BIM・CAD・3Dスキャンとは何か

ロボット用デジタルツインを作るための三つの入口

ヒューマノイド開発ロードマップ・ソフトウェア編 第9回

デジタルツインは、AIが勝手に作ってくれる魔法の仮想世界ではありません。

現実の建物。

現実の設備。

現実の棚。

現実の通路。

現実の人の動線。

現実の危険区域。

これらを、ロボットが使える形でデジタル空間に持ち込む必要があります。

その入口になるのが、BIM、CAD、3Dスキャンです。

第8回では、デジタルツインを「フィジカルAIの仮想訓練場」として整理しました。

今回の第9回では、その仮想訓練場を実際に作るための材料と変換手順を整理します。

前回までの流れ

第1回では、フィジカルAI開発ではハードウェアだけでなく、ソフトウェアで差がつくことを整理しました。

第2回では、フィジカルAIに必要な12のソフトウェア層を整理しました。

第3回では、世界モデルを扱いました。

第4回では、World Foundation Modelを扱いました。

第5回では、見る、言葉を理解する、行動するVLAモデルを扱いました。

第6回では、目的を理解し、作業を分解し、計画する大脳AIを扱いました。

第7回では、姿勢、歩行、バランス、力加減、全身協調を担う小脳制御を扱いました。

第8回では、現実世界をロボットの仮想訓練場に変えるデジタルツインを扱いました。

今回の第9回では、そのデジタルツインを実際にどう作るのかを整理します。

デジタルツインは、いきなりAIで生成するものではありません。

現実の建物、設備、機械、棚、通路、人の動線、作業エリア、危険区域を、デジタル空間に持ち込む必要があります。

その入口になるのが、BIM、CAD、3Dスキャンです。

建物はBIM。

設備や機械はCAD。

既存現場の実態把握は3Dスキャン。

この三つをどう組み合わせるかで、ロボット用デジタルツインの精度が決まります。

この記事で分かること

• BIMとは何か

• CADとは何か

• 3Dスキャンとは何か

• BIM、CAD、3Dスキャンの違い

• なぜそのままではロボット用デジタルツインにならないのか

• ロボットが使える仮想現場に変換する手順

• OpenUSD、IFC、SimReadyアセットの位置づけ

• 日本企業がこの領域で狙える勝ち筋

3分要約

ロボット用デジタルツインを作るには、現実世界のデータを集める必要があります。

建物や空間の設計情報はBIM。

設備や機械の形状情報はCAD。

既存現場の実態は3Dスキャン。

この三つが、デジタルツインの材料になります。

ただし、BIMやCADや点群をそのままシミュレーションに入れても、ロボットは動けません。

ロボット用には、座標系をそろえ、不要な形状を軽量化し、衝突形状を作り、床や棚や箱に物理属性を与え、カメラやLiDARなどのセンサーを設定し、人の動線や危険区域を定義する必要があります。

つまり、BIM・CAD・3Dスキャンは素材です。

ロボット用デジタルツインは、その素材をOpenUSDなどのシミュレーション基盤で扱える形に整え、必要な資産をSimReadyアセット化し、Isaac Sim、MuJoCo、Gazebo、ROS 2などで動かせる仮想現場に変換したものです。

