2025–2026年の生成型空間AIの進化

過去13か月の間に、空間コンテンツ向け生成AIは、印象的だが限定的なアセット作成ツールから、プロダクション向けの3Dメッシュ、制御可能なマルチビュー画像、インタラクティブな探索可能ワールド、さらには画像やテキストからのパラメトリックCADを生成できるシステムへと進化しました。この道のりは、より良いメッシュと短いビデオクリップから始まり、連鎖したクリエイターワークフロー、ローカルファーストツール、そして初期のプログラマブルワールドモデルへと発展しました。

この記事では、2025年5月から2026年6月にかけてXプラットフォームで共有された主要な公開発表とデモンストレーションを通じて、その軌跡を追跡します。研究者、ビルダー、キュレーターによるこれらの投稿は、技術の進歩、採用パターン、そして残された限界のリアルタイムマップを提供します。

2025年5月～6月：高品質3Dアセットとビデオ基盤の確立 この期間は、プロダクションで使用可能な3Dジオメトリとテクスチャに焦点を当てたリリースから始まり、3Dパイプラインと組み合わせ可能なビデオ生成の強力な進歩も伴いました。MetaのAssetGen 2.0は、テキストや画像からメッシュとテクスチャを生成する専用モデルを導入し、ゲームエンジン（Blender/Unrealパイプライン）との互換性について明示的に議論しました。これは、以前の研究プロトタイプから、直接インポートして使用できるアセットへの重要な一歩を示しました。TencentのPrimitiveAnythingは、Hugging Face上のGradioを介して、複雑なオブジェクトを編集可能な幾何学的プリミティブに自己回帰的に分解することを実証し、特定のデザインやゲームワークフローにおいて、純粋なメッシュや暗黙的表現よりも優れた編集性を提供しました。ビデオ生成では、Google Veo 2がGoogle AI Studioで自由にアクセス可能になり（Advancedサブスクリプション不要）、強力な物理シミュレーションと映画的な品質を短いクリップで提供しました。初期の実験では、FLUXとHunyuan 3Dモデルを組み合わせて擬似3Dレンダリングを作成し、ハイブリッド2D-to-3Dパイプラインの可能性と、真のメッシュ一貫性やトポロジーにおける残されたギャップの両方を浮き彫りにしました。6月までに、Hunyuan-3D-2.1はHugging Faceでオープンウェイトを利用可能にし、テクスチャ品質の顕著な改善をもたらしました。FreeTimeGSのような研究は、複雑な動きを伴う動的シーンのための4Dガウシアンスプラッティング技術を進め、将来の動的世界再構築能力を示唆しました。これらのリリースにより、高品質な3Dアセット生成とそれを支えるビデオツールが、純粋な研究成果物ではなく、アクセス可能なビルディングブロックになりつつあることが確立されました。

2025年8月：質的飛躍——インタラクティブワールドモデル 2025年8月、Google DeepMindのGenie 3が根本的なシフトをもたらしました。コミュニティスレッドでは、ビデオや静的3D生成を超え、テキストからインタラクティブな3Dワールドへと進化したと説明されました。ユーザーは、リアルタイムで移動でき、オブジェクトと対話し、プロンプトでイベントをトリガーし、創発的なワールドメモリと一貫した物理（飛行、游泳、時間的一貫性を含む）の恩恵を受ける、探索可能な環境を生成できました。これは、メディア生成から生成的シミュレーションへの移行を表しており、ゲーム、ロボットトレーニング、教育、没入型ストーリーテリングへの影響はすぐに明らかになりました。当時はまだトラステッドテスターやアーリーアクセス段階でしたが、プロンプト可能で、インタラクティブで、メモリを備えた環境という技術的方向性は明確でした。

