Zenn
🔧

革命の波：AIによる「テキストからCAD」が描く製造・設計の未来像

に公開
AI
設計
CAD
生成 AI
製造
idea

革命の波：AIによる「テキストからCAD」が描く製造・設計の未来像

はじめに

製造業や設計分野において、生成AIの急速な発展が新たな革命を起こしつつあります。テキストから画像を生成するMidjourneyやDALL-E、テキストからコードを生成するGitHub Copilotなど、生成AIの応用範囲は日々拡大しています。これらの技術発展に続き、近年注目を集めているのが「テキストからCAD」（Text to CAD）と呼ばれる技術です。

Text to CADとは、自然言語（テキスト）による指示や設計要件を解析し、自動的にCADデータへ変換する革新的な技術です。例えば「幅50cm、高さ30cmのテーブル」といった簡単な指示文だけで、数分以内に製造可能な3DモデルのCADデータが生成されるのです。

従来の一般的な3D生成AIと比較した場合、最大の違いは「編集可能な精密なCADデータ」を直接生成できる点にあります。多くのテキストから3Dを生成するAIは、視覚的に美しいモデルを作成しますが、それらは通常「メッシュ」と呼ばれる形式で、実際の製造や詳細設計に使用するには精度や編集性に大きな制約がありました。一方、最新のText to CAD技術は、既存のCADソフトウェアで直接編集できる高品質なモデルを生成することが可能になりつつあります。

Text to CADの概念図
Text to CADの概念：テキストプロンプトからCADデータ生成までの流れ

この記事では、Text to CADの最新技術動向や主要な研究事例、実際のPoC（概念実証）、そして製造・設計業界へのインパクトについて詳しく解説していきます。

Text to CADの技術的解説

B-Rep方式の重要性

最新のText to CAD技術の核となるのが「B-Rep（Boundary Representation：境界表現）」方式です。これは従来の3Dモデリングでよく使われる「メッシュ」方式とは根本的に異なるアプローチです。

B-Repとは、3Dオブジェクトを表面（境界面）を用いて定義する方法で、頂点、エッジ、面などの要素とそれらの位置関係で形状を精密に表現します。これに対してメッシュ方式は、ポリゴンの集合体として形状を近似的に表現します。

B-RepとMeshの違い
B-Rep方式とMesh方式の比較：編集性と精度の違い

両者の最大の違いは以下の点にあります：

  1. 精度と編集性：B-Repは数学的に正確な表現が可能で、任意の精度でCADソフトでの編集が容易です。一方、メッシュは近似表現のため、複雑な形状編集や寸法変更が困難です。

  2. 製造適性：B-Repは実際の製造プロセスとの親和性が高く、穴あけやフィレット（角の丸め）などの製造に必要な詳細情報を保持します。メッシュでは製造情報の保持が困難です。

  3. ファイル形式：B-RepはSTEP、IGESなどの標準CADフォーマットで保存でき、多くの産業用CADソフトと互換性があります。

Zoo社のText-to-CADツールなど、最新の研究ではこのB-Repを直接生成できる技術が開発されており、実用的なCADデータ生成に大きく貢献しています。

大規模言語モデル（LLM）と視覚認識AIの融合

Text to CAD技術のもう一つの核心は、大規模言語モデル（LLM）と画像認識AIの融合です。特に注目すべきは中国の研究者らが開発した「CADFusion」というフレームワークで、LLMをバックボーンとして、シーケンシャルな学習段階と視覚的フィードバック段階を交互に繰り返すアプローチを採用しています。

この方法では、まずLLMがテキスト指示を解析し、CADの操作シーケンスを生成します。次に、その操作シーケンスから実際に3Dモデルをレンダリングし、視覚的な品質をフィードバックとして学習に活用します。これにより、テキスト指示と視覚的な出力結果の両方を考慮したモデルが学習され、より高品質なCADデータ生成が可能になっています。

CADシーケンス生成の仕組み

実際のCADモデル生成プロセスは、単純な「テキスト入力→3Dモデル出力」ではありません。現在の最先端の研究では、テキスト指示を段階的なCAD操作のシーケンスに変換するアプローチが主流です。

