論文の概要: Enhancing Creativity in 3D Generative Design via a TRIZ-Inspired Text-to-CAD Framework

• arxiv url: http://arxiv.org/abs/2606.21378v1
• Date: Fri, 19 Jun 2026 12:35:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 13:53:12.137161
• Title: Enhancing Creativity in 3D Generative Design via a TRIZ-Inspired Text-to-CAD Framework
• Title（参考訳）: TRIZにインスパイアされたテキスト・ツー・CADフレームワークによる3次元生成設計における創造性向上
• Authors: Dongeon Lee, Leekyo Jeong, Soyoung Yoo, Sunwoong Yang, Namwoo Kang,
• Abstract要約: 本研究では、高品質で編集可能なCADモデルを生成するTRIZにインスパイアされたテキスト・ツー・CADフレームワークを提案する。 このフレームワークは、発明的問題解決理論(TRIZ)を統合し、広範囲な特許記録からの深い人間の洞察をLCMの推進戦略に組み込む。 製品デザインケーススタディでは、TRIZにインスパイアされたテキスト・ツー・CADフレームワークが、複数のクリエイティブ・デザインの代替品を生成することを示した。
• 参考スコア（独自算出の注目度）: 4.844411739015927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in large language models (LLMs) have demonstrated significant potential in supporting engineering design tasks, including computer-aided design (CAD) automation. However, most existing LLM-based 3D CAD generation approaches primarily focus on geometric precision and instruction-following performance, often overlooking the fundamental aspect of creative design exploration. This study presents a TRIZ-inspired text-to-CAD framework that leverages LLMs to generate high-quality, editable CAD models while systematically exploring creative design alternatives. The framework integrates the Theory of Inventive Problem Solving (TRIZ)-embedding deep human insights from extensive patent records-into LLM prompting strategies, enabling autonomous generation of innovative CAD variants that address technical contradictions. Through a comprehensive three-stage pipeline of design generation, enhancement, and optimization, the framework produces structurally diverse CAD models from well-crafted prompts. The present study implements and evaluates the first two stages, while positioning the design optimization stage as future work. A product design case study (chair) demonstrates that the TRIZ-inspired text-to-CAD framework generates multiple creative design alternatives by systematically applying TRIZ inventive principles such as segmentation, anti-weight, dynamics, and composite materials, achieving 4.0-14.7% mass reduction across all enhanced designs while maintaining structural integrity. The key findings suggest that integrating systematic innovation methodologies with LLM-based 3D CAD generation bridges the gap between precision-focused synthesis and creativity-focused exploration, advancing toward autonomous design systems where AI makes design decisions independently, supporting human decision-making in human-AI collaborative design for engineering applications.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、コンピュータ支援設計(CAD)自動化など、エンジニアリング設計タスクをサポートする大きな可能性を示している。 しかし、既存のLLMベースの3DCAD生成手法のほとんどは、幾何学的精度と命令追従性能に重点を置いており、創造的デザイン探索の基本的な側面を見越すことが多い。 本研究では, TRIZにヒントを得たテキスト・ツー・CADフレームワークについて, LLMを利用して高品質で編集可能なCADモデルを生成するとともに, 創造的デザインの代替品を体系的に探索する。 このフレームワークは、発明的問題解決理論(TRIZ)を統合し、LLMの推進戦略に広範な特許記録から深い人間の洞察を取り入れ、技術的矛盾に対処する革新的なCAD変種を自律的に生成することを可能にする。 設計生成、拡張、最適化の総合的な3段階パイプラインを通じて、このフレームワークは構造的に多様なCADモデルを、巧妙なプロンプトから生成する。 本研究は,設計最適化段階を今後の課題として位置づけつつ,最初の2段階を実装し,評価する。 プロダクトデザインケーススタディ(チェア)では、TRIZにインスパイアされたテキスト・ツー・CADフレームワークが、セグメンテーション、アンチウェイト、ダイナミックス、複合材料といったTRIZ発明の原則を体系的に適用し、構造的整合性を維持しながら、すべての拡張されたデザインに対して4.0-14.7%の質量削減を達成することによって、複数の創造的デザイン代替品を生成することを示した。 重要な発見は、LLMベースの3DCAD生成と体系的なイノベーション方法論を統合することで、精度を重視した合成と創造性を重視した探索のギャップを埋め、AIが設計決定を独立して行う自律設計システムに向けて進み、エンジニアリングアプリケーションのための人間とAIの共同設計における人間の意思決定を支援することを示唆している。

