AI: 類似度関数法による 3D マッチング - 株式会社アストライアーソフトウエア

3Dマッチング形状解析

当社が世界に先駆けて開発した3Dマッチング形状解析技術をご紹介します。

「3DマッチングAI」の目的は何ですか?

製造業などの業界では、長年にわたり、CAD (コンピュータ支援設計)、CAM (コンピュータ支援製造)、CAE (コンピュータ支援エンジニアリング) システムを使用して設計されたシミュレーションに依存してきました。長い歴史を持つこれらの業界では、長年にわたって数百、場合によっては数千もの 3D データ ファイルが蓄積されています。

多くの場合、これらの設計を最初に作成または使用した従業員は忘れてしまったり、会社を退職したりしているため、過去の特定の 3D 設計やシミュレーションを見つけるのは困難です。これらの膨大なアーカイブを手動で検索するのは、困難で時間のかかる作業です。

ここで 3D マッチング AI が役立ちます。3D データの検索とマッチングを効率的に行うソリューションを提供し、過去の設計情報やシミュレーションを取得するプロセスを大幅に簡素化します。

高度な類似性判断手法を備えた 3D マッチング AI

自動車や電化製品などの製造業では、設計データを3次元形状として保存する3D CADシステムが広く活用されていますが、これまで3Dデータを効果的に扱えるAIモデルは存在しませんでした。

弊社は、最新の CNN 研究を活用して、初めて 3D 形状データの畳み込みに成功し、画期的な成果を達成しました。この革新的な技術により、3D データには 2D データよりも多くの情報が本質的に含まれているため、3D データとの形状マッチングの精度が向上します。

3D 類似性法では、潜在空間で最も近い特徴の差を計算して、入力に類似する形状を 3D 形状データベースで検索します。弊社は、このような高度な 3D マッチング分析を実行できる 3D AI モデルの開発の先駆者です。

形状認識AI

認識には、データ内のオブジェクト、パターン、または特徴を識別して理解することが含まれます。これは、データを解釈して決定や予測を行うことです。オブジェクトの識別には通常、オブジェクト検出方法が使用されますが、3D オブジェクトを理解するための主な方法は分類とマッチングの 2 つあります。

  • 分類: 分類では、特徴に基づいてデータを定義済みのカテゴリまたはクラスに割り当てます。これはデータをグループに分類することです。分類の詳細については、「3D 形状分類」をご覧ください。
  • マッチング: マッチングは、異なるデータセット間の類似点または対応点を見つけるプロセスです。データを比較して、特定のパターンまたは基準に適合するかどうかを確認します。

分類とマッチングはどちらも重要な AI タスクですが、目的が異なり、使用する方法も異なります。分類は、ラベル付きデータセットを使用してデータを定義済みのクラスに分類する教師あり学習タスクです。対照的に、マッチングでは多くの場合、データセット内で最適な一致または最も近い一致を見つけるために教師なし学習手法が使用され、ラベルなしデータを使用してパターンと類似点が検出されます。

従来の類似性解析技術

製造業や建築業など多くの設計分野では、3D CAD を用いた 3D 形状をベースとした作業へと移行しつつあります。CAD、CAM、CAE などのコンピュータ支援技術も 3D 形状をベースとしているため、AI も 3D データを扱うことが必要になります。

製造業や建築業など多くの設計分野では、3D CAD を用いた 3D 形状をベースとした作業へと移行しつつあります。CAD、CAM、CAE などのコンピュータ支援技術も 3D 形状をベースとしているため、AI も 3D データを扱うことが必要になります。

従来の類似性判定では、3D形状を識別する場合でも、2D画像のスナップショット群を代替として使用するため、認識精度の維持が困難であるなどの問題がありました。

従来のAIの課題の詳細については、「活動概要」をご覧ください。

私たちの方法のように、3D 形状を直接認識できれば、準備の時間と労力を削減し、撮影の問題を回避することができます。

3D形状類似性解析の仕組み

3D 類似性分析の中心的なメカニズムは特徴抽出器です。

より複雑な生の入力データから低次元の特徴ベクトルを抽出し、抽出されたベクトルが入力データのさらなるアプリケーションに適した有用な情報をエンコードするようにします。

ボルトを例にとると、大量のメモリを必要とし、定量的な特性を持たない CAD データを使用してボルトを保存する代わりに、ボルトの種類、直径、長さなどの有用な特徴のみを抽出して保存することを選択できます。

直感的に、2 つの類似したボルトには 2 つの類似した特徴があるはずです。このような特徴ベクトルを利用することで、データベース内で類似した形状のボルトを検索できます。

長さと直径でボルトの特徴を抽出する簡単な例
各ドットはボルトの特徴を表している。直感的には、赤い点で示されたボルトに対して類似度判定を行うと、緑の点で示された2つのボルトが最も類似したボルトとして評価される。

特徴抽出の方法は、主成分分析、t 分布確率的近傍埋め込みなどの単純な数学的プロセスから、オートエンコーダなどのディープ ニューラル ネットワークまで多岐にわたります。

3D類似性法の応用

類似性メソッドの応用範囲は、単純なマッチングをはるかに超えています。これらの技術は、異常検出、ノイズ除去、データ圧縮、および将来的に出現する他の多くのアプリケーションにとっても非常に貴重です。

弊社は 3D AIイノベーションの先駆者です。当社の最先端製品は高度な 3D 形状技術を適用し、優れた 3D マッチング AI 機能を提供します。当社は 3D AI の進歩に注力し、その進歩を世界に示すことに尽力しています。

マッチング製品の詳細については、下のボタンをクリックしてください。