。AIはケーキを焼き、それが正しく膨らんでいるかを確認するために写真を撮り、もし少しでも違っていれば、レシピを調整して、完璧になるまで再び焼き直します。

要するに: ARTISANCADは、人間の曖昧なアイデアと精密な工業製造との間の溝を埋めるものです。それは、人間の専門家の「マッスルメモリー」から学習し、その経験を再利用可能で編集可能なデジタルスキルへと変えることで実現されています。

技術要約: ARTISANCAD

問題提起

自動車や航空宇宙などの分野における産業用コンピュータ支援設計（CAD）には、長期間のプロシージャル・モデリング、堅牢なフィーチャー依存関係、およびプロダクショングレードの境界表現（B-Rep）の実行が求められます。カジュアルな3Dモデリングとは異なり、産業用CADは、スケッチ、拘束条件、および編集可能なパラメトリック幾何学を含む複雑なワークフローを伴います。

既存のText-to-CAD手法は有望ではあるものの、産業的な文脈に適用する際には重大な制限に直面しています：

曖昧性の処理: ユーザーのプロンプトが曖昧であったり、低レベルの構築詳細を記述せずに高レベルのデザイン意図のみを記述していたりする場合、それらの処理に苦慮します。
専門知識の欠如: CATIAの操作記録、マクロログ、図面注記、エンジニアリング記述など、産業用ワークフローに自然に存在する豊かなプロシージャル知識を活用できていません。
複雑性のギャップ: 現在の手法は多くの場合、単純な部品や短いスケッチ・押し出しプログラムで評価されており、複雑な産業用コンポーネントに必要とされる長期間のプロシージャル、曲面B-Rep、およびハイブリッド操作を扱うことができません。

手法

本論文では、**エキスパート・グラウンデッド・ナレッジ・ディスティレーション（Expert-Grounded Knowledge Distillation）**というメカニズムを通じて、エキスパートのプロシージャル知識に生成を接地させる産業レベルのCADエージェント、ARTISANCADを提案します。本システムは、主に2つの段階を経て動作します。

1. エキスパートからスキルへの獲得（オフライン）

この段階では、単発のエキスパートの記録を、再利用可能でパラメータ化された「スキル」へと変換します。

入力: CATIAのマクロ記録、図面注記、フィーチャツリー、エンジニアリング記述を含む、ヘテロジニアスなエキスパートデータ。
プロセス: コード指向のエージェント（Codex-xHigh）が、これらの記録を構造化されたモデリング手順へと解析します。
出力（パート・スキル）: スキル $s$ $s$ は、タプル $(D_s, O_s, P_s, Z_s)$ $(D_{s}, O_{s}, P_{s}, Z_{s})$ として定義されます：
- $D_s$ : 基本的な部品記述（機能的役割、幾何学的特性）。
- $O_s$ : エキスパートの操作順序（固定されたスクリプトではなく、再利用可能なプロシージャルな事前知識）。
- $P_s$ : パラメータ・スキーマ（幅、半径などの編集可能なパラメータと、その有効範囲）。
- $Z_s$ : テンプレートCAD-IR（コアとなる実行可能なプロシージャル・テンプレート）。

2. スキル誘導型バリアントCAD生成（オンライン）

新しいバリアント（例：「プレートを深くする」）の要求に対し、エージェントはバックエンドのスクリプトを一から生成するのではなく、既存のスキルを適応させます。

スキルの検索: エージェントは、ユーザーのクエリに基づいて、知識ベースから最も関連性の高いスキルを検索します。
CAD-IRのインスタンス化: エージェントは、新しい要求に従ってテンプレートCAD-IR ( $Z_s$ ) をインスタンス化します。これにより、不足しているパラメータを補完し、操作の引数を更新し、エキスパート由来の依存関係と検証ルールを保持します。
CAD-IR（中間表現）: コアとなる革新は、 $Z = (P, T, O, E, V)$ $Z = (P, T, O, E, V)$ と定義される実行可能なプロシージャル表現であるCAD-IRです：
- $P$ : グローバルな部品パラメータ。
- $T$ : 必要なバックエンドツール（MCPバインディング）。
- $O$ : CAD操作の順序リスト（意図、ツール呼び出し、引数、出力、依存関係、検証）。
- $E$ : 生成されたエンティティと依存関係。
- $V$ : 検証ルール。
バックエンド実行: 生成されたCAD-IRは、CAT-IA-MCPバックエンドに送られ、IR操作がネイティブのCATIAコマンドに翻訳され、編集可能なB-Repモデルが生成されます。
ビジョン・フィードバック・ループ: 軽量なマルチビュー・ビジュアル・フィードバック・システムが、生成されたモデルを評価します。不整合が見つかった場合、エージェントはパラメータや操作を修正するために、バックエンドのスクリプトではなくCAD-IRを書き換え、モデルが視覚的および構造的なチェックを通過するまで反復します。

