- Spectral Labsが、構造化CAD（B-Rep）生成のための初の生成AIモデル SGS-1 を公開
- SGS-1は 画像や3Dメッシュ を入力として受け取り、容易に編集可能な パラメトリックCADファイル を生成
- 既存の GPT-5、HoLa BRep などと比べて、SGS-1はより高精度かつ多様で複雑な形状を生成
- スケッチ、エンジニアリング図面、STLなど さまざまな入力をSTEPファイルへ自動変換する リバースエンジニアリングの自動化 が可能
- まだ 有機的な曲面や全体アセンブリ の生成には限界があるものの、次世代モデルでは マルチモーダル・物理推論 などの追加改善を予定
SGS-1の紹介と主な特徴
- Spectral Labsは SGS-1 の公開を通じて、製造可能でパラメトリック要素を備えた 3D幾何構造 を生成できる 基盤生成AIモデル を披露
- SGS-1は 画像 または 3Dメッシュ を入力として受け取り、編集しやすいB-Rep（境界表現） 形式の STEPファイル を出力
- この成果物は 従来のCADソフトウェア で容易かつ正確に修正・活用できる
SGS-1の動作方式と結果
- ユーザーは 画像 や 単純な3Dファイル をアップロードすることで、特定の寸法調整が可能な パラメトリックB-Repファイル に変換できる
- SGS-1は既存モデルよりはるかに 複雑で多様なCAD形状 を生成
- 実際のエンジニアリング設計に適用可能で、アセンブリの一部情報とテキスト説明 に基づいて部品設計の例を提示
既存モデルとの比較実験
- SGS-1を GPT-5（CadQueryコード生成が可能なOpenAIの大規模モデル）、HoLa BRep（画像入力ベースのB-Rep生成モデル）などと、75件の複雑なCAD画像を用いて比較評価
- 実験は各モデルごとに10回繰り返し、成功生成率（Success Ratio） を基準に測定
- SGS-1は大半の複雑な形状で 最高性能 を示し、他モデルと比べて 正確な空間理解 と ジオメトリ実装能力 に優れる
- 他モデルは単純、または有用性の低い結果が多く、実際のアセンブリ設計への活用は難しい
アセンブリコンテキストでのパラメトリック構造生成
- SGS-1により、既存の部分アセンブリ（CADアセンブリの一部） と 説明または画像 の入力だけで、その文脈に適した 新しい部品設計 が可能
- 使用プロセス
- 部分アセンブリのレンダリングと、追加する部品の説明を作成
- SGS-1に入力し、STEPファイル 形式のB-Repを生成
- 生成されたSTEPファイルをアセンブリにインポートし、寸法調整によって適合させる
- さまざまなブラケット設計シナリオの例示動画も提供
スケッチとエンジニアリング図面の自動変換
- 手描きスケッチ や 正式なエンジニアリング図面 もSGS-1に入力すれば、編集可能な3DパラメトリックCADファイル に自動変換できる
- 複雑でない手描きスケッチでも効果的に変換でき、設計プロセスの革新 に寄与
リバースエンジニアリングとメッシュ（STL）→STEP自動変換
- スキャンファイル や 単一のSTL/メッシュファイル も、SGS-1を通じて パラメトリックSTEPファイル に自動変換できる
- 手作業なしの完全自動化されたリバースエンジニアリング が可能で、さまざまな形状の部品をデジタル化するうえで利点がある
制限事項
- SGS-1は 工学/エンジニアリング用途 のパラメトリック3D生成に最適化されたモデル
- 複雑な曲面または有機的・自由曲線構造 の生成、非常に薄い構造、アセンブリ全体の一括生成 にはまだ限界がある
- 今後の次世代モデルでは、マルチモーダル対応・複雑な空間認識・高度な物理推論 および フィードバックベースの強化学習 の導入を計画
今後の計画とチーム紹介
- Spectral Labsは より複雑な物理システム設計、マルチモーダル入力、高度化された空間コンテキスト、および 物理的推論能力 の向上を目標に、SGS-1の次世代モデルを準備中
- 強化学習、フィードバックベースの物理シミュレーションなど最新のAI技術を導入し、3Dエンジニアリング向け生成AI分野の先導 を目指す
- チームは Autodesk Research、Samsung Research、CMU、Meta 出身のAI研究者およびエンジニアで構成
- 研究協業や配布の要望は、Spectral Labs の公式チャネルを通じて問い合わせ可能