日本には、工場、建設現場、BIM、CAD、施工管理データ、PLATEAU、測量、設備図面という膨大な現場資産があります。

日本の勝ち筋は、海外の基盤モデルやシミュレーション基盤を使いながら、自社の現場データをロボット用デジタルツインへ変換することです。

1. デジタルツインは、現実データから作られる

第8回で、デジタルツインはフィジカルAIの仮想訓練場だと整理しました。

しかし、仮想訓練場は、何もないところから突然生まれるわけではありません。

現実の建物があります。

現実の設備があります。

現実の棚があります。

現実の通路があります。

現実の床があります。

現実の作業者の動線があります。

現実の安全ルールがあります。

現実の業務システムがあります。

これらをデジタル空間に移す必要があります。

このとき、最初に必要になるのが、現場を表すデータです。

その代表が、BIM、CAD、3Dスキャンです。

BIMは、建物や空間の情報を持っています。

CADは、設備や機械の形状を持っています。

3Dスキャンは、今そこにある現実の形を取得します。

この三つを組み合わせることで、ロボット用デジタルツインの土台ができます。

2. BIMとは何か

BIMとは、Building Information Modelingの略です。

日本語では、建築情報モデリング、または建築情報モデルと呼ばれます。

BIMは、単なる建物の3Dモデルではありません。

壁、床、柱、梁、ドア、窓、階段、設備、配管、電気、空調などに、属性情報を持たせる仕組みです。

たとえば、壁であれば、厚さ、材質、防火性能、位置、高さなどの情報を持てます。

ドアであれば、開く方向、幅、高さ、種類、設置位置を持てます。

空調設備であれば、型番、設置位置、系統、保守情報を持てます。

つまり、BIMは「建物の意味を持った3Dデータ」です。

ロボット用デジタルツインにとって、BIMは非常に重要です。

なぜなら、ロボットが建物の中で動くには、空間構造を理解する必要があるからです。

通路はどこか。

ドアはどこか。

階段はどこか。

エレベーターはどこか。

天井高さはどれくらいか。

入ってはいけないエリアはどこか。

設備室はどこか。

こうした情報は、単なる写真だけでは分かりません。

BIMがあれば、建物の構造と意味をデジタル空間に持ち込めます。

3. IFCとopenBIM

BIMで重要になるのが、IFCです。

IFCは、Industry Foundation Classesの略です。

建物や土木インフラなど、建設・施設管理領域の情報を、特定のベンダーに依存せず交換・共有するためのオープンな国際標準です。

BIMソフトには、Autodesk Revit、Graphisoft Archicad、Nemetschek系ツール、Bentley系ツールなどがあります。

しかし、それぞれのソフトの内部形式だけで閉じてしまうと、データ連携が難しくなります。

そこで、IFCのようなオープンな標準が重要になります。

ロボット用デジタルツインでも同じです。

建築会社が持つBIM。

設備会社が持つCAD。

ロボット会社が使うシミュレータ。

現場運用会社が使う業務システム。

これらが別々の形式で閉じていると、デジタルツインは作りにくい。

openBIMの考え方は、フィジカルAI時代にも重要です。

ロボットが建物の中で働くためには、建物データ、設備データ、ロボットデータ、業務データをつなぐ必要があるからです。

4. BIMの限界

ただし、BIMがあればロボット用デジタルツインが完成するわけではありません。

BIMには限界があります。

まず、BIMは設計データであることが多い。

つまり、「設計上はこうなっている」という情報です。

しかし、現実の建物は、設計図通りとは限りません。

工事中に変更されている。

設備が後から追加されている。

棚や什器が置かれている。

床に段差がある。

配線や仮設物がある。

図面にはない障害物がある。

こうしたことは、BIMだけでは分かりません。

また、BIMデータは重いことがあります。

建物全体の詳細なモデルをそのままロボットシミュレーションに入れると、重すぎて動かないことがあります。

さらに、BIMには、ロボットに必要な物理属性が不足している場合があります。

床の摩擦。

箱の重さ。

棚板の剛性。

ドアの動き。

人の動線。

センサーの見え方。

こうした情報は、BIMに標準で入っているとは限りません。

だから、BIMは入口です。

ロボット用デジタルツインにするには、変換、整理、軽量化、物理属性付与が必要です。

5. CADとは何か

CADとは、Computer-Aided Designの略です。

機械、設備、部品、治具、ロボット本体などの設計に使われるデータです。

