BrickWright: Agentic Creation of Physically Feasible Brick Builds
Abstractの概要
BrickWrightは、テキストまたは画像のプロンプトから物理的に実現可能なレゴブロックの組み立てモデルを生成するフレームワークであり、計画・実行・検証のループ内でBrickLayerコードを記述するよう事前学習済みコーディングエージェントを誘導します。BrickLayerは、LDrawカタログを対象としたパーツ探索、コネクタを考慮した組み立て関数、ならびに衝突、浮遊パーツ、非連結コンポーネントに対する検証機能を提供します。本論文では、物理的実現可能性を主に、実際のカタログパーツの使用、衝突や浮遊の回避、および連結コンポーネント数の最小化として定義しています。512件のプロンプトを用いた実験により、実現可能性およびプロンプト準拠度の指標を用いて、BrickWrightと標準的なコーディングエージェントや特化型ブロック生成モデルとの比較を行っています。
新規性
主な新規性は、タスク特化型の生成モデルを学習させるのではなく、汎用の事前学習済みコーディングエージェントに、使いやすい組み立てAPIと実行可能な物理的実現可能性検証器を組み合わせたブロック専用ツールキットを組み合わせた点にあります。さらに本フレームワークは、このエージェント型ワークフローを、関節可動型、画像条件付き、および制約付きのブロック生成へと拡張しています。
成果
BrickNet-512ベンチマークにおいて、BrickWrightで誘導されたエージェントはテストしたすべてのバックボーンで100%の妥当性を達成し、ベースラインの妥当性率（GPT-6 Lunaの9%からGPT-6 Astraの69%）を大きく上回りました。完全なシステム構成により、軽量エージェントのプロンプト準拠度が向上し、より強力なエージェントでも準拠度が維持され、総合的な実現可能性において特化型のText-to-Brickモデルを凌駕しました。アブレーション実験では、検証器が高い妥当性の維持に不可欠であること、また組み立てAPIが生のLDrawを直接扱う場合と比較して推論コストを半減させることが示されました。
論文の注目点
- BrickLayerは、検索可能なパーツ探索、コネクタタイプを考慮した組み立て操作、および衝突・浮遊パーツ・連結性の検証チェックを統合されたPython表現内で提供します。
- BrickWrightは軽量な計画・実行・検証ループを採用し、事前学習済みエージェントが実現可能性チェックを通過するまで、ブロック組み立てコードを反復的に記述、テスト、レンダリング、修正できるようにします。
- 実証実験において、本フレームワークはエージェントの規模を問わず512件のプロンプト全体で100%の有効な組み立てモデルを達成し、アブレーションにより組み立てAPIと検証器の双方が性能向上に実質的に寄与していることが示されました。
参考リンク
- arXiv: https://arxiv.org/abs/2610.31651v1
- Fugu-MT: https://fugumt.com/fugumt/paper_check/2610.31651v1
- Hugging Face Papers: https://huggingface.co/papers/2610.31651
- Project: https://avalovelace1.github.io/brickwright/