製造工程計画2026/8/25arXiv:2608.24039

設計から計画へ：3D CADモデルと2D図面からの製造工程計画のための大規模言語モデルベースのマルチエージェントフレームワーク

Design-to-Plan: A Large Language Model-Based Multi-Agent Framework for Manufacturing Process Planning from 3D CAD Models and 2D Engineering Drawings

シェア:X Threads Facebook LINE はてブ Bluesky

3D CADモデルと2D図面から製造工程計画を生成する、LLMベースのマルチエージェントフレームワークを提案。専門エージェントが協調して特徴認識、図面解析、知識検索、工程順序付けなどを行い、エンドツーエンドの計画を実現する。

詳しい要約

1. どんなもの？

Design-to-Planは、3D CADモデルと2D図面から製造プロセス計画をエンドツーエンドで生成する、LLMベースのマルチエージェントフレームワークである。オーケストレータが、3D特徴認識、2D図面解析、2D-3Dコンテキスト融合、知識検索、プロセス順序付け、工具選択、レポート生成の各専門エージェントを調整する。LLMを単なるテキスト生成器ではなく、決定論的モジュールや知識源と相互作用する推論エージェントとして使用し、一貫性と追跡可能性のある製造決定を生成する。

2. 先行研究と比べてどこがすごい？

既存のアプローチは、特徴認識、図面解釈、工具選択などの孤立したサブタスクに焦点を当てており、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できない。Design-to-Planは、3D CAD、2D図面、材料、ドメイン固有ルールを統合的に解釈するエンドツーエンドのフレームワークを提供し、このギャップを埋める点で優れている。

3. 技術・手法の肝は？

手法の肝は、LLMを推論エージェントとして決定論的モジュールと組み合わせたハイブリッド設計にある。決定論的モジュールと専門エージェントがCADと図面から構造化情報を抽出し、LLMエージェントが文脈認識推論、製造ルールの検索、競合解決、計画出力の生成を行う。オーケストレータがエージェント間の調整を担い、並列アーキテクチャを実現している。

4. どうやって有効だと検証した？

300のベンチマークケースを用いて、3つの下流ReAct対応エージェント、CAD特徴認識、図面解析、2D-3Dコンテキスト融合を個別に評価した。並列アーキテクチャは下流エージェントで100%の成功率、Tool F1スコア95.9%-97.6%、競合解析のソース検出精度90%、主要計画タスクのトークン使用量60%-68%削減を達成した。

5. 議論はある？

要旨からは、フレームワークの限界や一般化可能性に関する議論は不明。ただし、トークン使用量の削減は効率性を示すが、実際の製造環境での適用可能性や、より複雑なCADモデルや図面へのスケーラビリティについては言及がない。

6. 次に読むべき論文は？

要旨で参照されているReActエージェントに関する論文、およびLLMベースのマルチエージェントシステムや製造プロセス計画の関連研究。具体的には、ReAct（Reasoning and Acting）を提案した論文や、CAD特徴認識、図面解釈、工具選択に関する既存研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Muhammad Tayyab Khan, Lequn Chen, Wenhe Feng, Seung Ki Moon

分類: cs.RO, cs.AI

原文アブストラクト

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.

arXivで原文を読む →arXiv概要ページ

← 論文一覧