工場の設備や機械をデジタルツイン化するには、CADが重要です。

たとえば、以下のようなものです。

ロボットアーム。

コンベア。

工作機械。

搬送装置。

棚。

治具。

工具。

カバー。

安全柵。

充電ステーション。

部品箱。

CADは、形状精度が高いのが特徴です。

寸法、穴位置、部品構成、アセンブリ構造などが正確に表現されます。

設備や機械のデジタルツインを作るなら、CADは非常に強い素材です。

ヒューマノイドが工場で働く場合、建物だけでなく、設備や機械の位置と形状を知る必要があります。

どの機械に近づくのか。

どこに手を入れてはいけないのか。

どの棚のどの高さに部品があるのか。

どの治具に部品を置くのか。

どの設備が可動部を持つのか。

こうした情報は、CADが持っていることが多いです。

6. CADの限界

CADも、そのままではロボット用デジタルツインになりません。

CADは設計に強い。

しかし、シミュレーションにそのまま向いているとは限りません。

CADデータは詳細すぎることがあります。

小さなネジ、穴、曲面、内部構造まで含まれていると、ロボットシミュレータでは重すぎます。

ロボットにとって重要なのは、すべての微細形状ではありません。

ぶつかるかどうか。

掴めるかどうか。

センサーで見えるかどうか。

可動部がどう動くか。

これが重要です。

そのため、CADは軽量化する必要があります。

さらに、衝突形状を作る必要があります。

見た目用のメッシュと、物理シミュレーション用のコリジョンメッシュは分けることが多いです。

見た目は細かくてもよい。

しかし、衝突判定は軽く、安定している必要があります。

また、CADには質量、慣性、摩擦、関節、可動範囲などが不足している場合があります。

ロボットシミュレーションでは、これらを追加する必要があります。

CADは正確な形状データですが、ロボットが使えるデータに変換する工程が必要です。

7. 3Dスキャンとは何か

3Dスキャンとは、現実空間の形状を取得する技術です。

代表的な方法には、LiDARスキャン、レーザースキャン、写真測量、深度カメラ、スマートフォンによるスキャンなどがあります。

3Dスキャンの強みは、「今そこにある現実」を取得できることです。

BIMやCADは、設計データです。

しかし、現場は変わります。

棚の位置が変わる。

設備が増える。

床に段差ができる。

作業台が移動する。

荷物が置かれる。

安全柵が追加される。

人の動線が変わる。

3Dスキャンは、このような現実の状態を取得できます。

特に既存施設では、図面が古いことがあります。

BIMが存在しないこともあります。

CADが更新されていないこともあります。

その場合、3Dスキャンが非常に重要になります。

デジタルツインは、設計図の世界ではなく、現実の世界に近づける必要があります。

そのためには、現実を測る技術が必要です。

8. 点群、メッシュ、3D Gaussian Splatting

3Dスキャンで得られるデータには、いくつかの種類があります。

代表的なのが、点群です。

点群とは、空間上の点の集合です。

それぞれの点が、位置情報を持っています。

点の数が多いほど、現実の形を細かく表現できます。

ただし、点群はそのままではロボットが歩ける床や、ぶつかる壁として扱いにくいことがあります。

そのため、メッシュ化したり、面を抽出したり、床、壁、柱、棚などに分類する必要があります。

近年では、3D Gaussian Splattingのような3D表現も注目されています。

3D Gaussian Splattingは、写真や動画から見た目のリアルな3Dシーンを再構築するのに強い表現です。

World Labs MarbleやNVIDIA NuRecのようなワークフローでは、現実世界を素早く3D化し、シミュレーションやロボット評価環境に接続する方向が進んでいます。

ただし、見た目がリアルでも、それだけではロボット用の物理シミュレーションには不十分です。

ロボットが歩くには、床の面が必要です。

ぶつかるには、衝突形状が必要です。

掴むには、物体の形状や質量が必要です。

つまり、3Dスキャンや3D Gaussian Splattingは強力な入口ですが、ロボット用には物理・意味・衝突情報を追加する必要があります。

9. BIM・CAD・3Dスキャンの役割分担

ここで、三つの役割を整理します。

| データ | 得意なこと | 弱いこと |
|---|---|---|
| BIM | 建物、空間、部屋、壁、ドア、設備属性 | 現実との差分、軽量化、物理属性 |
| CAD | 機械、設備、部品、治具の精密形状 | 重い、細かすぎる、物理情報不足 |
| 3Dスキャン | 現実の現在状態、図面との差分、既存施設 | 意味情報不足、点群処理、物理属性不足 |

