CADモデル生成AI技術「MEDA」が国際的なホワイトペーパーに掲載

AccentureとFraunhofer、DFKI共著「AI in New Product Development」にて次世代CAD設計技術として紹介

ゴーデルブロック

2025年11月20日 10時00分

2025年11月8日 - 株式会社ゴーデルブロック(本社:東京都新宿区、代表取締役:田中昭雄)が研究協力しているAccelerated Komputing社との共同研究成果である「MEDA(Mechanical Engineering Design Agents)」が、AccentureおよびFraunhofer研究機構、ドイツ人工知能研究センター(DFKI)が共同執筆したホワイトペーパー「AI in New Product Development: Connecting Data & Unlocking Knowledge」において、先進的なAI技術事例として引用されました。

ホワイトペーパーの概要

本ホワイトペーパーは、製品開発におけるAI活用の包括的なフレームワークを提示するもので、要求定義から設計、シミュレーション、テスト、リリース管理に至るまで、エンジニアリングプロセス全体におけるAI活用の現状と将来展望を137本の研究論文を分析してまとめた、産学連携による大規模な研究成果です。

ホワイトペーパーの主な著者:

Dirk A. Molitor(Accenture / ダルムシュタット工科大学)
Tobias Guggenberger(ドルトムント工科大学)
Marcel Altendeitering(Fraunhofer ISST)
その他、ドイツおよび欧州の主要研究機関の専門家

MEDAの引用内容

MEDAは、ホワイトペーパーの「Product Design」セクションにおいて、M-CAD(機械系CAD)アプリケーションの「Model Generation(モデル生成)」分野における革新的な多エージェントフレームワークとして紹介されています。

ホワイトペーパーでは、MEDAについて以下のように評価しています:

"A multi-agent framework is presented by Panta et al. (2025), who apply multi-modal LLMs to autonomously generate and iteratively refine parametric CAD models. Their framework consists of five agents (design expert, CAD script writer, executor, script execution reviewer, and CAD image reviewer) that work collaboratively together and generate CAD models by iteratively creating, executing, and refining scripts based on both textual prompts and visual feedback."

(Panta氏ら(2025)によって提示された多エージェントフレームワークは、マルチモーダル大規模言語モデルを応用し、パラメトリックCADモデルを自律的に生成・反復的に改良する。このフレームワークは5つのエージェント(設計専門家、CADスクリプト作成者、実行者、スクリプト実行レビュー者、CAD画像レビュー者)で構成され、テキストプロンプトと視覚的フィードバックの両方に基づいてスクリプトを反復的に作成・実行・改良することでCADモデルを生成する)

MEDAの技術的特徴

MEDAは、ASME 2025国際設計工学技術会議(IDETC/CIE2025)で発表された、AIマルチエージェントシステムによる自律的パラメトリックCADモデル生成フレームワークです:

5つの専門エージェントによる協調作業システム
99%のスクリプト実行成功率
56%の点群距離誤差削減(従来手法比)
自然言語記述からパラメトリック3D CADモデルを自動生成

関連プレスリリース記事URL：https://prtimes.jp/main/html/rd/p/000000005.000165560.html

ホワイトペーパー公開情報

タイトル: AI in New Product Development: Connecting Data & Unlocking Knowledge
著者: Dirk A. Molitor, Vlad Larichev, Tobias Guggenberger, Marcel Altendeitering, Daniel Porta, Matthias Ziegler
発行: 2025年11月
DOI: 10.13140/RG.2.2.24371.69923
公開先: ResearchGate (https://www.researchgate.net/publication/397427924)