▲

SGS-1 - 구조화 CAD를 위한 최초의 생성형 모델

 (spectrallabs.ai)
3P by GN⁺ 11시간전 | ★ favorite | 댓글 1개
  • Spectral Labs가 구조화 CAD(B-Rep) 생성을 위한 첫 번째 생성형 AI 모델인 SGS-1을 출시
  • SGS-1은 이미지나 3D 메시를 입력받아, 쉽게 편집 가능한 파라메트릭 CAD 파일을 생성함
  • 기존의 GPT-5, HoLa BRep 등과 비교해, SGS-1이 더 정확하고 다양한 복잡한 형상을 생성
  • 스케치, 엔지니어링 도면, STL 등 다양한 입력을 STEP 파일로 자동 변환하는 역설계 자동화가 가능
  • 아직 유기적 곡면이나 전체 어셈블리 생성에는 한계가 있으나, 다음 세대 모델에서 멀티모달·물리 추론 등 추가 개선 예정

SGS-1 소개와 주요 특징

  • Spectral Labs는 SGS-1 공개를 통해, 제조 가능하고 파라메트릭 요소를 갖춘 3D 기하 구조를 생성할 수 있는 기반 생성형 AI 모델을 선보임
  • SGS-1은 이미지 또는 3D 메시를 입력받아, 편집이 용이한 B-Rep(경계 표현) 형식의 STEP 파일을 출력함
  • 이 결과물은 전통적 CAD 소프트웨어에서 쉽고 정확하게 수정 및 활용이 가능함

SGS-1 작동 방식 및 결과

  • 사용자는 이미지나 단순 3D 파일을 업로드하면, 특정 치수 조정이 가능한 파라메트릭 B-Rep 파일로 변환 가능함
  • SGS-1은 기존 모델보다 훨씬 복잡하고 다양한 CAD 형상을 생성함
  • 실제 엔지니어링 설계에 적용 가능하며, 어셈블리 일부 정보와 텍스트 설명을 기반으로 부품 설계 예시를 제공함

기존 모델과 비교 실험

  • SGS-1을 GPT-5(CadQuery 코드 생성 가능한 OpenAI의 대형 모델), HoLa BRep(이미지 입력 기반 B-Rep 생성 모델) 등과 75개의 복잡한 CAD 이미지를 활용해 비교 평가함
  • 실험은 각 모델별로 10회 반복, 성공적인 생성 비율(Success Ratio) 기준으로 측정함
  • SGS-1은 대부분의 복잡한 형상에서도 최고 성능을 보이며, 타 모델 대비 정확한 공간 이해와 지오메트리 구현 능력이 우수함
  • 타 모델은 단순하거나 유용성 낮은 결과물이 많아, 실제 조립품 설계에 활용이 어려움

어셈블리 컨텍스트에서 파라메트릭 구조 생성

  • SGS-1을 통해 기존 부분 조립품(CAD 어셈블리 일부) 과 설명 또는 이미지 입력만으로, 해당 맥락에 적합한 새로운 부품 설계가 가능함
  • 사용 과정
    • 부분 어셈블리 렌더 및 추가할 부품에 대한 설명 작성
    • SGS-1에 입력하여, STEP 파일 형태의 B-Rep 생성
    • 생성된 STEP 파일을 어셈블리에 임포트 후 치수 조정으로 맞춤 적용
  • 다양한 브래킷 설계 시나리오 예시 영상도 제공함

스케치 및 엔지니어링 도면 자동 변환

  • 손그림 스케치, 공식적 엔지니어링 도면도 SGS-1에 입력하면, 편집 가능한 3D 파라메트릭 CAD 파일로 자동 변환할 수 있음
  • 복잡하지 않은 손스케치도 효과적으로 변형이 가능해 설계 프로세스 혁신에 기여함

역설계 및 메시(STL)→STEP 자동 변환

  • 스캔 파일, 단일 STL/메시 파일도 SGS-1을 통해 파라메트릭 STEP 파일로 자동 변환할 수 있음
  • 수작업 없이 완전 자동화된 역설계가 가능해, 다양한 모양의 부품 디지털화에 장점이 있음

