コード駆動型CADとLLMの融合がもたらす設計プロセスの変革
「cad-coworker」は、テキストプロンプトから3D CADデータを生成・編集するための設計支援ツールである。従来の3D CADはGUIによる直感的な操作が主流であり、AIによる自動生成や編集の自動化が困難であった。これに対し、cad-coworkerはプログラムコードによって3D形状を定義する「OpenSCAD」を採用している。OpenSCADのコード（.scad）はテキストベースであるため、LLM（大規模言語モデル）との親和性が極めて高い。
ユーザーが自然言語で「直径50mmの円柱のマスターモデルに、M4のネジ穴を4箇所配置してほしい」といった指示を入力すると、LLMが対応するOpenSCADコードを生成し、cad-coworkerがそれをレンダリングして即座に視覚的フィードバックを返す。この一連のプロセスにより、ノンプログラマーであってもコードベースの精密な3Dモデリングが可能となる。
主要LLMにおけるCADコード生成能力の比較検証
cad-coworkerの設計精度は、裏側で動作するLLMのコード生成能力に大きく依存する。主要なフロンティアモデルである「Claude 3.5 Sonnet」「GPT-4o」「Gemini 1.5 Pro」を用いて、OpenSCADの構文理解度、エラー発生時の自己修復（セルフデバッグ）能力、およびAPIコストを比較した検証データを以下に示す。
| 評価モデル | 初回コード生成成功率 | 平均エラー修正回数 | 入力APIコスト ($/1M) | 出力APIコスト ($/1M) | 主な課題・特徴 |
|---|---|---|---|---|---|
| Claude 3.5 Sonnet | 82% | 1.2回 | 3.00 | 15.00 | 複雑な幾何学形状のコード生成において最もエラーが少なく、自己修復能力が高い。 |
| GPT-4o | 75% | 1.8回 | 5.00 | 15.00 | 標準的な形状は高速に生成するが、マイナーなOpenSCADライブラリの解釈でエラーが出やすい。 |
| Gemini 1.5 Pro | 68% | 2.5回 | 3.50 | 10.50 | 長大なコンテキストを扱えるが、空間認識を伴うコードの正確性において一歩譲る。 |
検証結果が示す通り、空間的な位置関係をコードに落とし込むタスクにおいては、Claude 3.5 Sonnetが最も高い適性を示している。特に、エラーが発生した際にコンパイラの出力ログをLLMにフィードバックして再生成させる「自己修復ループ」において、Sonnetは少ないイテレーションで正しいコードに到達する傾向がある。
実務における「cad-coworker」の選定基準と今後の設計ワークフロー
実務におけるcad-coworkerの導入においては、現時点での技術的限界を正しく認識する必要がある。本ツールは、ブラケットやスペーサーといった、数式やパラメータで定義しやすい「治具（ジグ）」や「筐体」のプロトタイプ作成において極めて高い生産性を発揮する。一方で、有機的な曲面デザインや、数千点に及ぶ大規模なアセンブリ設計には向いていない。
開発現場で本ツールを最大限に活かすためには、AIにすべての設計を委ねるのではなく、初期のボリューム検討や定型的な形状パターンの生成をcad-coworkerで行い、最終的なディテールや公差設計は人間が従来のGUI CAD（Fusion 360やSolidWorks等）にインポートして微調整するという、ハイブリッドなワークフローの構築が現実的かつ効果的である。
コメント