主な貢献

エキスパートからスキルへの獲得メカニズム: ヘテロジニアスなエキスパート知識（マクロ、ログ、注記）を、CAD-IRと再利用可能なパラメータ化されたスキルへと蒸留する新しいワークフロー。これにより、エキスパートのモデリング手順を、同一コンポーネント・ファミリー内の新しいバリアント要求に適応させることが可能になります。
ARTISANCADエージェント: マルチバックエンド対応のスキル誘導型産業CADエージェント。スキルを検索し、IRレベルで手順をインスタンス化および修正し、専用のCATIA-MCPバックエンドを介して実行します。また、反復的な洗練のためにマルチビュー・ビジョン・フィードバック・ループを組み込んでいます。
プロシージャル・スカフォールドとしてのCAD-IR: CAD生成を、明示的かつ実行可能な中間表現として表現することが、曖昧なテキスト記述と複雑で実行可能なCAD構築との間のギャップを埋めることを実証しています。

実験結果

著者らは、2つの側面からARTISANCADを評価しました。

1. 公開Text2CADベンチマーク

設定: エキスパート知識ベースを使用せずに、100の中級レベルのプロンプトに対してテストを実施（CAD-IRの効果を分離）。
知見:
- Chamfer Distance (CD): 平均CDを、14.83（CAD-IRなしのARTISANCAD）から9.88（CAD-IRありのARTISANCAD）へと減少させた。
- Solid IoU: 0.614から0.646へと向上。
- 比較: CAD-IRを持つARTISANCADは、Text2CAD (CD 29.80) や CAD-Coder (CD 14.16) といったベースラインを大幅に上回った。
- 有意性: エキスパート・スキルがなくても、CAD-IRは曖昧なプロンプトを実行可能な操作へと変換するための優れたプロシージャル・スカフォールドを提供します。

2. 産業用自動車部品

設定: 4つの複雑な自動車部品（ヒンジ補強プレート、フードパネル、アウターパネルブラケット、ロック補強プレート）に適用。エキスパートのマクロ記録をスキルとして蒸留しました。
知見:
- ARTISANCADは、蒸留されたスキルを適応させることで、新しいバリアント要求（例：深さ、幅、または穴のレイアウトの変更）に対して、編集可能で生産準備が整ったB-Repモデルを正常に生成しました。
- アブレーション研究: これらの複雑なコンポーネントをスキル誘導型のCAD-IRなしで生成しようとすると失敗しました。これは、エージェントが短いプロンプトのみから、必要な長期間の操作順序や依存関係を推論できなかったためです。

重要性と主張

本論文は、ARTISANCADが、孤立したベンチマークCADシーケンスの生成から、生産指向のCAD自動化への転換を象徴していると主張しています。

ギャップの解消: 本システムは、曖昧なユーザーの意図と、産業デザインに求められる厳格で長期間のプロシージャルとの間のギャップを効果的に埋めます。
知識の再利用: エキスパートのマクロ記録を再利用可能なスキルとして蒸馏することで、エンジニアがワークフローをゼロから再発見するのではなく、蓄積されたプロシージャル知識を活用することを可能にします。
堅牢性: 中間層としてCAD-IRを使用することで、操作レベルの修正とビジュアル・フィードバックの統合が可能になり、直接的なバックエンド・スクリプト生成と比較して、曖昧な入力や実行エラーに対してより堅牢になります。

著者らは、現在のText-to-CADシステムはプロシージャルな事前知識の欠如によって制限されていますが、ARTISANCADは、生成をエキスパート由来のスキルと実行可能な中間表現に接地させることが、CADエージェントを実用的な産業ワークフローへとスケールさせるために不可欠であることを示していると結論付けています。