제한 사항

  • SGS-1은 공학/엔지니어링 용도의 파라메트릭 3D 생성에 최적화된 모델임
  • 복잡한 곡면 또는 유기적, 자유곡선 구조 생성, 매우 얇은 구조, 전체 조립품 일괄 생성에는 아직 한계가 있음
  • 향후 차세대 모델에서 멀티모달 지원·복잡한 공간 인지·진보된 물리 추론 및 피드백 기반 강화학습 도입 계획임

향후 계획과 팀 소개

  • Spectral Labs는 보다 복잡한 물리 시스템 설계, 멀티모달 입력, 고도화된 공간 맥락 및 물리적 추론 능력 향상을 목표로, SGS-1의 차세대 모델을 준비 중임
  • 강화학습, 피드백 기반 물리 시뮬레이션 등 최신 AI 기법을 도입해 3D 엔지니어링 생성형 AI 분야의 선도를 목표로 함
  • 팀은 Autodesk Research, Samsung Research, CMU, Meta 출신 AI 연구자 및 엔지니어로 구성됨
  • 연구 협업이나 배포 요청은 Spectral Labs 공식 채널을 통해 문의할 수 있음
▲
GN⁺ 11시간전  [-]
Hacker News 의견

  • 나는 SGS-1이 완전히 파라메트릭한 3D 지오메트리를 생성할 수 있다고 주장하는데, STEP 파일은 파라메트릭 피처에 대한 지원이 전혀 없다는 점에서 이건 테스트조차 해볼 필요 없이 거짓말임을 알 수 있음. 그들이 SGS-1의 출력물이 전통적인 CAD 소프트웨어에서 쉽게 수정 가능하다고 말하지만, 내가 데모 파일로 직접 테스트해 본 결과 이들은 실제로 터무니없는 주장을 하고 있었음. 입력 및 출력물을 내 직접 모델링한 올바른 파트와 비교하고, 각종 오류들을 나열했음. 잘못된 치수 뿐만 아니라 CAD 편집을 어렵게 만드는 망가진 피처들임. 왜 자신들이 거짓말임을 입증하는 데모까지 제공하면서 이런 주장을 하는지 이해할 수 없음. 단지 헤드라인을 위한 것인지, 아무것도 모르는 사람들에게 팔고 싶은 것인지, 아니면 단순히 도메인 지식이 없는 CS 출신들이 문제를 해결했다고 믿는 것인지 의문임. 주요 오류는 다음과 같음: 모든 치수가 잘못됨, 한 구멍은 완전히 뚫리지 않음, 원형 구멍이 아니라서 두 겹침 구멍임, 필렛이 제대로 안 됨, 상단 구멍이 오프셋 됨, 앞선 챔퍼가 기준면 아래까지 내려옴, 위 구멍들의 Z축 오프셋, 챔퍼 연결 방식이 양쪽 다름 등.<br>비교 자료 및 실제 모델 스크린샷: 잘못된 결과 예시, 내가 직접 만든 올바른 예시

    • 나 역시 STEP 파일이 파라메트릭 피처를 지원하지 않는다는 점이 혼란스러움. 이런 주장을 대체 왜 할 수 있는지 의문임. 공식적으로 B-rep(경계 표현)만 생성한다고 해놓고 롤러 예시에서 "파라메트릭이므로 치수 조정이 쉽다"고 주장하는데, 이건 말이 안 된다고 봄. 만약 그런 기능이 필요하다면 STEP 파일을 수정하느니 차라리 제대로 피처 히스토리와 제약조건이 있는 상태로 처음부터 모델링함.

    • 이 분야를 잘 아는 것 같아 궁금증을 물어봄. 나는 완전 초짜지만, zoo.dev/design-studio가 비슷한 기능을 제공한다고 들어왔음. 어디가 어떻게 다른지 비교해 줄 전문가의 관점이 궁금함.

    • 이건 명백한 사기성 주장임. 이들이 누구를 속이려고 하는지 궁금함. 혹시 투자자들을 노리는 것인지 생각해봄.

    • 나는 이 포맷들에 대해 깊이 알지는 않지만, STEP 파일의 특징은 STL 파일과 달리 "B-rep" 데이터를 저장한다는 데 있음. 즉, 면 사이의 기하학적 관계를 저장해서 파라메트릭 에디터에서 사용하는 것이 쉬운 편임. 이들 역시 메쉬로 구현된 기존 방식과 달리 B-rep을 쓴다는 점을 차별화 포인트로 내세우는 것 같음.

