
何が起きたか
LEGO-Anythingはコーディングエージェントが1枚の写真から実行可能なBlenderコードを書き、LEGO-BenchでGPT-6 Astraは屋内53.4%、屋外39.6%だった。
なぜ重要か
最強モデルでも忠実な再構成には届かず、研究チームは改良はエージェントの判断ではなく具体的な計測に頼るべきだと結論づけた。
注目点
動作するシーンと忠実なシーンの差は、エージェントが自らの進歩を打ち消すのをやめられるかにかかる。研究では改善を覆す修正や信頼できない自己評価が見つかった。解消の見通しは記事にない。
誰に効くか3DコンテンツにAIコーディングエージェントを使うチーム、つまり編集可能なBlenderシーンを必要とするゲームや建築可視化のパイプラインにとって、使えるが形状忠実度は限られることを示す初のベンチマークとなる。
こういう要約が、毎朝あなたのメールに届きます。
この研究の核は単純な転換にある。3Dシーンを直接生成する代わりに、LEGO-AnythingはコーディングエージェントにBlenderプログラムを作らせる。出力がコードなので、物体、形状、配置、カメラ位置が明示的に捉えられ、シーンは実行・検証・修正できる。実効性を測るため、研究者らはプロ制作のシミュレーターシーンからLEGO-Benchを構築した。入力は自然な見た目を保ちつつ、正確な形状・深度・物体割り当てが自動採点の解答鍵となる。
ベンチマークは鮮明な分裂を露呈した。テストした6つのGPT構成はすべてほぼ毎回動作するシーンを出したが、精度は大きくばらついた。最高のGPT-6 Astraは屋内53.4%、屋外39.6%で、弱い構成は約15%だった。複雑さが増すと精度は下がり、屋外は屋内より難しかった。推論予算を増やすとGPT-6系は大きく改善し、Astraはオフィスのテスト部分集合で32.3%から61.8%に跳ね上がった。
原因を掘り下げると、初期試行の不出来、以前の進歩を打ち消す修正、信頼できない自己評価が最も多い問題として見つかった。最後の点が最も雄弁だ。2つの版のどちらが元に近いか選ばせると、判断は自分のシーンでも偶然以下か同程度に落ちた。対策として作ったプラグインは6モデル全てを改善し、弱いエージェントは最大62.7%伸びたが、最高モデルの伸びは約2ポイントにとどまった。未解決の問いは、これらのシーンが標準的な視覚タスクの基盤になり得るかだ。著者らは使えるが目立たない結果を報告し、動作する結果と忠実な再構成の間には大きな隔たりが残る。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた

哲学者トーマス・ナゲル氏はバーグルエン賞受賞後のインタビューで、大規模言語モデルが意識を持つ可能性を真剣に受け止めるのは「馬鹿げている」と述べ、AnthropicのClaudeへのアプローチを「犯罪的」と呼んだ
