論文の概要: MCP4IFC: IFC-Based Building Design Using Large Language Models

• arxiv url: http://arxiv.org/abs/2511.05533v1
• Date: Wed, 29 Oct 2025 09:14:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-16 06:38:31.026918
• Title: MCP4IFC: IFC-Based Building Design Using Large Language Models
• Title（参考訳）: MCP4IFC:大規模言語モデルを用いたIFCベースビルディング設計
• Authors: Bharathi Kannan Nithyanantham, Tobias Sesterhenn, Ashwin Nedungadi, Sergio Peral Garijo, Janis Zenkner, Christian Bartelt, Stefan Lüdtke,
• Abstract要約: MCP4IFCは、大規模言語モデル(LLM)が産業基盤クラス(IFC)データを操作できるようにする包括的なオープンソースフレームワークである。 我々のフレームワークはオープンソースとしてリリースされ、BIM駆動設計の研究を奨励し、AI支援モデリングの基礎を提供する。
• 参考スコア（独自算出の注目度）: 10.715011902262617
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Bringing generative AI into the architecture, engineering and construction (AEC) field requires systems that can translate natural language instructions into actions on standardized data models. We present MCP4IFC, a comprehensive open-source framework that enables Large Language Models (LLMs) to directly manipulate Industry Foundation Classes (IFC) data through the Model Context Protocol (MCP). The framework provides a set of BIM tools, including scene querying tools for information retrieval, predefined functions for creating and modifying common building elements, and a dynamic code-generation system that combines in-context learning with retrieval-augmented generation (RAG) to handle tasks beyond the predefined toolset. Experiments demonstrate that an LLM using our framework can successfully perform complex tasks, from building a simple house to querying and editing existing IFC data. Our framework is released as open-source to encourage research in LLM-driven BIM design and provide a foundation for AI-assisted modeling workflows. Our code is available at https://show2instruct.github.io/mcp4ifc/.
• Abstract（参考訳）: 生成AIをアーキテクチャ、エンジニアリング、建設(AEC)分野に持ち込むには、自然言語命令を標準化されたデータモデル上のアクションに変換するシステムが必要である。 MCP4IFCは大規模言語モデル(LLM)がモデルコンテキストプロトコル(MCP)を介して産業基盤クラス(IFC)データを直接操作できる包括的なオープンソースフレームワークである。 このフレームワークは、情報検索のためのシーンクエリツール、共通ビルディング要素の作成と修正のための事前定義された機能、事前定義されたツールセット以上のタスクを処理するためにコンテキスト内学習と検索強化生成(RAG)を組み合わせた動的コード生成システムを含む一連のBIMツールを提供する。 実験により,我々のフレームワークを用いたLCMは,シンプルなハウスの構築から既存のIFCデータのクエリや編集まで,複雑なタスクをうまくこなせることを示した。 我々のフレームワークはオープンソースとしてリリースされ、LLM駆動型BIM設計の研究を奨励し、AI支援モデリングワークフローの基礎を提供する。 私たちのコードはhttps://show2instruct.github.io/mcp4ifc/で利用可能です。

関連論文リスト

• Large Language Models are Good Relational Learners [55.40941576497973]
  本稿では,グラフニューラルネットワーク(GNN)に基づくエンコーダを用いて,大規模言語モデル(LLM)のための構造化リレーショナルプロンプトを生成する新しいアーキテクチャであるRel-LLMを紹介する。 従来のテキストベースのシリアライズ手法とは異なり,本手法はデータベース固有の関係構造を保ちながら,LLMが複雑なエンティティ関係を処理・推論することを可能にする。
  論文  参考訳（メタデータ） (2025-06-06T04:07:55Z)
• GUI Agents with Foundation Models: A Comprehensive Survey [91.97447457550703]
  この調査は(M)LLMベースのGUIエージェントに関する最近の研究を集約する。 重要な課題を特定し,今後の研究方向性を提案する。 この調査が(M)LLMベースのGUIエージェントの分野におけるさらなる進歩を促すことを願っている。
  論文  参考訳（メタデータ） (2024-11-07T17:28:10Z)
• Control Industrial Automation System with Large Language Model Agents [2.2369578015657954]
  本稿では,大規模言語モデルと産業自動化システムを統合するためのフレームワークを提案する。 フレームワークの中核には、産業タスク用に設計されたエージェントシステム、構造化プロンプト方法、イベント駆動情報モデリング機構がある。 コントリビューションには、フォーマルなシステム設計、概念実証実装、タスク固有のデータセットを生成する方法が含まれる。
  論文  参考訳（メタデータ） (2024-09-26T16:19:37Z)
• The Compressor-Retriever Architecture for Language Model OS [20.56093501980724]
  オペレーティングシステム(OS)のコアコンポーネントとして言語モデルを用いるという概念について検討する。 このようなLM OSを実現する上で重要な課題は、寿命の長いコンテキストを管理し、セッション間のステートフルネスを確保することだ。 本稿では,生涯のコンテキスト管理のために設計されたモデル非依存アーキテクチャであるコンプレッサー・レトリバーを紹介する。
  論文  参考訳（メタデータ） (2024-09-02T23:28:15Z)
• Text2BIM: Generating Building Models Using a Large Language Model-based Multi-Agent Framework [0.3749861135832073]
  Text2 BIMフレームワークは、自然言語命令から3Dビルディングモデルを生成する。 ルールベースのモデルチェッカーがエージェントワークフローに導入され、LLMエージェントの問題解決をガイドする。 このフレームワークは、高品質で構造的に合理的なビルディングモデルを効果的に生成できる。
  論文  参考訳（メタデータ） (2024-08-15T09:48:45Z)
• CRAFT: Customizing LLMs by Creating and Retrieving from Specialized Toolsets [75.64181719386497]
  大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。 タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。 本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
  論文  参考訳（メタデータ） (2023-09-29T17:40:26Z)
• ModelScope-Agent: Building Your Customizable Agent System with Open-source Large Language Models [74.64651681052628]
  本稿では,オープンソースのLCMをコントローラとする実世界のアプリケーションのためのカスタマイズ可能なエージェントフレームワークであるModelScope-Agentを紹介する。 ユーザフレンドリーなシステムライブラリを提供し、カスタマイズ可能なエンジン設計により、複数のオープンソースLLMでモデルトレーニングをサポートする。 ツール使用データ収集、ツール検索、ツール登録、メモリ制御、カスタマイズされたモデルトレーニング、評価にまたがる包括的なフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-09-02T16:50:30Z)
• CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
  我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。 我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。 CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
  論文  参考訳（メタデータ） (2023-05-31T05:24:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。