1件のコメント
Hacker Newsの意見
SGS-1は完全にパラメトリックな3Dジオメトリを生成できると主張しているが、STEPファイルにはパラメトリックフィーチャーのサポートがまったくないので、これはテストするまでもなく嘘だと分かる。彼らはSGS-1の出力が従来のCADソフトウェアで簡単に修正可能だと言っているが、デモファイルで自分で試したところ、実際にはとんでもない主張だった。入力と出力を自分でモデリングした正しいパーツと比較し、さまざまなエラーを列挙した。寸法が間違っているだけでなく、CAD編集を困難にする壊れたフィーチャーもある。自分たちが嘘だと証明するデモまで提供しながら、なぜこんな主張をするのか理解できない。単に見出し狙いなのか、何も知らない人たちに売り込みたいのか、あるいは単にドメイン知識のないCS出身者が問題を解決したと信じているのか疑問だ。主なエラーは次の通り: すべての寸法が間違っている、1つの穴が完全に貫通していない、円形の穴ではなく2つの重なった穴になっている、フィレットが正しくない、上部の穴がオフセットしている、前側の面取りが基準面より下まで下がっている、上側の穴のZ軸オフセット、面取りの接続方法が左右で異なる、など。<br>比較資料および実際のモデルのスクリーンショット: 誤った結果の例, 自分で作った正しい例
私もSTEPファイルがパラメトリックフィーチャーをサポートしない点は混乱している。そもそもどうしてそんな主張ができるのか疑問だ。公式にはB-rep（境界表現）だけを生成するとしておきながら、ローラーの例では「パラメトリックなので寸法調整が容易だ」と主張していて、これは筋が通らないと思う。もしそういう機能が必要なら、STEPファイルを修正するより、最初から適切なフィーチャーヒストリと制約条件を持つ状態でモデリングする。
この分野に詳しそうなので聞きたい。私は完全な初心者だが、zoo.dev/design-studioが似た機能を提供していると聞いてきた。何がどう違うのか、比較してくれる専門家の視点が知りたい。
これは明らかに詐欺的な主張だ。誰をだまそうとしているのか気になる。もしかすると投資家を狙っているのかもしれない。
これらのフォーマットについて深く知っているわけではないが、STEPファイルの特徴はSTLファイルと違って「B-rep」データを保存することにある。つまり、面同士の幾何学的関係を保存するので、パラメトリックエディタで使いやすい。彼らもまた、メッシュで実装された従来方式と違ってB-repを使っている点を差別化ポイントとして打ち出しているようだ。
AI関連ニュースは実際の性能を歪めることが多いので、たぶんコメント欄の誰かが動くと曖昧に言い出すだろう
AIが3Dスキャナーで不完全に取り込んだデータを自動で整理してくれる機能には市場があると思う。ポイントクラウドからきれいな3Dメッシュを生成し、色や照明でオブジェクトを識別するのも非常に興味深い。これを使えば世界を記述し、オブジェクトのメタデータまで生成できる。しかし、こうした自動設計機能はむしろCADの楽しさを奪うだけで、本当の問題を解決しない気がする。AIは反復的で退屈な作業に集中したほうが効果が大きい。この技術は投資家には印象的かもしれず、専門家の時間を節約することもできるが、実質的により大きな問題を解決するには限界がある。
正直、この業界は投資家を感動させることしか考えていない。結局AI技術が出てくれば、知識労働者の仕事の満足感を奪い、ごく少数だけが残ってAI監督やトイレ掃除のような仕事しかなくなるだろう。現時点では労働需要を破壊し、安定していた給与さえ株主利益へ移ってしまいそうだ。
実際のところ、誰もがCADを楽しみでやっているわけではない。簡単なプロトタイプを出力するときには、「このボードマウントを作って、穴はXmm間隔で、数はN個」といった依頼をAIで処理したい。「この2つのパーツを接続」「ここにねじ穴を追加」「スナップフィットジョイントを生成」「幅8cm」「この穴を反対側へ移動」といった作業が素早く簡単にできるのが理想だ
ChatGPT4初期のころ、LLMベースのメカトロ設計向けオープンマークアップ標準を自分で作ってみた。LLMが複数の例を学習したり論理を把握したりするには、人間が読めるマークアップ言語が必要だと判断したからだ。高速な反復設計のための参考デモ概念として作成し、誰でも拡張したり自分で実装したりできるように 自分のGitHubプロジェクト に置いてある。こうしたオープンソース的アプローチが、長期的にオープンハードウェア開発者の自由を保障することを願っている
