自動CAD生成のための基盤モデル
本稿は、自動CAD生成における基盤モデルの実証研究であり、2つの批評体制を備えたLLMForgeフレームワークを紹介する。97の設計問題で7モデルを評価した結果、コンパクトな指示チューニングモデルが大規模システムに匹敵する性能を示し、VLMベースの批評は100%の水密メッシュ生成を達成する一方、回転対称形状に課題があることが明らかになった。
近年、大規模言語モデル（LLM）と視覚言語モデル（VLM）の進歩により、自然言語の仕様からパラメトリック3D設計を自動生成することが可能になりました。本稿「Foundation Models for Automatic CAD Generation」は、機械部品の自動CAD生成のための基盤モデルに関する実証研究であり、統一された評価パイプラインと97のエンジニアリング設計問題からなるベンチマークを提供します。この研究はJ. de Curtò、Victoria Guillén、I. de Zarzàによって行われ、Springer刊行の書籍「Advances in Global Applied Artificial Intelligence」の一章として受理されています。
研究チームは、JSONスキーマ検証、分析的特徴スコアリング、メッシュ合成、および複数ラウンドの反復的改良を統合したマルチモデルテキストからCADへのフレームワーク「LLMForge」を提案しています。このフレームワークは2つの批評体制の下で研究されました。IterTracerは、Phongシェーディングのレイトレースレンダラーを使用し、シルエットIoU、穴の可視性、エッジクリアランス、アスペクト比適合性などの分析的な視覚指標を用いて、ラウンドを跨いで軽量な形状認識フィードバックを提供します。一方、IterVisionは分析スコアラーをVLMセマンティック批評器（Qwen2.5-VL-72B）に置き換え、チェーン・オブ・ソートの視覚推論を通じてレンダリングビューを評価し、空間的コヒーレンスと設計意図を評価します。
ベンチマークは、穴とボルトサークルを持つプレート、マルチフィーチャーボックス、フランジ付きシリンダー、Lブラケットの4つの標準的な形状ファミリーをカバーしています。評価された7つの基盤モデルは、DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B、Gemma-3-27B、GLM-4.5、MiniMax-M2.1、INTELLECTです。IterTracerの下では、上位4モデルが非常に近い性能（全体平均0.885～0.890）を示し、メッシュ成功率は98.97%に達し、コンパクトな指示チューニングモデルが大幅に大きなシステムに匹敵することを示しています。
IterVisionにおけるVLMベースの批評は、最先端モデルで100%の水密メッシュ生成を達成しましたが、シリンダーなどの回転対称形状では体系的な困難が明らかになり、視覚的スコアと意味的スコアの乖離が最も大きくなりました。本稿では、ベンチマーク設計、失敗モード、CAD指向のプロンプティング、および産業ワークフローとスケーラブルな自動機械設計への影響について議論しています。これらの結果は、モデル選択、推論コスト、製品能力、評価基準に重要な示唆を与えるものです。