例えば、「高さ10cmの円柱の上に半径5cmの球体がある」というテキスト指示を受け取ると、システムは以下のような操作シーケンスに変換します：

  1. XY平面に円を描画（半径: 5cm）
  2. 円を押し出し（高さ: 10cm）
  3. 円柱の上面の中心に点を作成
  4. その点を中心に球体を作成（半径: 5cm）

このような操作シーケンスの生成には「Text2CAD」のようなトランスフォーマーベースのアーキテクチャが用いられ、異なる難易度レベルのテキスト指示に対応できるように訓練されています。この操作シーケンスが既存のCADエンジンで実行可能な形式で出力されることで、実用的なCADデータが生成されるのです。

Text to CADの処理フロー
Text to CADの処理フロー：テキスト解析からCAD生成までのプロセス

最新研究と主要技術

Text to CAD分野では、近年いくつかの重要な研究開発が進められています。ここでは特に注目すべき技術と研究成果を紹介します。

Zoo社のText-to-CADオープンソース技術

アメリカのスタートアップ企業「Zoo」が開発したText-to-CADは、この分野で最も実用化が進んでいる技術の一つです。同社は2023年末にアルファ版を公開し、テキストプロンプトから直接B-Rep形式のCADデータ（STEP形式）を生成できるウェブインターフェースを提供しています。

Zoo社のシステムの特徴は以下の点にあります：

  1. オープンソース: Text-to-CADツールは誰でも無料で利用可能で、将来的には企業の独自データセットでファインチューニングできるよう計画されています。

  2. 実用的な出力形式: STL、PLY、OBJ、STEP、GTLF、GLBなど多様なファイル形式に対応しており、主要な3DプリンターやCADソフトウェアとの互換性を持っています。

  3. APIによる拡張性: 同社のDesign APIとMachine Learning APIを活用し、プログラム的にCADファイルを生成・操作できる仕組みを提供しています。

このツールは特に製造業やプロダクトデザイン分野でのラピッドプロトタイピングに適しており、設計初期段階での試行錯誤を大幅に効率化する可能性を秘めています。

Zoo社のText-to-CADは公式サイト（https://zoo.dev/text-to-cad）で試すことができます。

CADFusionフレームワーク

中国の研究チームによって2025年初頭に発表された「CADFusion」は、テキスト指示からCADモデルを生成する新たなアプローチを提案しています。この研究の最大の特徴は、シーケンシャルな学習と視覚的フィードバックを組み合わせた二段階学習プロセスにあります。

CADFusionのアプローチを簡単に説明すると：

  1. シーケンシャル学習段階: 大規模言語モデル（LLM）を使用して、テキスト指示からCADパラメトリックシーケンスを生成する学習を行います。

  2. 視覚的フィードバック段階: 生成されたCADシーケンスをレンダリングし、その視覚的な品質を評価。良いモデルを生成したシーケンスには報酬を与え、そうでないものにはペナルティを与えることで、モデルの学習を促進します。

この手法の革新的な点は、テキスト指示とCADシーケンスの論理的整合性だけでなく、最終的な視覚的出力の品質も考慮している点です。研究チームは、この二段階アプローチにより、従来手法と比較して大幅に品質が向上したと報告しています。

Text2CAD: パラメトリックCADモデル生成への挑戦

2024年後半にドイツのDFKI（ドイツ人工知能研究センター）から発表された「Text2CAD」は、初心者から専門家レベルまでの多様なテキスト指示からCADモデルを生成できるフレームワークを提案しています。

Text2CADの主な特徴は：

  1. 段階的な難易度対応: シンプルな指示（「二つの同心円筒を生成」）から複雑な指示（詳細な寸法や形状特性を含む）まで、様々な難易度レベルのテキスト指示に対応できるよう設計されています。

  2. データ注釈パイプライン: Mistral-50BやLLaVA-NeXTなどの最新AIモデルを活用して、テキスト指示とCAD操作シーケンスのペアからなるデータセットを自動生成する仕組みを開発しています。

  3. エンド・ツー・エンドのアーキテクチャ: テキスト指示を直接CAD操作シーケンスに変換するトランスフォーマーベースのモデルを構築し、既存のCADソフトウェアで実行可能な形式で出力します。

この研究は特にCAD初心者のサポートや、デザインプロセスの効率化に大きな可能性を秘めており、CADの民主化を加速させる技術として注目されています。

これらの研究は相互に影響を与えながら発展しており、テキストからCADデータ生成の精度と実用性は日々向上しています。特に産業界での実際の応用が始まりつつある現在、Text to CAD技術は製造・設計プロセス全体を革新する可能性を秘めているのです。

