ldraw-nova v0.6.0: オープンソースのAI駆動型LEGOモデルジェネレーター

TL;DR – ldraw-nova v0.6.0の成果

LLMエージェントに設計概要をテキストで与えることで、LEGOの組み立てを計画し、完全に仕様化された LDraw ソースファイル (.ldr/.mpd) を出力できます。
生成されたモデルは、Webベースの3Dビューアーで即座に表示したり、Blender (.glb) にエクスポートしたり、Meta Quest 3 VRにストリーミングしたりすることが可能です。
ソースコード、レンダリング画像、チャット履歴、エージェントの推論トレースなど、すべての成果物が検証用に保存されます。

なぜこれが重要なのか

AIが生成したコードから物理的に組み立て可能なオブジェクトを作成することは困難な課題でした。なぜなら、ほとんどのLLMはCAD言語に必要な低レベルの幾何学計算を苦手としているからです。LEGO用のアセンブリ言語である LDraw をターゲットにすることで、このプロジェクトは幾何学のボトルネックを回避しています。エージェントは、生のベクトル計算を自分で行うのではなく、LDrawを出力する Python コードを書くことに長けているためです。これは、物理的な成果物をエージェントが設計するための「最小抵抗経路」が実現可能であることを示しています。

このリリースで提供される主要機能

機能	受け取れるもの	生成方法
LDrawソース	公式LDraw言語による完全な `.ldr`/`.mpd` ファイル	エージェントがLDrawファイルを書き出すPythonのジェネレータースクリプトを生成します。
マルチビュー出力	インタラクティブな3Dビューアー、画像レンダリング、VRストリーム (Meta Quest 3)、Blender編集可能な `.glb`	Webアプリに組み込まれたヘッドレスレンダリングパイプライン。
トレーサビリティ	完全なチャットログ、エージェントのステップバイステップの推論、計画JSON (`plan.json`)	Web UIがすべてのLLMリクエスト/レスポンスと生成された計画ファイルを記録します。
パーツ検索	適切なブロックを見つけるためのセマンティック検索 (JeV-rerank) またはフォールバックの全文検索	TypeSafeのJeV System Oneモデルと統合。オプションのAPIキーでランキングが向上します。
衝突・隙間検出	最終エクスポート前のパーツ配置の自動検証	反復レンダリングループ中に組み込みの幾何学チェックが実行されます。

インストールの概要

2つのリポジトリ（コアとDockerラッパー）の 一致するタグをクローン します。v0.6.0の例:

git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova.git
git clone --branch v0.6.0 https://github.com/anteloc/ldraw-nova-docker.git

Dockerイメージをビルド します (約5 GB必要):
```
cd ldraw-nova-docker
docker compose build
```
サービスを実行 します:
```
docker compose up -d
```
UIにアクセス します – VRの場合は https://localhost:8443 (自己署名証明書を許可)、通常のHTTPの場合は http://localhost:8765 を使用します。
停止するには docker compose down を実行します。

注: TypeSafe APIキーがない場合、システムは通常の全文検索にフォールバックするため、モデルの品質が低下する可能性があります。

エージェントがLEGOモデルを構築する方法

プロンプトの取り込み – ユーザーが設計概要を提供します。
指示の読み取り – エージェントが instructions.md とLDrawのドキュメントを読み取ります。
計画 – 必要なパーツ、サブモデル、美的目標を記述した plan.json を作成します。
反復レンダリングループ:
- 現在のモデル状態を画像にレンダリングします。
- レンダリング結果を検査し、幾何学を調整し、再レンダリングします。
- エージェントがモデルを完成と判断するまで繰り返します。
ジェネレーターの作成 – 計画が最終的なLDrawソースを出力するPythonスクリプト (generate.py) に変換されます。
エクスポート – LDrawファイルがLDView/LeoCAD/Blenderパイプラインに送られ、視覚化やVRストリーミングが行われます。

このワークフローは実質的に コンパイラ です: LLM → 計画 → Pythonジェネレーター → LDrawアセンブリ言語 → 3Dモデル。

エージェントの知識ベース – モデルが学習している内容

リポジトリには、エージェントが読み取れるキュレーションされたマークダウンガイドが含まれており、以下をカバーしています:

ビジュアルデザインの原則、乗り物や宇宙船のワークフロー、Technicのメカニズム、モジュール式構造、幾何学検証、パーツ検索リファレンス。
乗り物、宇宙船、Technicマシン、モジュール式の街並みのサンプルアトラス。
エージェントが再利用可能なサブモデルを見つけるためのリファレンス検索ドキュメント。

これらのドキュメントはREADMEの Agent’s informational sources テーブルにリストされており、計画フェーズ中にLLMによって自動的に消費されることを意図しています。

コミュニティからのフィードバックのハイライト (Hacker Newsのコメント)

"FreeCAD + Claudeで実験を行い、最初のハードウェアリビジョンで機能する3つのパーツを作成しました。最大の難関は、AIが組み立ての制約を理解することでした。" – ash_091

"最近のarXiv論文 (https://arxiv.org/pdf/2512.15743) はOpus 4.5を使用して同じアイデアを探求しています。Opus 5.5のような新しいモデルでは、さらに良い結果が期待できます。" – vunderba

"次のステップ: AI駆動による実際の家の建設。" – thomasfl

"ロボット工学のアプリケーションには、パイプラインに物理シミュレーションを統合する必要があります。" – josh-wrale

"捨てられたLEGOの山をデジタルインベントリにカタログ化するツールは、自然な拡張になるでしょう。" – ttul

"機能的なTechnicのメカニズムを作成できますか？" – 1e1a

"Astra、Opus、JeVのトークンコストの見積もりはありますか？" – CptBroccoli

これらのコメントは、組み立ての実現可能性、モデリングの物理学、そして大規模生成におけるコストの考慮事項という3つの繰り返されるテーマを強調しています。

既知の制限事項とロードマップ

Meta Quest 3でのVRパフォーマンス はまだ不安定であり、モデルのハンドリングには最適化が必要です。
低スペックLLMのサポート – 現在のパイプラインは高容量モデル (GPT-6 Astra, Claude Opus 5.5) を前提としています。より小さなモデル (Luna, Haikuなど) への適応を計画中です。
生成速度 – 反復的なレンダリング・計画ループは計算コストが高いため、将来的にレンダリングの並列化と中間幾何学のキャッシュを行う予定です。
モデルの多様性 – 現在の例は乗り物、宇宙船、基本的なTechnicに焦点を当てていますが、より豊かなファミリー (人間、動物、複雑なメカニズム) の追加を予定しています。
マニュアル駆動のビルド – 印刷されたLEGOマニュアルをデジタルモデルに変換する部分的なサポートが存在します。画像からテキストへのパイプラインを改善することで堅牢性を高めます。

貢献方法

リポジトリの Contributing セクションは現在 COMING SOON となっています。興味のある開発者は以下から始めることができます:

リポジトリをフォークし、代替のパーツ検索バックエンドを試す。
幾何学検証やVRレンダリングの失敗を記録したIssueを提出する。
追加のLEGOサブドメイン (ロボット工学、建築モデルなど) に向けた新しいエージェント指示セットを提案する。

まとめ

ldraw-nova v0.6.0は、LLMエージェントが低レベルの幾何学計算をPythonベースのコードジェネレーターに委譲することで、完全で組み立て可能なLEGOモデルを確実に生成できることを証明しました。これは、AI駆動型の物理設計に向けた実用的な道を開くものです。