renue 更新圖面SaaS「Drawing Agent」，實施AI代理驅動的圖面判讀工具選擇與2D圖面自動生成基礎

株式會社renue（總公司：東京都港區，代表：山本悠介）已對其圖面SaaS「Drawing Agent」進行了功能更新，該服務僅需上傳2D圖面圖像即可自動生成3D模型。除了傳統處理外，此次導入了AI代理選擇所需工具以進行圖面判讀的機制。將內部開發的圖面判讀處理與Rhinoceros等3D建模軟體的功能結合並工具化，代理會根據不同圖面組合呼叫這些工具。同時，為了在自由圖面較少的領域也能以圖面為起點推進設計和3D化，整備了從最少設計資訊自動生成2D圖面的基礎。

執行摘要

本次功能更新在Drawing Agent的圖面判讀處理中，增加了AI代理驅動的工具選擇機制。將圖面判讀、形狀提取和3D化所需的每個處理都工具化，代理會根據輸入圖面判斷呼叫順序。這種配置無需重寫腳本，即可應對新的圖面模式。

同時，我們正在推進多項功能擴展，包括3D建模軟體功能的工具化、2D圖面自動生成基礎、用戶回饋響應、互動式編輯UI和自我改進循環。這次功能更新旨在逐一解決傳統的限制，例如靈活性不足和圖面數據的獲取。

什麼是renue的圖面SaaS「Drawing Agent」？

我們提供圖面SaaS「Drawing Agent」，僅需上傳2D圖面圖像即可自動生成3D模型。

服務詳情請點擊此處

即使沒有CAD軟體操作技能，設計師也能在幾分鐘內將2D圖面轉換為3D數據。這將傳統上CAD操作員需要數小時完成的轉換工作，轉變為僅需上傳文件即可完成的體驗。最近，「Drawing Agent」已增加了零件資訊的預先參考功能。

最近，「Drawing Agent」已實施了利用GPT-image-2的「圖面清理」功能。

https://prtimes.jp/main/html/rd/p/000000034.000091210.html

目標領域的前提

為了實現製造業和建築業的圖面判讀和數量估算自動化，結合AI-OCR和圖像識別的方法正在廣泛研究。另一方面，現場處理的圖面在線型、圖例和符號方面因公司而異，固定的規則處理範圍有限。每張圖面都需要調整的結構，成為自動化的障礙。

在製造業和建築業現場，CAD原生PDF、掃描PDF和紙質圖面並存。在推進圖面判讀自動化時，除了表記的多樣性外，不同領域處理的形狀特性也不同。在需要讀者經驗來彌補的領域，例如大量使用曲面的產品圖面，直接從圖像生成3D的難度比其他行業更高。

大型語言模型的工具呼叫準確性已提升到足以實際應用的水準。透過多步驟推理和外部工具呼叫的組合，已具備構建接近人類圖面判讀流程的環境。renue正響應這一變化，推進Drawing Agent的功能更新。

目標

配合本次更新，我們正在推進用戶回饋整合、互動式編輯功能和自我改進循環的實施。

響應用戶回饋

我們將建立一個機制，將用戶對判讀結果和3D化結果的修正和指正，作為代理的判斷依據。修正內容將按專案記錄，並反映到後續處理中。這旨在實現無需負責人手動對每張圖面進行個別調整，產品能根據現場運營而成長的配置。

互動式邊界・箭頭編輯UI

我們將整備編輯功能，讓用戶可以在UI上即時修正圖面判讀代理檢測到的外形邊界和方向箭頭。這種配置允許用戶快速介入判斷難度高的環節，旨在實現完全自動化和現場可用處理時間的兩立。設計將確保修正結果反映到下游的3D化處理中，並將修正歷史作為自我改進循環的學習數據加以利用。

自我改進循環

我們將建立一個自我改進循環，將累積的修正歷史和處理結果回饋到代理的判斷邏輯和工具集中。這建立了一個流程，透過運營獲得的數據直接導致支援圖面模式的擴展和判讀準確性的提高。目標是將產品進化為一種無需手動更新，準確性隨運營而提高的形態。