つまり、BIMは建物の骨格です。

CADは設備や機械の身体です。

3Dスキャンは現実の現在地です。

この三つを組み合わせて、初めてロボット用デジタルツインが現実に近づきます。

BIMだけでは、設計上の建物です。

CADだけでは、設備単体です。

3Dスキャンだけでは、意味のない点群になりがちです。

三つを統合することで、ロボットが使える仮想現場になります。

10. ロボット用デジタルツインへの変換手順

では、BIM、CAD、3Dスキャンをどうロボット用デジタルツインに変換するのでしょうか。

大まかな流れは以下です。

ここが、単なる3Dデータ作成と、ロボット用デジタルツイン構築の分かれ目です。

1. 現場データを集める

まず、BIM、CAD、図面、3Dスキャン、写真、動画、業務情報を集めます。

既存のBIMがあるか。

設備CADがあるか。

現場スキャンが必要か。

棚や什器の情報はあるか。

人の動線は分かるか。

危険区域は定義されているか。

最初に、使えるデータを棚卸しします。

2. 座標系をそろえる

次に、座標系をそろえます。

BIMの座標。

CADの座標。

3Dスキャンの座標。

ロボットの座標。

世界座標。

これらがバラバラだと、デジタルツインは使えません。

棚がずれる。

床が浮く。

ロボットが壁にめり込む。

設備の位置が合わない。

だから、座標系の整合が非常に重要です。

3. 不要な形状を削る

次に、軽量化します。

BIMもCADも3Dスキャンも、そのままでは重すぎることがあります。

ロボットシミュレーションに不要な細部を削ります。

見た目に必要な情報と、物理に必要な情報を分けます。

ロボットがぶつかる可能性のない内部構造は省略できます。

センサーに映らない細部も簡略化できます。

軽量化しないと、リアルタイムシミュレーションが難しくなります。

4. 衝突形状を作る

次に、衝突形状を作ります。

ロボットがぶつかる壁。

床。

棚。

机。

設備。

箱。

これらには、衝突判定が必要です。

見た目の3Dモデルがあっても、衝突形状がなければ、ロボットはすり抜けてしまいます。

逆に、衝突形状が細かすぎると、シミュレーションが重くなります。

そのため、見た目用メッシュと衝突用メッシュを分ける必要があります。

5. 物理属性を付ける

次に、物理属性を付けます。

質量。

摩擦。

反発。

剛性。

可動範囲。

関節。

慣性。

これらがなければ、ロボットは現実に近い練習ができません。

床の摩擦が違えば、歩行制御が変わります。

箱の重さが違えば、把持制御が変わります。

ドアの動きが違えば、開閉作業が変わります。

物理属性は、ロボット用デジタルツインの生命線です。

6. センサーを設定する

次に、センサーを設定します。

カメラ。

深度カメラ。

LiDAR。

IMU。

力覚センサー。

エンコーダ。

ロボットは、現実世界をセンサーで見ます。

だから、シミュレーションでもセンサーの見え方を再現する必要があります。

カメラの視野角。

解像度。

レンズ歪み。

ノイズ。

照明。

死角。

こうした条件が重要になります。

7. 人の動線と業務ルールを入れる

次に、人の動線と業務ルールを入れます。

人はどこを通るのか。

どの時間帯に混むのか。

入ってはいけないエリアはどこか。

ロボットはどこまで近づいてよいのか。

どの作業は人間確認が必要か。

WMSやMESからの指示はどう入るのか。

デジタルツインは、形だけではなく、業務の仮想現場である必要があります。

8. OpenUSDやシミュレータ形式へ変換する

最後に、OpenUSD、URDF、MJCF、SDFなど、シミュレータやロボット開発基盤で扱える形式へ変換します。

NVIDIA Omniverse / Isaac Simなら、OpenUSDが中核になります。

MuJoCoなら、ネイティブなモデル記述形式であるMJCFが重要です。

GazeboならSDFが中心で、ROS 2と連携するロボットモデルではURDFも重要になります。

ここで初めて、現実のBIM、CAD、3Dスキャンが、ロボット用デジタルツインになります。

11. ロボット用デジタルツインのチェックリスト

ロボット用デジタルツインを作るときは、以下を確認する必要があります。

• 座標系は合っているか

• スケールは正しいか

• 床は正しく認識されているか

• 壁や棚に衝突判定があるか

• ロボットが通る通路幅は正しいか

• カメラから対象物が見えるか

• LiDARに壁や棚が反映されるか

• 物体に質量が設定されているか

• 床や箱に摩擦係数があるか

• ドアや引き出しが動くか

• 人の動線が入っているか

• 危険区域が設定されているか

• 業務システムとの関係が定義されているか

• 実機ログで更新できるか

• 軽量化されてリアルタイムに動くか

このチェックを飛ばすと、見た目だけのデジタルツインになります。

ロボットに必要なのは、見た目だけではありません。

動けること。

ぶつかれること。

見えること。

掴めること。

