論文の概要: Design-to-Plan: A Large Language Model-Based Multi-Agent Framework for Manufacturing Process Planning from 3D CAD Models and 2D Engineering Drawings
- arxiv url: http://arxiv.org/abs/2608.24039v1
- Date: Tue, 25 Aug 2026 03:57:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.80654
- Title: Design-to-Plan: A Large Language Model-Based Multi-Agent Framework for Manufacturing Process Planning from 3D CAD Models and 2D Engineering Drawings
- Title（参考訳）: Design-to-Plan:3次元CADモデルと2次元エンジニアリング図面によるプロセス計画作成のための大規模言語モデルベースマルチエージェントフレームワーク
- Abstract要約: 本稿では,大規模言語モデル(LLM)に基づくエンドツーエンド製造プロセス計画のための多エージェントフレームワークであるDesign-to-Planを提案する。
オーケストレータは、3D特徴認識、2D描画解析、2D-3Dコンテキスト融合、知識検索、プロセスシークエンシング、ツール選択、レポート生成のための特殊エージェントをコーディネートする。
このフレームワークは、3つの下流ReAct対応エージェントにまたがる300のベンチマークケースを用いて評価され、CAD特徴認識、描画解析、2D-3Dコンテキスト融合を別々に評価する。
- 参考スコア（独自算出の注目度）: 0.05090720572281118
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Manufacturing process planning transforms heterogeneous design information into coherent manufacturing decisions. However, existing approaches focus on isolated subtasks, such as feature recognition, drawing interpretation, or tool selection, and struggle to support the full reasoning chain from design artifacts to process plans. This is critical when planning must interpret 3D CAD models, 2D engineering drawings, materials, and domain-specific rules. To address this gap, this paper presents Design-to-Plan, a large language model (LLM)-based multi-agent framework for end-to-end manufacturing process planning. An orchestrator coordinates specialized agents for 3D feature recognition, 2D drawing analysis, 2D-3D context fusion, knowledge retrieval, process sequencing, tool selection, and report generation. Rather than using LLMs as standalone text generators, the framework deploys them as reasoning agents that interact with deterministic modules and knowledge sources to produce consistent and traceable decisions. In this hybrid design, deterministic modules and specialized agents extract structured information from CAD and drawing inputs, while LLM agents perform context-aware reasoning, retrieve manufacturing rules, resolve conflicts, and generate planning outputs. The framework is evaluated using 300 benchmark cases across three downstream ReAct-enabled agents, plus separate evaluations of CAD feature recognition, drawing analysis, and 2D-3D context fusion. The parallel architecture achieves 100% success across downstream agents, Tool F1 scores of 95.9%-97.6%, 90% source detection accuracy in conflict analysis, and a 60%-68% reduction in token usage for key planning tasks. Results show that structured LLM-based multi-agent coordination can bridge design representations and manufacturing knowledge, enabling scalable, efficient, and traceable design-to-plan automation.
- Abstract（参考訳）: 製造工程計画は、異質な設計情報をコヒーレントな製造決定に変換する。
しかし、既存のアプローチでは、特徴認識、描画解釈、ツールの選択といった独立したサブタスクに重点を置いており、設計成果物からプロセス計画までの完全な推論チェーンをサポートするのに苦労している。
計画が3DCADモデルや2Dエンジニアリング図面、材料、ドメイン固有のルールを解釈しなければならない場合、これは重要である。
このギャップに対処するために,大規模言語モデル(LLM)に基づくエンドツーエンド製造プロセス計画のための多エージェントフレームワークであるDesign-to-Planを提案する。
オーケストレータは、3D特徴認識、2D描画解析、2D-3Dコンテキスト融合、知識検索、プロセスシークエンシング、ツール選択、レポート生成のための特殊エージェントをコーディネートする。
LLMをスタンドアロンのテキストジェネレータとして使用するのではなく、決定論的モジュールや知識ソースと相互作用する推論エージェントとしてデプロイし、一貫性とトレース可能な決定を生成する。
このハイブリッド設計では、決定論的モジュールと特殊エージェントがCADから構造化情報を抽出し、入力を描画する一方、LLMエージェントはコンテキスト認識推論を行い、製造ルールを検索し、競合を解消し、計画出力を生成する。
このフレームワークは、3つの下流ReAct対応エージェントにまたがる300のベンチマークケースを用いて評価され、CAD特徴認識、描画解析、2D-3Dコンテキスト融合を別々に評価する。
並列アーキテクチャは下流エージェントで100%成功し、ツールF1スコアは95.9%-97.6%、コンフリクト分析で90%のソース検出精度、キープランニングタスクにおけるトークン使用率を60%-68%削減した。
