株式会社renue（总公司：东京都港区，代表：山本悠介）已对其图面SaaS「Drawing Agent」进行了功能更新，该服务仅需上传2D图面图像即可自动生成3D模型。除了传统处理外，此次导入了AI代理选择所需工具以进行图面判读的机制。将内部开发的图面判读处理与Rhinoceros等3D建模软件的功能结合并工具化，代理会根据不同图面组合调用这些工具。同时，为了在自由图面较少的领域也能以图面为起点推进设计和3D化，整备了从最少设计信息自动生成2D图面的基础。 运行摘要 本次功能更新在Drawing Agent的图面判读处理中，增加了AI代理驱动的工具选择机制。将图面判读、形状提取和3D化所需的每个处理都工具化，代理会根据输入图面判断调用顺序。这种配置无需重写脚本，即可应对新的图面模式。 同时，我们正在推进多项功能扩展，包括3D建模软件功能的工具化、2D图面自动生成基础、用户回馈响应、交互式编辑UI和自我改进循环。这次功能更新旨在逐一解决传统的限制，例如灵活性不足和图面数据的获取。 什么是renue的图面SaaS「Drawing Agent」？ 我们提供图面SaaS「Drawing Agent」，仅需上传2D图面图像即可自动生成3D模型。 服务详情请点击此处 即使没有CAD软件操作技能，设计师也能在几分钟内将2D图面转换为3D数据。这将传统上CAD操作员需要数小时完成的转换工作，转变为仅需上传文档即可完成的体验。最近，「Drawing Agent」已增加了零件信息的预先参考功能。 最近，「Drawing Agent」已实施了利用GPT-image-2的「图面清理」功能。 https://prtimes.jp/main/html/rd/p/000000034.000091210.html 目标领域的前提 为了实现制造业和建筑业的图面判读和数量估算自动化，结合AI-OCR和图像识别的方法正在广泛研究。另一方面，现场处理的图面在线型、图例和符号方面因公司而异，固定的规则处理范围有限。每张图面都需要调整的结构，成为自动化的障碍。 在制造业和建筑业现场，CAD原生PDF、扫描PDF和纸质图面并存。在推进图面判读自动化时，除了表记的多样性外，不同领域处理的形状特性也不同。在需要读者经验来弥补的领域，例如大量使用曲面的产品图面，直接从图像生成3D的难度比其他行业更高。 大型语言模型的工具调用准确性已提升到足以实际应用的水准。通过多步骤推理和外部工具调用的组合，已具备构建接近人类图面判读流程的环境。renue正响应这一变化，推进Drawing Agent的功能更新。 目标 配合本次更新，我们正在推进用户回馈集成、交互式编辑功能和自我改进循环的实施。 响应用户回馈 我们将创建一个机制，将用户对判读结果和3D化结果的修正和指正，作为代理的判断依据。修正内容将按项目记录，并反映到后续处理中。这旨在实现无需负责人手动对每张图面进行个别调整，产品能根据现场运营而成长的配置。 交互式边界・箭头编辑UI 我们将整备编辑功能，让用户可以在UI上即时修正图面判读代理检测到的外形边界和方向箭头。这种配置允许用户快速介入判断难度高的环节，旨在实现完全自动化和现场可用处理时间的两立。设计将确保修正结果反映到下游的3D化处理中，并将修正历史作为自我改进循环的学习数据加以利用。 自我改进循环 我们将创建一个自我改进循环，将累积的修正历史和处理结果回馈到代理的判断逻辑和工具集中。这创建了一个流程，通过运营获得的数据直接导致支持图面模式的扩展和判读准确性的提高。目标是将产品进化为一种无需手动更新，准确性随运营而提高的形态。