すべての工場にはすでに3Dデータが存在します。ただ、使えない状態にあるだけです。

ほぼすべての製造メーカーに足を運べば、ファイルサーバーのどこかに何十年分ものCADデータが眠っているのを目にするでしょう。これまでに設計されたすべての部品、治具、アセンブリが、極めて詳細にモデリングされています。

これが物理AIへの近道だと考えるのは魅力的です。3Dデータはすでに存在しているのですから。ロボットのトレーニングパイプラインをそこに向けさえすればいいのではないでしょうか？

なぜなら、そのデータはまったく異なる用途のために構築されたものだからです。それは、人間のエンジニアが部品を見て、寸法を確認し、加工職人に送るために作成されました。物理エンジンがそれをシミュレートできるかどうかなど、誰も考えていませんでした。

「トレーニングに使える」とは、実際には何を意味するのか

CADエンジンとその出力ファイルは、図面の正確さで評価されます。部品が青写真と一致しているかどうかです。一方で、シミュレーションはまったく異なる問いを投げかけます。ロボットがその部品を押したり、掴んだり、落としたりしたときに、本物のオブジェクトと同じように振る舞うかどうかです。

そのギャップは非常に具体的な形で現れます。レガシーなCADファイルは、設計目的としては技術的に有効であっても、物理エンジンをクラッシュさせるジオメトリ（人間の目には決して気づかないサーフェス間の隙間や、実際のオブジェクトには可動部品があるのに単一の剛体シェルとしてモデリングされた部品など）で溢れていることがよくあります。シミュレーションが実際に必要とする2つの要素、すなわち真の形状に一致する衝突ジオメトリと、部品が互いにどのように動くかを示す関節構造は、どちらも含まれていません。

これはデータの品質に対する不満ではありません。ファイルは設計された通りの優れた出来栄えです。ただ、別の読者を対象に設計されただけなのです。

魅力的な近道と、それが通用しない理由

レガシーファイルの山を前にして、そのギャップを埋めるための分かりやすい方法がいくつかあります。

1つは、シミュレーション用にすべてを手作業でモデリングし直すことです。これは部品単位では機能します。しかし、数万点もの固有のコンポーネントに及ぶ産業用部品カタログに対応するためのスケール感はありません。

もう1つは、一般的なジオメトリのクリーンアップ処理を実行し、全体にデフォルトの物理特性を適用することです。これによりパイプラインは高速に維持されますが、レガシーデータが実際に優れていた唯一の点、すなわち「個々の部品に特化した精密なジオメトリ」が失われてしまいます。結果として、シミュレーター上では動作するものの、もはや実物を十分に再現していないため、使い物にならないものが出来上がってしまいます。

どちらの手段も、ファイルにすでに閉じ込められている「エンジニアリングの精度」と、トレーニングパイプラインがその上に必要とする「物理的な挙動」の双方を、同時に維持することはできません。

私たちのアプローチ：ジオメトリだけでなく、設計の意図を読み取る

当社のCADエンジンであるTRINIXは、レガシーなCADデータを単に盲目的に変換する形状としてではなく、再構築するための出発点として処理するように構築されています。ネイティブおよび標準のCADフォーマットを直接読み込み、物理エンジンを破損させる幾何学的な問題を修復し、元のファイルには含まれていなかった衝突メッシュ、関節可動構造、材料特性を推測します。その際、設計データがすでに持っていた精度を損なうことはありません。

目的は、オリジナルのエンジニアリング作業を置き換えることではありません。今度はロボットが実際に学習できるデータとして、それに第二の生命を吹き込むことです。

これまでに分かったこと

率直に認めるべきいくつかの点があります：

• フォーマットの断片化は、ジオメトリそのものよりも大きな問題です。業界が何十年にもわたって生み出してきた数多くのCADフォーマットにおいて、一貫した結果を得るには、物理推論と同等のエンジニアリング努力が必要となります。

• 単一ボディの剛体部品に関しては、現在、私たちの間ではほぼ解決された問題となっています。複数部品からなる機械アセンブリや変形可能な材料は、依然として現在進行形の開発領域です。

• 価値は複利的に蓄積されます。自動的に復活させることができるレガシーファイルが1つ増えるごとに、ゼロからモデリングしなければならないアセットが1つ減ることになり、これは産業規模においては急速に大きな効果となって現れます。