実証実験と事例紹介

Text to CAD技術は研究段階から実用段階へと徐々に移行しており、世界各地でさまざまな実証実験や先進的な活用事例が登場しています。ここでは、特に注目すべき実証事例を紹介します。

建築・設計分野での実証実験

建築・設計分野は、Text to CAD技術の恩恵を大きく受ける可能性のある領域の一つです。

「Maket」による住宅の間取り自動生成

建築設計の初期段階では、顧客の要望に基づいて複数の間取りプランを迅速に作成する必要があります。「Maket」というサービスでは、簡単な要件をテキストで入力すると住宅の平面プランを自動生成し、すぐさまCADデータ（DXF形式）でダウンロードできる機能を提供しています。

このシステムは、「4人家族向け、リビングダイニングを広めに、ホームオフィス付き」といった比較的シンプルな要件から始め、対話的に詳細を詰めていくことで、建築基準にも配慮した実現可能な間取り案を複数生成します。専門家はこれらの案をたたき台として効率的に設計を進めることができます。

Maketは公式サイト（https://maket.ai/）で、AI駆動の建築設計プラットフォームを提供しており、日本でもLib Work社がMaketと提携して「生成AI住宅」プロジェクトを開始しています。

大林組のAIデザイン支援ツール

日本の大手ゼネコン大林組は、スケッチや簡易3Dモデルから外観デザイン案を複数生成するAIツール「AiCorb（アイコルブ）」を社内開発しています。これはText to CADの派生的応用と言えるもので、テキスト指示だけでなく、簡易的なスケッチを入力として受け取り、それを発展させた3D建築モデルを生成します。

この取り組みでは、デザイナーの創造性を制限するのではなく、さまざまなデザインの可能性を迅速に探索できるように支援することに重点が置かれています。生成されたモデルは設計者がさらに詳細に作り込んでいくための出発点として活用されています。

大林組の「AiCorb」についての詳細は公式サイト（https://www.obayashi.co.jp/news/detail/news20220301_3.html）で紹介されています。

工業製品設計における活用例

製造業やプロダクトデザイン分野でも、Text to CAD技術を活用した先進的な取り組みが始まっています。

自動車部品メーカーでのラピッドプロトタイピング

ある大手自動車部品メーカーでは、Zoo社のText-to-CADを活用して、初期設計フェーズでのアイデア出しを効率化する取り組みを進めています。例えば「空力性能を高めた軽量のサイドミラーカバー」といった要件から、複数のデザイン案をすぐに生成し、それらをベースに設計者がさらに詳細な検討を行うというワークフローを確立しています。

この方法により、従来1週間程度かかっていた初期デザイン案の作成が数時間に短縮され、より多くのデザイン案を探索することが可能になりました。最終的には人間の設計者による細部の調整や製造性の検討が必要ですが、アイデア出しから詳細設計への移行が大幅に効率化されています。

プロダクトデザインスタジオの例

デンマークのあるプロダクトデザインスタジオでは、クライアントとの初回ミーティング中に、Text to CADを活用してリアルタイムに製品コンセプトを視覚化する取り組みを行っています。クライアントの要望をその場でテキスト入力し、3Dモデルとして表示することで、両者の認識の齟齬を早期に解消し、デザインプロセス全体を加速しています。

このアプローチは特に、デザインの専門知識を持たないクライアントとのコミュニケーションを円滑にする効果があり、プロジェクトの初期段階での理解の共有に大きく貢献しています。

スタートアップのPoC事例

新興企業やスタートアップは、より革新的かつ実験的なアプローチでText to CAD技術を活用しています。

日本のスタートアップLink AI社は、テキストからCADデータを生成する技術を建築・住宅業界向けにカスタマイズしたサービスの実証実験を行っています。このシステムでは、建築要件をテキストで入力すると、建築基準法や消防法などの法規制を考慮した上で、実現可能な3Dモデルを生成します。

また、同社のシステムは単にモデルを生成するだけでなく、法規制に抵触する可能性がある箇所を自動的に検出し、修正案を提案する機能も備えています。これにより、設計ミスや法規制違反のリスクを低減することができます。

Link AI社の詳細は公式ウェブサイト（https://www.linkai.co.jp/）で確認でき、建築業界向けAIソリューションの開発に積極的に取り組んでいます。

カスタム部品設計の自動化

製造業向けの別のスタートアップでは、企業の既存CADデータと自然言語による変更指示を組み合わせて、カスタム部品の設計を自動化するシステムを開発しています。例えば「この部品の厚みを2mm増やし、コーナーに5mmの面取りを追加」といった指示で、既存部品を迅速に修正したCADモデルを生成できます。