    • AI 관련 뉴스가 실제 성능을 왜곡하는 경우가 많은데, 아마 댓글에 누군가는 작동된다고 vague하게 언급할 것 같음

  • AI가 3D 스캐너로 불완전하게 가져온 데이터를 자동으로 정리해주는 기능에 시장이 있을 거라고 생각함. 포인트 클라우드에서 깨끗한 3D 메쉬를 생성하고, 색상이나 조명으로 객체를 식별하는 것도 매우 흥미로울 것임. 이걸 이용하면 세상을 설명하고 객체의 메타데이터까지 생성할 수 있음. 그런데 이런 자동 설계 기능은 오히려 CAD의 재미를 없애지 문제를 진짜로 해결하지 않는다는 생각임. AI는 반복적이고 지루한 일에 집중해야 효과가 클 것임. 이런 기술이 투자자들에게는 인상적일 수 있고 전문가의 시간을 아낄 수 있지만, 실질적으로 더 큰 문제를 해결하는 데에는 한계임.

    • 솔직히 이 업계는 투자자 감동시키는 것만 신경 쓸 뿐임. 결국 AI 기술이 나오면 지식 근로자의 업무 만족을 빼앗고, 아주 극소수만 남아서 AI 감독이나 화장실 청소 같은 일밖에 남지 않게 될 것임. 현재로선 노동 수요를 파괴하고, 안정적이던 급여마저 주주 이익으로 넘어가 버릴 것 같음.

    • 사실 모든 사람이 CAD를 재미로 하는 건 아님. 간단히 프로토타입 출력할 때는 "이 보드마운트 만들어줘, 구멍은 Xmm 간격, 개수는 N개" 같은 요청을 AI로 처리하고 싶음. "이 두 파트 연결", "여기에 나사구멍 추가", "스냅핏 조인트 생성", "8cm 폭", "이 구멍을 반대편으로 이동" 등 빠르고 쉽게 처리되는 작업이 내 희망임

  • ChatGPT4 초창기 때, LLM 기반의 메카트로닉 설계용 오픈 마크업 표준을 직접 만들어봤음. LLM이 여러 예시를 학습하거나 논리 파악을 위해 사람이 읽을 수 있는 마크업 언어가 필요하다고 판단했음. 빠른 반복 설계를 위해 참고용 데모 개념으로 제작했고, 누구나 확장하거나 본인이 직접 구현해볼 수 있게 내 깃허브 프로젝트에 올려놓았음. 이런 오픈소스 접근이 장기적으로 오픈 하드웨어 개발자들에게 자유를 보장하게 되길 바람

  • 기존의 메쉬 기반 모델만을 제공하던 수준에서 STEP(B-Rep)으로 CAD 파트를 생성할 수 있다는 건 혁신적인 변화임. 이전까지의 모델들은 그저 장난감 수준에 불과했으나, 이 기술이 발전해 어디까지 갈 수 있을지 매우 기대됨. 다음 단계는 STEP을 SolidWorks, NX 등과 같은 독점 포맷으로 더 잘 변환하고, 설계 제약조건을 추론하는 방향이 될 것 같음

    • 만약 3D 스캔 메쉬를 제대로 된 STEP 지오메트리로 변환만 해줘도 큰 발전임

    • 피드백 고마움! 다음 모델에 적극 반영할 예정임. 구체적으로 어떤 점을 원하는지 궁금함

  • 엔지니어로서, 이 AI는 사실 설계에서 진짜 어려운 부분은 제거하지 않는다고 생각함. 진짜 어려운 건 제조와 부하 경로 설계, 그리고 실제 하중에 맞는 파트 구조를 결정하는 일임

    • 같은 엔지니어 관점에서, 이 AI가 잘 작동한다면 프로토타이핑 단계를 크게 압축시켜 더 나은 제품을 더 낮은 비용에 만들 수 있을 것임. 실제 하중과 구조 설계에도 이 AI가 도움을 줄 수 있음

    • 소프트웨어 개발에서 AI로 상투적인 부분을 줄이고 본질적 가치에 집중하는 흐름이 실제로 일어나고 있음. 다른 분야에서도 마찬가지로 활용될 수 있다고 봄