その結果、構造化LLMに基づく多エージェント協調は、設計表現と製造知識を橋渡しし、スケーラブルで、効率的で、トレーサブルな設計から計画への自動化を可能にすることを示した。
関連論文リスト
- Model-Driven Discipline for Multi-Agent LLMs: Requirement-to-Verification Generation of Traceable System Models [62.62160094849002]
RADIANTは、MDEとMulti-Agent Large Language Modelを組み合わせたエンジニアリング方法論である。
工学的なフェーズにまたがる異種モデルを自動的に生成する。
正確かつ自動的な変更インパクト分析を提供する。
論文 参考訳（メタデータ） (2026-07-18T08:50:55Z) - Agentic Large Language Models for Automated Structural Analysis of 3D Frame Systems [9.941684692042632]
大規模言語モデル(LLM)は、ドメイン間で強力な推論能力を持つ強力な基礎モデルとして登場した。
構造工学における近年の取り組みは,平面フレームの自動解析のためのエージェントLDMの開発である。
本稿では,自然入力からの3次元フレームの自動構造解析のためのエージェントLLMフレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-02T20:34:11Z) - Benchmarking Requirement-to-Architecture Generation with Hybrid Evaluation [8.867061253116367]
大規模言語モデル(LLM)は、ソフトウェアエンジニアリングタスクの自動化において大きな可能性を証明している。
要件文書からソフトウェアアーキテクチャ設計を生成することは、ソフトウェア開発における重要なステップである。
R2ABenchは、さまざまな現実世界のソフトウェアプロジェクトと、包括的製品要求文書(PRD)と専門家による参照図を組み合わせた、新しいベンチマークである。
論文 参考訳（メタデータ） (2026-04-08T04:58:36Z) - Agentic Planning with Reasoning for Image Styling via Offline RL [66.10749901925941]
直接的なプロンプトベースの編集は複雑な変換では失敗するが、なぜなら曖昧で主観的なプロンプトは、画像に何を変更するべきかを微妙に理解する必要がしばしばあるからである。
ツールベースのエージェントRLポストトレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-07T11:14:37Z) - MagicAgent: Towards Generalized Agent Planning [73.21129030631421]
汎用エージェント計画に特化して設計された基盤モデルである textbfMagicAgent について述べる。
多様な計画タスクにまたがる高品質なトラジェクトリを生成する軽量でスケーラブルな合成データフレームワークを提案する。
MagicAgent-32B と MagicAgent-30B-A3B は様々なオープンソースベンチマークにおいて優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2026-02-22T01:39:16Z) - Context-Aware Mapping of 2D Drawing Annotations to 3D CAD Features Using LLM-Assisted Reasoning for Manufacturing Automation [0.05090720572281118]
本稿では、2D描画エンティティを3DCAD機能にマッピングする決定論的第一の文脈認識フレームワークを提案する。
20個のCAD描画ペアの実験では平均精度は83.67%、リコールは90.46%、F1スコアは86.29%である。
論文 参考訳（メタデータ） (2026-02-20T15:46:57Z) - TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics [53.442362491589726]
本稿では、視覚言語モデル(VLM)を幾何学コンピュータに変換する新しいフレームワークであるTIGeR(Tool-Integrated Geometric Reasoning)を提案する。
TIGeRは、ニューラルネットワーク内で複雑な幾何学的操作を内部化しようとするのではなく、幾何学的推論要求を認識するためにモデルに権限を与える。
TIGeRは、実世界のロボット操作タスクにおいて、センチメートルレベルの精度を示しながら、幾何学的推論ベンチマーク上でSOTA性能を達成することを示す。
論文 参考訳（メタデータ） (2025-10-08T16:20:23Z) - A Lightweight Large Language Model-Based Multi-Agent System for 2D Frame Structural Analysis [21.13581042992661]
大規模言語モデル(LLM)は、工学における自律的エージェントの強化に最近使用されている。
本稿では、2次元フレームの有限要素モデリングを自動化するLLMベースのマルチエージェントシステムを提案する。
このシステムは10回の試行で80%以上の精度を達成し、Gemini-2.5 ProとChatGPT-4oモデルを上回っている。
論文 参考訳（メタデータ） (2025-10-06T22:12:52Z) - Bridging Engineering and AI Planning through Model-Based Knowledge Transformation for the Validation of Automated Production System Variants [36.25050480925601]
本稿では,記号的計画アーティファクトの仕様と自動生成を可能にするモデル駆動方式を提案する。
専用のSysMLプロファイルでは、コアプランニングのための再利用可能なステレオタイプが導入されている。
このメソッドはネイティブ統合をサポートし、エンジニアリングと計画アーティファクト間の一貫性を維持する。
論文 参考訳（メタデータ） (2025-09-15T16:18:08Z) - 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) - Unlocking Reasoning Potential in Large Langauge Models by Scaling Code-form Planning [94.76546523689113]
CodePlanは、テキストコード形式の計画を生成し、追跡するフレームワークで、高いレベルの構造化された推論プロセスの概要を擬似コードで示します。
CodePlanは、洗練された推論タスク固有のリッチなセマンティクスと制御フローを効果的にキャプチャする。
反応を直接生成するのに比べて25.1%の相対的な改善が達成されている。
論文 参考訳（メタデータ） (2024-09-19T04:13:58Z) - 3D-GPT: Procedural 3D Modeling with Large Language Models [47.72968643115063]
命令駆動3Dモデリングのための大規模言語モデル(LLM)を利用するフレームワークである3D-GPTを紹介する。
3D-GPTは、3Dモデリングタスクをアクセス可能なセグメントに分割し、各タスクにアプエージェントを割り当てる。
我々の実証調査では、3D-GPTが解釈し、指示を実行し、信頼性の高い結果を提供するだけでなく、人間デザイナーと効果的に協力することを確認した。
論文 参考訳（メタデータ） (2023-10-19T17:41:48Z)
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。