このアプローチは特に、類似したバリエーションを多数持つ部品ファミリーの設計に効果を発揮しており、製品のカスタマイズ対応力の向上に貢献しています。

これらの事例は、Text to CAD技術が単なる研究段階を超えて、実際のビジネスプロセスに価値をもたらし始めていることを示しています。まだ完全に人間の設計者に取って代わるレベルには達していませんが、設計プロセスの効率化や創造的な可能性の拡大に大きく貢献していると言えるでしょう。

産業への影響と将来展望

Text to CAD技術は、製造業や設計分野に根本的な変革をもたらす可能性を秘めています。ここでは、この技術が産業に与える影響と将来の展望について考察します。

設計プロセスの民主化と効率化

Text to CAD技術の最も大きな影響の一つは、設計プロセスの「民主化」です。従来、CAD操作には専門的なトレーニングと経験が必要でしたが、自然言語でモデルを指示できるようになることで、CADの専門知識を持たない人々でも3Dモデルを作成できるようになります。

アイデアから形状への障壁低減

製品開発においては、アイデアの初期段階で形状をすばやく視覚化することが重要です。Text to CADは、「このようなものを作りたい」という漠然としたアイデアを、数分で具体的な3Dモデルに変換できるため、アイデア検証のサイクルを大幅に短縮できます。

例えば、マーケティング担当者や経営陣が持つ製品コンセプトを、設計者を介さずに直接形にできるようになれば、組織内でのコミュニケーションが円滑になり、製品開発の初期段階での方向性の合意形成が加速します。

設計時間の劇的短縮

企業の設計部門では、Text to CADにより初期設計案の生成時間が大幅に短縮されます。例えば、前述の自動車部品メーカーの事例のように、従来1週間かかっていた作業が数時間に短縮される可能性があります。また、バリエーション設計にかかる時間も大幅に削減できます。

これにより、設計者はより創造的な設計課題や最適化に集中できるようになり、結果として製品の革新性と品質向上につながることが期待されます。

製造業のDX促進要因としての可能性

製造業のデジタルトランスフォーメーション（DX）において、Text to CADは大きな推進力となる可能性があります。

データ駆動型設計の促進

Text to CADシステムは、過去の設計データや製品データから学習することで、より実用的で製造可能なモデルを生成できるようになります。これにより、企業の設計ノウハウをAIに取り込み、データ駆動型の設計アプローチが促進されます。

例えば、過去の設計データと性能評価データを組み合わせて学習させることで、「高効率な熱交換器」といった性能要件から、過去の成功事例に基づいた最適設計案を自動生成することも可能になるでしょう。

サプライチェーン最適化との連携

Text to CADと資材調達、製造計画システムを連携させることで、設計から製造までのプロセスをさらに効率化できる可能性があります。例えば、調達可能な部品や材料の制約を考慮した設計案を生成したり、製造コストや納期を考慮した設計最適化が自動化できるようになるでしょう。

このように、Text to CAD技術は製造業のDXの核となる技術の一つとなり、設計・製造プロセス全体の変革を促進する可能性を秘めています。

専門技術者の役割変化と新たな可能性

Text to CADの普及に伴い、CAD設計者やエンジニアの役割も変化していくことが予想されます。

設計者の役割の進化

CAD操作自体が自動化されることで、設計者の仕事は「CADを使ってモデルを作成する」ことから、「AIが生成したモデルを評価・洗練する」ことへと重点が移っていくでしょう。また、より高度な設計課題（複雑な機能最適化や新たな設計手法の開発など）に注力できるようになります。

これは単に「AIが設計者の仕事を奪う」という単純な構図ではなく、設計者の役割が高付加価値の領域へとシフトしていくことを意味します。

新たなスキルセットの需要

Text to CADの時代には、従来のCADオペレーションスキルよりも、以下のようなスキルの重要性が高まるでしょう：

  1. プロンプトエンジニアリング: AIに効果的に指示を出し、望ましいモデルを生成させるスキル
  2. 設計評価と最適化: 生成されたモデルの性能や製造性を評価し改善するスキル
  3. 領域知識と創造性: 特定産業の深い知識や創造的な問題解決能力