2025年後半：プロダクション対応メッシュ、ビデオからワールドへの生成、初期ノーコード空間ツール 2025年後半は、出力を実際のパイプラインでより使いやすくし、入出力モダリティを拡張することに焦点が当てられました。Hunyuanは大幅に進歩しました：Hunyuan 3D 3.0は、改善されたトポロジ（最適化されたローポリと高解像度の高密度バリアントの両方）を備えた、よりクリーンでゲーム対応のメッシュを生成し、Scenarioなどのプラットフォームに統合されて、単一画像、マルチビュー、またはスケッチから3Dへのワークフローとアセット管理機能をサポートしました。Hunyuan World 1.1（WorldMirror）は、迅速な「ビデオから3Dワールド」を可能にし、幅広いモダリティ（画像/ビデオ/3D事前→3Dガウシアンスプラッティング、深度、カメラ、法線、点群）をサポートし、トレーニングコードもリリースされてカスタマイズを可能にしました。Gemini 3の機能により、非コーダーでもテキストプロンプトを介して機能的なインタラクティブ3Dウェブ体験を生成できるようになりました。例えば、three.jsベースのシーンにパーティクルシステム、手/マウスインタラクション、パラメータ制御を備えたものです。これは、初期のノーコード空間インターフェース生成を示しました。クリエイターワークフローは完全なパイプラインへと成熟しました：スケッチまたは手描き→スタイル転送→3Dキャラクター生成（Hunyuan3D）→アニメーション（KlingまたはMixamo）。ローカルでのアクセシビリティは、Hunyuan3D用のポータブルWindowsランナーや、テキスト/画像から3Dシーンを生成するためのWorldGenなどのオープンリポジトリによって改善されました。

2026年初頭～半ば：カメラ制御、大規模なバイブコーディング、ローカルツール、プレイアブルワールド、AIネイティブCAD 2026年上半期は、より優れた制御性、ローカル実行、実用的なクリエイターワークフロー、および完全にプレイ可能な生成コンテンツとパラメトリックデザインへの初期のステップを通じて、さらなる民主化をもたらしました。カメラ制御とマルチビューの一貫性は、カメラ制御LoRA用のカスタムGradioコンポーネントと、ユーザーが画像をアップロードして仮想カメラを軌道移動させ、一貫した新しいアングルを生成できるアクセシブルなツールによって進歩し、アニメーションやショットのバリエーションにすぐに役立ちました。「バイブコーディング」ワークフローはより洗練され、広く実証されるようになりました。ビルダーは、ゲームアセットとUIのための完全なパイプラインを示しました：Nano BananaやMidjourneyを使用した画像/キャラクターデザイン→Hunyuan3Dによる3D変換→Gemini ProによるUIロジックとインタラクション。詳細なスレッドでは、リギング（Mixamo）、マテリアルハンドリング、反復戦略、現実的な時間見積もり（多くの場合、印象的な機能的な結果を得るために数時間）がカバーされました。これらの例は、従来の3Dやコーディングの専門知識を持たない個人による迅速なプロトタイピングのために、専門モデルを連鎖させる方法を示しました。ワールドモデルへのパブリックアクセスは、Genie 3がGoogle AI Ultraサブスクライバーに展開されたことで拡大し、インタラクティブな環境生成に関する大きな議論を引き起こしました。注目すべき開発はMoonlake（Reverieエンジンを搭載）で、テキストプロンプトからNPC、物理、マルチプレイヤーサポート、永続的な状態を備えた完全にプレイ可能な3Dゲーム/ワールドを生成することを実証しました。プリレンダリングされたビデオとは異なり、これらは変更（破壊、天候、メカニクスを保持しながら美学全体をリスタイル）が永続するインタラクティブなシステムでした。このプロジェクトは強力なバッキングを示し、リアルタイムコンテンツのためのプログラマブルワールドモデルとして位置づけられました。ローカルおよびオープンソースツールが注目を集めました：Modlyは、ユーザーのGPU上で完全にローカルに動作するデスクトップ画像から3Dメッシュ生成を提供しました。MicrosoftはTRELLIS.2をリリースしました。これは、約3秒で単一の画像をPBRマテリアル（ラフネス、メタリック、不透明度）を備えた完全にテクスチャリングされた3Dアセットに変換できる40億パラメータのオープンソースモデルです。多くの先行モデルよりも複雑なジオメトリを処理し、一般的なエンジンで使用可能なGLBファイルを出力しました。議論ではVRAM要件が指摘され、これは高速で使用可能な推論における継続的な進歩を表すとされました。エンドツーエンドのアセット作成パイプラインが広く議論され、ゲーム対応アセットのタイムラインが劇的に短縮されたという主張もありましたが、トポロジの品質、クリーンアップの必要性、作者性、真のプロダクション対応性に関して現実的な反論も引き起こしました。最後に、AIネイティブCADが出現し始めました。ツールは、画像や生成されたコンセプトを編集可能なパラメトリックCADモデル（STEP形式）に変換することを実証し、例としては時計のような詳細な機械オブジェクトが含まれていました。ForgeCADやMITのGenCADのようなプロジェクトは、設計意図を自然言語や画像で表現し、直接編集可能なエンジニアリングモデルを生成する将来のワークフローを示唆しました。