    • 이 부분도 AI가 해결해 나가고 있음: limitlesscnc.ai

  • 경쟁 제품을 만드는 창업자로서, 많은 사람들이 관심을 갖고 논의하는 것이 시장성이 있다는 점에서 기쁨. 하지만 현 SGS-1 모델의 출력물은 실제 제작과 사용성 측면에서 부족한 점이 많음. 현재의 STEP 출력은 다양한 CAD에서 불러오긴 하지만, 실제로 디자이너나 엔지니어, 제작자에겐 그다지 도움이 되지 않음(공장이나 3D 프린터에도 힘듦). 주요 문제로는: 곡면 품질이 낮아 시뮬레이션이나 제조에 쓸 수 없음, 단순한 형상이 지나치게 복잡하게 출력됨(필렛이 10개 이상의 면으로 쪼개짐), 한 파트를 출력해도 10000개 이상의 작은 파트로 쪼개져 실제로는 하나의 제품이 아님. V2 버전이 기대됨. 참고로 나는 Transfigure라는 회사를 창업해서, SGS-1의 한계를 미리 확인 후 기계 엔지니어 입장에서 시뮬레이션과 제조에 바로 쓸 수 있는 깨끗한 데이터를 만드는 AI 구조를 만들고 있음.<br>만약 SGS-1로 생성한 데이터를 우리 공장에 제출했다면 당장 해고당했을 사항임<br>yo@xfgr.ai

    • 흥미로운 접근법임. 언제쯤 더 자세한 정보를 공개할 예정인지 궁금함

  • LLM으로 OpenSCAD 모델을 생성하는 데 항상 어려움을 겪었음. XYZ 공간 이해와 3D 수학적 추론을 제대로 못함. LLM 성능 평가 기준으로 삼고 있음. 간단한 폰 스탠드 만드는 것도 한 번에 못하고, 평면 생성, 각도 기울임, 삼각함수로 높이 계산, 새로운 평면 생성, 위치 이동 등 단계별로 나눠서 진행해야 했음

    • 나 역시 비슷한 경험을 했음. 이 문제가 단순히 더 많은 학습 데이터로 해결될지, 아니면 완전히 새로운 접근이 필요한지 궁금함. 코드로 모델을 만드는 워크플로우가 아주 멋진데, 예를 들어 "gears" 라이브러리를 불러와 복잡한 기어 구조를 자동 생성할 수도 있음. 이 방식은 CAD 너머 다른 분야에도 적용 중임. 예를 들어, 포토닉 IC를 코딩으로 만드는 Python 라이브러리(GDSFactory)도 있고, 앞으로 더욱 많아질 듯함. 이런 워크플로우가 내가 데이터 노트북 프로젝트(mnty.sh/#serenity)에 집중하는 큰 이유임. 프로젝트별로 모든 걸 코드로 만들고, 시각화도 한 노트북에서 보는 게 목표임

  • 스케치를 CAD로 변환하는 기능이 복원 시장에서는 엄청난 혁신이 될 것으로 봄. 수많은 옛 도면이 치수 없이 존재하지만, 엔지니어가 전체 크기나 높이만 파악하면 박스부터 만들고, AI에게 "이 부품을 이 기기에 맞게 만들어줘"라고 할 수 있음. 3D 프린팅, 복원, 상상 설계, 부품 제조 등 CAD가 필요한 모든 분야에서 판도가 바뀔 것임

  • 이론적으로 이 기능이 말이 안 맞는 부분이 있음. 예를 들어 공차까지 정의하는지도 궁금함

    • 공차가 아니라 "핏" 문제임. 어차피 나중에 사람 손으로 치수와 공차를 지정해야 해도, 처음부터 다 직접 모델링하는 것보다는 훨씬 덜 번거로움

  • 데모는 흥미롭지만, 정말 중요한 건 글로 제약조건을 제대로 설계에 반영하는 능력임. 원하는 기능만 갖춘 파트 설계는 쉽지만, 실제로 생산 가능한지, 공간 내에 맞게 들어가는지, 기계적 특성과 비용 제약(재료 최소 사용, 생산 용이성 등)이 충족되는 설계가 훨씬 더 어려움. 예를 들면, 3D 프린팅용 파트는 서포트 소재를 피하거나 특정 방향으로 출력해야 하기에 각종 제약조건이 많음. AI에게 이런 제약사항을 말로 입력하고 바로 반영해주는 것이 진짜 쓸모가 있음

    • 그런데 그렇게 복잡한 제약조건에 대해 훈련시킬 데이터를 어디서 구할 수 있을지 궁금함
답변달기