CADIR: A Cross-Backend Editable Intermediate Representation for Agentic CAD Generation
本論文は、OCCTカーネル上に構築され、明示的な構成グラフと幾何学的シグネチャ照合を通じて、FreeCAD、SolidWorks、Fusion 360といった多様なCADシステム間での高忠実度かつ編集可能なモデル再構築を実現する、エージェンティックなCAD生成を可能にするクロスバックエンド実行可能中間表現であるCADIRを導入する。
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
ロボットに複雑なレゴのお城を作らせようとしている場面を想像してみてください。完成したお城の写真を見せて、「これを作って」と指示することもできますが、ロボットはただレンガをバラバラに接着して、一つのパーツを動かそうとしただけで崩れてしまうような、ひどい塊を作ってしまうかもしれません。あるいは、「赤いブロック4を手に取り、青いブロック2の上に置く」といった、非常に厳格で長い指示を与えることもできますが、もしロボットの道具が、あなたがそのリストを書いた時に使ったものと少しでも違っていたら、間違ったブロックを掴んだり、作業が止まってしまったりするでしょう。これは、エンジニアが自動車のエンジンからスマートフォンのケースまであらゆるものを設計するために使用する、コンピュータ支援設計（CAD）という分野における現在の課題です。長い間、コンピュータは静的な3D形状を作成するか、あるいは変更しようとしたり別のソフトウェアに移したりするとすぐに壊れてしまう、非常に具体的で硬直したスクリプトに従うことしかできませんでした。しかし現在、「大規模言語モデル（人間の言葉を理解するAI）」の台頭により、コンピュータに「歯車を作って」といった説明を聞かせ、それを構築させることができるようになりつつあります。大きな疑問は、コンピュータがいかにして、正しい形状を作るだけでなく、修正や変更が容易で、かつ異なる設計プログラムでも使いやすいものを作れるようにするか、ということです。
ここで、「CADIR」と呼ばれる新しいシステムが登場します。これは、AIビルダーのための超スマートな翻訳者であり、プロジェクトマネージャーとして機能します。この論文の研究者たちは、既存の手法が、まるで特定のキッチンでしか読めない秘密のコードで書かれたレシピをシェフに渡しているようなものだと指摘しました。もし別のキッチンで料理を作ろうとすれば、材料が一致しなかったり、手順が意味をなさなくなったりするのです。彼らはまた、従来のAIの試みが、後で微調整することができない「静的」なモデル（まるで3Dの彫像のようなもの）を構築しがちであることにも気づきました。これを解決するために、チームはCADIRを開発しました。これは「クロスバックエンド編集可能中間表現（Cross-Backend Editable Intermediate Representation）」の略です。これは、単に「何が作られたか」を記録するだけでなく、「どのように作られたか」を記録し、あらゆる主要な設計ソフトウェアが理解できる形で、すべての依存関係（例えば、車輪がどのように車軸に取り付けられているかなど）を追跡する、ユニバーサルでステップ・バイ・ステップの建設ログのようなものです。
CADIRシステムは、単に最終的な3D形状を吐き出すのではなく、「構築グラフ」を構築します。これは、構築プロセスの各ステップがノード（節点）となり、それらを結ぶ線が、あるステップが他のステップにどのように依存しているかを示す、動的なフローチャートのようなものです。もし設計の中央にある穴のサイズを変更した場合、グラフは、その穴に接続されているすべての要素を更新する方法を知っています。これは、実際のエンジニアリングの設計図と同じです。システムは、「幾何学的シグネチャ・マッチング（Geometric Signature Signature Matching）」という巧妙なトリックを使用して、適切なパーツを見つけ出します。これは、もし別のセットの中で特定のレゴブロックを失くしてしまった場合、そのブロックのシリアル番号（新しいセットには存在しない可能性があるもの）を探す代わりに、そのブロックの形、サイズ、色に基づいて探し、ソフトウェアが異なっていても新しい設計が完璧に適合するようにする仕組みに似ています。
研究者たちは、単純なブロックから、歯車や可動部品を持つ複雑なアセンブリに至るまで、数百の機械部品をAIに構築させることでこれをテストしました。その結果、CADIRは驚くほど信頼性が高く、「実行成功率」1.0000を達成しました。これは、AIがエラーを起こしたりクラッシュしたりすることなく、毎回必ずモデルを構築できたことを意味します。他の手法と比較した際、CADIRは意図した設計により近い形状を生成し（一部のテストでは精度が約30%向上）、極めて重要な点として、FreeCAD、SolidWorks、Fusion 360といった一般的なソフトウェアでモデルを開いて編集することを可能にしました。実際、これらの再構築されたモデルを編集しようとした際、FreeCADとFusion 360において、システムはほぼ100%の確率でパーツの修正や変更に成功しました。
これが特にエキサイティングなのは、このシステムがゼロから構築するだけでなく、過去のデザインを「記憶」できる点です。研究者たちがAIに過去の構築グラフのライブラリを与えたところ、テキストや画像を使って類似の形状やパーツを検索する場合、生のコードの中から検索するよりもはるかに速く、正確に適切な構成要素を見つけられることが分かりました。これは、AIが自らの履歴から学び、より複雑なものを構築するために、巧妙な小さな構造（例えば、ハンドルを取り付ける特定の方法など）を再利用できることを意味します。論文では、特定のソフトウェアにおける非常に具体的な機能については、そのプログラム固有の制限により完全に編集できない場合があることも記されていますが、全体的な結果は大きな飛躍を示しています。これは、AIが複雑な機械を設計できるだけでなく、それを人間（エンジニア）に、微調整やテスト、改良が可能な形式で引き継げる未来へと、私たちが近づいていることを示唆しています。つまり、単純なアイデアと、実際に機能する製品との間の溝を埋めているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。