失敗できること。

検証できること。

これが重要です。

12. PLATEAUと都市デジタルツイン

日本には、PLATEAUという重要な取り組みがあります。

PLATEAUは、国土交通省が進める3D都市モデルの整備・活用・オープンデータ化プロジェクトです。

都市の建物、道路、地形などを3Dデータとして整備し、まちづくり、防災、都市計画、モビリティなどに活用する取り組みです。

フィジカルAI時代には、都市スケールのデジタルツインも重要になります。

配送ロボット。

警備ロボット。

案内ロボット。

清掃ロボット。

災害対応ロボット。

こうしたロボットは、建物内部だけでなく、都市空間とも関係します。

PLATEAUのような都市デジタルツインは、屋外ロボットや都市型フィジカルAIの基盤になり得ます。

ただし、PLATEAUだけでヒューマノイド用デジタルツインが完成するわけではありません。

PLATEAUは都市スケールに強い。

一方で、ヒューマノイドが実際に働く工場内、倉庫内、病院内、建物内部の細かい環境は、BIM、CAD、3Dスキャンが必要です。

つまり、都市はPLATEAU。

建物はBIM。

設備はCAD。

現実差分は3Dスキャン。

この組み合わせが重要になります。

13. 日本企業の勝ち筋

日本企業にとって、BIM・CAD・3Dスキャンは非常に重要な勝ち筋です。

なぜなら、日本には現場があるからです。

工場があります。

倉庫があります。

建設現場があります。

病院があります。

駅があります。

空港があります。

介護施設があります。

観光施設があります。

そして、それぞれの現場には、図面、設備データ、施工データ、保守データ、作業標準、現場ノウハウがあります。

これらは、海外の基盤モデル企業が簡単に持てるものではありません。

日本の強みは、現場データです。

ただし、現場データを持っているだけでは不十分です。

それを、ロボットが使えるデジタルツインに変換する必要があります。

BIMを整理する。

CADを軽量化する。

3Dスキャンで現実差分を取る。

OpenUSDなどの形式に整え、必要な資産をSimReadyアセット化する。

Isaac Sim、MuJoCo、Gazeboで動かす。

ROS 2や業務システムとつなぐ。

ここに、新しいソフトウェア産業が生まれます。

日本が狙うべきなのは、単なるBIM作成会社でも、単なる3Dスキャン会社でもありません。

ロボット用デジタルツインを作る会社です。

現場を、ヒューマノイドが学習できる仮想訓練場に変換する会社です。

ここに、フィジカルAI時代の日本のチャンスがあります。

14. 第9回のまとめ

今回の記事では、BIM、CAD、3Dスキャンについて整理しました。

デジタルツインは、現実世界のデータから作られます。

建物はBIM。

設備や機械はCAD。

既存現場の実態把握は3Dスキャン。

この三つを組み合わせることで、ロボット用デジタルツインの土台ができます。

しかし、BIMやCADや点群をそのまま使っても、ロボットは動けません。

座標系をそろえる。

軽量化する。

衝突形状を作る。

物理属性を付ける。

センサーを設定する。

人の動線や業務ルールを入れる。

OpenUSD、SDF、URDF、MJCFなど、用途に応じた形式へ変換する。

この工程を通じて、初めてロボットが練習できる仮想現場になります。

つまり、BIM・CAD・3Dスキャンは、デジタルツインの素材です。

ロボット用デジタルツインは、その素材をフィジカルAIが使える形に整えたものです。

次回は、そのデジタルツイン上で訓練したロボットの動作を、現実の実機へ移す技術、Sim-to-Realを扱います。

仮想空間で学んだ動作は、なぜ現実でずれるのか。

そのずれをどう埋めるのか。

Domain Randomization、System Identification、Real-to-Sim、実機ログによる改善。

第10回では、フィジカルAI開発の核心であるSim-to-Realを整理します。

参考注記

本記事では、BIM、IFC、OpenUSD、SimReady、PLATEAU、Isaac Sim、MuJoCo、Gazeboなどの公開情報・公式資料・一般的なロボット開発知識をもとに整理しています。

企業やツール名は、特定製品の推奨ではなく、フィジカルAI時代のデジタルツイン構築を理解するための代表例として取り上げています。

ここまで読んでいただき、ありがとうございました。

次回は、デジタルツイン上で訓練したロボットの動作を、現実の実機へ移す技術、Sim-to-Realを扱います。

仮想空間で学んだ動作は、なぜ現実でずれるのか。

そのずれをどう埋めるのか。

第10回では、フィジカルAI開発の核心であるSim-to-Realを整理します。

ハッシュタグ

#フィジカルAI #ヒューマノイド #デジタルツイン #BIM #CAD #3Dスキャン #OpenUSD #SimReady #IsaacSim #MuJoCo #Gazebo #PLATEAU #ロボット開発 #現場実装 #日本の製造業