関連論文リスト

• Advancing Automated Algorithm Design via Evolutionary Stagewise Design with LLMs [69.91297564489464]
  EvoStageは、産業規模のアルゴリズム設計の厳密な要求とLLMベースのアルゴリズム設計のギャップを埋める新しい進化パラダイムである。 EvoStageは、アルゴリズム設計プロセスを逐次的に管理可能なステージに分解し、リアルタイム中間フィードバックを反復的に洗練されたアルゴリズム設計方向に統合する。 商用グレードの3Dチップ配置ツールにデプロイすると、EvoStageはオリジナルのパフォーマンス指標を大幅に上回り、記録破りの効率を達成する。
  論文  参考訳（メタデータ） (2026-03-09T05:13:44Z)
• From Intent to Execution: Multimodal Chain-of-Thought Reinforcement Learning for Precise CAD Code Generation [47.67703214044401]
  CADモデリングコード生成のためのマルチモーダルChain-of-Thoughtガイド強化学習フレームワークCAD-RLを提案する。 本手法は,3つのタスク固有報酬を用いた目標駆動型強化学習ポストトレーニングとコールドスタートを組み合わせた。 CAD-RLは、推論品質、出力精度、コード実行可能性を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-08-13T18:30:49Z)
• Generative AI for CAD Automation: Leveraging Large Language Models for 3D Modelling [31.94035963354055]
  大規模言語モデル(LLM)は、効率性、スケーラビリティ、革新性を向上させることで産業に革命をもたらしている。 本稿では,フリーCAD と LLM をCAD ツールとして統合することにより,CAD の自動設計における LLM の可能性を検討する。 本稿では,LLMが自然言語記述からCADスクリプトを生成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-05T23:30:17Z)
• CReFT-CAD: Boosting Orthographic Projection Reasoning for CAD via Reinforcement Fine-Tuning [31.342222156939403]
  本稿では,2段階の微調整パラダイムであるCReFT-CADを紹介する。 われわれはTriView2CADをリリースした。
  論文  参考訳（メタデータ） (2025-05-31T13:52:56Z)
• cadrille: Multi-modal CAD Reconstruction with Online Reinforcement Learning [55.16668009268005]
  3つの入力モードを同時に処理するマルチモーダルCAD再構成モデルを提案する。 大規模プロシージャ生成データに対する教師付き微調整(SFT)と,オンラインフィードバックを用いた強化学習(RL)の2段階パイプラインをプログラム的に取得した。 DeepCADベンチマークでは、SFTモデルは3つの入力モードすべてにおいて既存の単一モードアプローチを同時に上回ります。
  論文  参考訳（メタデータ） (2025-05-28T22:32:31Z)
• AutoTRIZ: Automating Engineering Innovation with TRIZ and Large Language Models [4.2817602622158395]
  AutoTRIZは、大規模言語モデル(LLM)を統合して、発明問題解決理論(TRIZ)方法論を自動化し、拡張する人工的な概念体系である。 LLMの膨大な事前訓練された知識と高度な推論能力を活用することで、AutoTRIZは技術革新に対する新しい、生成的で解釈可能なアプローチを提供する。 教科書ケースとの比較実験と電池熱管理システム(BTMS)設計における実世界の応用によるAutoTRIZの有効性の実証と評価を行った。
  論文  参考訳（メタデータ） (2024-03-13T02:53:36Z)
• Geometric Deep Learning for Computer-Aided Design: A Survey [76.3325417461511]
  幾何学的深層学習技術は、コンピュータ支援設計の分野における変革の原動力となっている。 幾何データで表されるCAD設計を処理し、それらの符号化された特徴を解析することで、類似性を識別することができる。 本調査は, コンピュータ支援設計における学習手法の総合的な概要を, 様々なカテゴリーにまたがって紹介する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)

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。