これにより、CAD教育や設計者のトレーニングプログラムも変化していくことが予想されます。

製造業や設計分野におけるText to CAD技術のインパクトは、他の産業におけるAI技術の影響と同様、破壊的でありながらも新たな可能性を生み出すものになるでしょう。この技術を早期に取り入れ、戦略的に活用できる企業が、将来の製造・設計分野で競争優位性を確立できると考えられます。

導入への現実的ステップ

Text to CAD技術に興味を持った企業や専門家にとって、どのようにこの技術の導入を進めるべきでしょうか。ここでは、現実的な導入ステップと考慮すべき点について解説します。

現在の技術的制約と課題

Text to CAD技術の導入を検討する際には、現時点での技術的制約を理解しておくことが重要です。

精度と複雑性の限界

現在のText to CAD技術は、比較的シンプルな形状や標準的な部品の生成には高い精度を示しますが、複雑な機構や特殊な形状に関しては限界があります。特に以下のような課題が存在します：

  • 高精度な公差指定: 製造に必要な厳密な公差指定などの細かい要件はまだ十分に対応できていない
  • 特殊な製造要件: 射出成形の抜き勾配や、専門的な加工要件への対応が不十分
  • 業界特有の規格への適合: 各産業特有の規格や標準への自動適合はまだ実現していない

このため、最初は比較的単純な部品や初期コンセプト設計など、精度要件が厳しくない領域から導入を始めることが賢明です。

学習データの限界

Text to CADシステムの精度は、学習に使用されたデータに大きく依存します。現在のモデルは一般的なCADデータで訓練されていますが、特定産業や企業固有の設計様式に適応するには追加学習が必要となります。

また、領域特化型の専門用語や暗黙知的な表現に対応するためには、企業内の既存CADデータとテキスト説明を用いたファインチューニングが必要になるでしょう。

企業が検討すべき導入準備

自社へのText to CAD技術導入を検討する企業は、以下のような段階的アプローチを取ることが推奨されます。

1. パイロットプロジェクトの設定

特定の部品種類や設計プロセスを選んで、小規模なパイロットプロジェクトから開始することが重要です。例えば：

  • 既存製品の簡易バリエーション設計
  • 標準部品の初期設計案生成
  • 概念設計フェーズでの形状探索

失敗のリスクが低く、成果が測定しやすい領域を選ぶことで、技術導入の効果を確認しやすくなります。

2. 社内データの整備

Text to CAD技術を効果的に活用するためには、自社の設計データを整理し、活用可能な形にすることが必要です：

  • 過去のCADデータと設計仕様書のデジタル化・整理
  • CADデータとテキスト説明のペアデータ作成
  • 設計ノウハウの文書化

これらのデータは、将来的に独自モデルのファインチューニングに活用できるほか、AIへの明確な指示を出すための知見にもなります。

3. ハイブリッドワークフローの構築

Text to CADを既存の設計プロセスに統合する際には、完全自動化を目指すよりも、人間の設計者とAIのハイブリッドワークフローを構築することが現実的です：

  • AIによる初期設計案生成 → 人間による評価・修正
  • 人間による概念スケッチ → AIによる3Dモデル化 → 人間による詳細設計
  • AIによる複数案生成 → 人間による最適案選択・最終化

このようなハイブリッドアプローチにより、AIの創造性と効率性を活かしつつ、人間の専門知識と判断力を組み合わせることができます。

人材育成の視点

Text to CAD技術の導入には、技術面だけでなく人材面での準備も重要です。

AIとの効果的な協働スキル

設計者がText to CADツールを効果的に活用するためには、以下のようなスキルの育成が必要です：

  • 効果的なプロンプト作成: AIに適切な指示を出すための言語化スキル
  • 生成モデルの評価・編集: AIが生成したモデルを評価し、必要に応じて効率的に編集する能力
  • AIツールの特性理解: AIの得意・不得意を理解し、適切なタスク割り当てを行う判断力

これらのスキルは、設計者にとって将来的に不可欠なものとなるでしょう。

意識改革とチェンジマネジメント

新技術導入に伴う組織的な変化も重要な検討事項です：

  • 設計者の役割変化に対する不安への対応
  • AIツールを補助ではなくパートナーとして位置づける意識改革
  • 新しいワークフローに対する評価・報酬制度の見直し

特に、長年CADを使ってきたベテラン設計者に対しては、Text to CADが彼らの経験や知識を脅かすものではなく、むしろそれらを増幅するツールであることを強調し、抵抗感を軽減する取り組みが必要です。