技術的洞察と残された課題 この期間にいくつかの明確な技術トレンドが浮かび上がりました。制御性は、LoRA、カスタムカメラインターフェース、プロンプト可能なシステムを通じて改善され、ワンショット生成を超えました。トポロジとプロダクション対応性は向上しました（Hunyuan 3D 3.0の最適化メッシュ、TRELLIS.2の複雑なジオメトリのより良い処理）が、ハイエンドでの使用にはクリーンアップ、UV、リギングが依然として必要な場合が多いです。ローカルおよびオープンソースの推論は個人にとって実行可能になり（Modly、TRELLIS.2）、コストとプライバシーの障壁を低減しました。アセットからシステムへ：この分野は、静的メッシュから、状態を持つインタラクティブワールド（Genie 3、Moonlake/Reverie）やパラメトリック出力（ForgeCAD、GenCAD）へと進歩しました。連鎖ワークフロー（「バイブコーディング」）は迅速なプロトタイピングに有効であることが証明されましたが、依然として人間の反復と芸術的指示の恩恵を受けています。持続的な課題には、生成されたワールドの長期的な一貫性、大規模な高度なリギング/アニメーション、シームレスなエンジン統合、マテリアル/物理オーサリング、そして印象的なデモと堅牢なプロダクションアセットとのギャップが含まれます。コミュニティの返信における懐疑論は、多くの場合、これらの現実を正しく強調しています。

結論：ピースは予想よりも速く到着している 2025年5月から2026年半ばまでのXの投稿は、公開された環境での生成的空間コンピューティングの構築を記録しています。今や、アクセス可能な高品質アセット生成、カメラ制御可能な画像、ローカル高速3Dツール、初期のテキストからプレイ可能なインタラクティブシステム、そして初期のAIネイティブCAD機能を手にしています。ギャップは残っていますが、速度と方向性は明白です。オープンリサーチ、実践的なクリエイター実験、そして主要ラボ（Google、Microsoft、Tencent、Metaなど）のリリースの組み合わせにより、かつて数年かかっていた進歩が数か月に圧縮されました。「ホロデッキ」は単一の製品として到着するのではなく、これらの漸進的だが複合的な進歩を通じて、一つ一つのピースが組み立てられています。そして、Xのようなプラットフォームでモデル、デモ、ワークフローを公開共有することは、その進歩を追跡し加速する最も効果的な方法の一つでした。2026年半ばのビルダーにとっての問いは、もはやこれらの能力が存在するかどうかではなく、それらを実際の製品、ゲーム、ツール、クリエイティブプロセスにどれだけ迅速に統合できるか、そしてそれらがどのような新しい空間表現の形態を可能にするかです。