従来はメッシュベースのモデルしか提供できなかった段階から、STEP（B-Rep）でCADパーツを生成できるようになったのは革新的な変化だ。これまでのモデルは単なるおもちゃレベルにすぎなかったが、この技術が発展してどこまで行けるのか非常に楽しみだ。次の段階は、STEPをSolidWorksやNXのような独自フォーマットへよりうまく変換し、設計制約を推論する方向になると思う
3DスキャンメッシュをちゃんとしたSTEPジオメトリに変換できるだけでも大きな進歩だ
フィードバックありがとう！ 次のモデルに積極的に反映する予定だ。具体的にどんな点を望んでいるのか知りたい
エンジニアとして、このAIは実際には設計の本当に難しい部分を取り除いていないと思う。本当に難しいのは製造と荷重経路の設計、そして実際の荷重に合わせてパーツ構造を決めることだ
同じくエンジニアの視点から言えば、このAIがうまく機能するなら、プロトタイピング段階を大きく圧縮し、より良い製品をより低コストで作れるようになるだろう。実際の荷重や構造設計にもこのAIは役立ちうる
ソフトウェア開発では、AIで定型的な部分を減らして本質的価値に集中する流れが実際に起きている。他の分野でも同様に活用できると思う
この部分もAIが解決しつつある: limitlesscnc.ai
競合製品を作っている起業家として、多くの人が関心を持って議論しているのは市場性がある証拠なのでうれしい。ただ、現行のSGS-1モデルの出力は実際の製作や実用性の面で不足が多い。現在のSTEP出力はさまざまなCADで読み込めはするが、実際にはデザイナーやエンジニア、製作者にとってあまり役に立たない（工場や3Dプリンターにとっても厳しい）。主な問題点は、曲面品質が低くシミュレーションや製造に使えない、単純な形状が過度に複雑に出力される（フィレットが10個以上の面に分割される）、1つのパーツを出力しても10000個以上の小さなパーツに分割され、実際には1つの製品になっていないことだ。V2に期待している。ちなみに私はTransfigureという会社を創業し、SGS-1の限界を先に確認したうえで、機械エンジニアの視点からシミュレーションと製造にそのまま使えるクリーンなデータを作るAIアーキテクチャを作っている。<br>もしSGS-1で生成したデータをうちの工場に提出していたら、その場で解雇されるレベルだ<br>yo@xfgr.ai
LLMでOpenSCADモデルを生成するのにはいつも苦労してきた。XYZ空間の理解と3D数学的推論がうまくできない。LLM性能評価の基準にもしている。簡単なスマホスタンドを作るだけでも一発ではできず、平面の生成、角度を付ける、高さを三角関数で計算する、新しい平面を作る、位置を移動する、というように段階的に進める必要があった
gearsライブラリを読み込んで複雑なギア構造を自動生成することもできる。この方式はCADを超えて他分野にも応用されている。たとえば、フォトニックICをコードで作るPythonライブラリ（GDSFactory）もあるし、今後さらに増えるだろう。こうしたワークフローが、私がデータノートブックプロジェクト（mnty.sh/#serenity）に注力している大きな理由でもある。プロジェクトごとにすべてをコードで作り、可視化も1つのノートブックで見るのが目標だスケッチをCADに変換する機能は、復元市場ではとてつもない革新になると思う。古い図面は寸法なしで存在するものが多いが、エンジニアが全体サイズや高さだけ把握していれば、まず箱形から作り、AIに「この部品をこの機器に合うように作ってくれ」と頼める。3Dプリンティング、復元、想像設計、部品製造など、CADが必要なあらゆる分野でゲームチェンジャーになるだろう
理論的にはこの機能には噛み合わない部分がある。たとえば公差まで定義するのか気になる
デモは興味深いが、本当に重要なのは文章で与えた制約条件を設計にきちんと反映できる能力だ。欲しい機能だけを持つパーツを設計するのは簡単だが、実際に生産可能か、空間内に収まるか、機械的特性やコスト制約（材料の最小使用、生産しやすさなど）を満たす設計にするのははるかに難しい。たとえば3Dプリント用パーツはサポート材を避けたり特定方向で印刷したりする必要があり、さまざまな制約がある。AIにこうした制約を文章で入力し、それをすぐ反映してくれることこそ本当に役に立つ