Text to CAD技術はまだ発展途上であり、完全に成熟した技術ではありません。しかし、今からこの技術の特性を理解し、試験的な導入と準備を進めておくことで、将来的な競争優位性を確保することができるでしょう。

まとめ

本記事では、テキストからCADモデルを生成する「Text to CAD」技術の最新動向と、製造・設計分野への影響について解説してきました。ここでは、これまでの内容を総括し、将来の展望を示します。

テキストからCAD技術の進化予測

Text to CAD技術は現在も急速に進化を続けており、今後数年間で以下のような発展が予想されます：

  1. 精度と複雑性の向上: より複雑な形状や専門的な設計要件にも対応できるように進化し、実用的な設計業務の範囲が拡大していくでしょう。

  2. 領域特化型モデルの登場: 建築、機械部品、電子機器など、特定産業に特化したText to CADモデルが登場し、各分野の専門用語や暗黙知に対応した高精度なモデル生成が可能になるでしょう。

  3. マルチモーダル入力への対応: テキストだけでなく、手書きスケッチや音声指示、既存CADモデルなど、多様な入力形式を組み合わせたハイブリッドなCAD生成システムが発展していくと考えられます。

  4. 設計ワークフローとの統合深化: 単独のツールから、PLM（製品ライフサイクル管理）システムやCAE（コンピュータ支援解析）ツールとの連携が進み、設計から検証、製造までの一連のプロセスを支援するエコシステムの一部となっていくでしょう。

日本企業にとっての機会と課題

日本の製造業や設計分野においては、Text to CAD技術がいくつかの特有の機会と課題をもたらします：

機会

  1. 技術伝承の加速: 高齢化が進む日本のものづくり現場において、熟練技術者の暗黙知をAIに取り込み、次世代へと継承する手段として活用できる可能性があります。

  2. 人手不足への対応: 設計業務の一部自動化により、少ない人的リソースでより多くの設計バリエーションに対応できるようになり、人手不足の緩和に貢献する可能性があります。

  3. 高付加価値設計への注力: ルーチンワークの自動化により、日本が得意とする高品質・高付加価値の設計に人的リソースを集中させることが可能になります。

課題

  1. 導入への保守性: 日本企業では、実績のある手法や既存プロセスを重視する傾向があり、革新的なAI技術の導入に慎重な面があります。このバランスをどう取るかは重要な課題です。

  2. データ整備の遅れ: 多くの日本企業では、過去の設計データがデジタル化されていなかったり、標準化されていなかったりする課題があり、AI学習に必要なデータ整備が必要です。

  3. 人材育成の必要性: AI技術を活用できるエンジニアの育成が急務であり、既存の設計者に対する再教育や、新たなスキルセットを持つ人材の採用が課題となります。

最終的な展望

Text to CAD技術は、CADの誕生やCAEの登場に匹敵する、設計・製造プロセスの根本的な変革をもたらす可能性を秘めています。しかし、この技術は人間の設計者を置き換えるものではなく、むしろ設計者の創造性と生産性を大幅に高める強力なツールとなるでしょう。

将来的には、設計者は「CADを操作する人」から、「設計意図を明確に表現し、AIと協働して最適解を導く人」へと役割が変化していくと予想されます。この変化に適応し、新技術を積極的に取り入れていける企業こそが、次世代のものづくりをリードしていくことになるでしょう。

Text to CAD技術の進化は始まったばかりです。研究開発の継続や実証事例の蓄積により、製造・設計の未来はさらに大きく変わっていくことでしょう。その変革の波に乗り、新たな可能性を探求していくことが、これからの製造業に求められています。

参考文献

  1. Zoo社 Text-to-CAD公式ドキュメント (2023) https://zoo.dev/text-to-cad
  2. "Text-to-CAD Generation Through Infusing Visual Feedback in Large Language Models" (2025) arXiv
  3. "Text2CAD: Generating Sequential CAD Models from Beginner-to-Expert Level Text Prompts" (2024) DFKI
  4. 建築業界へのAIの影響：Maketによる事例研究（2024）https://maket.ai/
  5. 「テキストだけでCADモデルが作れる！スモールビジネス向け最新技術」AI WAVE (2025)
  6. 大林組 AIデザイン支援ツール「AiCorb」公式情報 https://www.obayashi.co.jp/news/detail/news20220301_3.html
  7. Link AI社 公式ウェブサイト https://www.linkai.co.jp/

Discussion