MIT, 2D 설계를 3D CAD 모델로 변환하는 GIFT 기술 개발

주장매사추세츠공과대학(MIT) 연구진이 개발한 기하학적 추론 피드백 튜닝(GIFT) 시스템은 시각-언어 생성 인공지능 모델이 3D 객체 시뮬레이션에 필요한 컴퓨터 지원 설계(CAD) 프로그램을 효율적으로 생성하도록 돕습니다. 이 기술은 복잡한 엔지니어링 설계 과정을 자동화하여 신속한 시제품 제작을 가능하게 합니다.

팩트GIFT는 기하학적 추론 피드백 튜닝의 약자입니다. 이 시스템은 모델이 2D 이미지를 CAD 코드로 변환하는 과정에서 발생하는 오류를 스스로 수정하고 이를 학습 데이터로 활용합니다.

팩트연구진은 기존 시각-언어 모델(VLM)이 CAD 생성 작업에서 겪는 주요 병목 현상이 고품질 CAD 데이터셋의 부족이라는 점을 확인했습니다. GIFT는 모델 스스로 데이터를 증강하여 이러한 데이터 부족 문제를 해결합니다.

교차검증기존의 데이터 증강 방식은 이미지의 색상이나 크기를 무작위로 조정하는 수준에 머물렀습니다. 반면 GIFT는 모델의 강점과 약점을 파악하여 모델이 해결하기 어려워하는 특정 문제에 집중한 데이터를 생성합니다.

팩트GIFT는 모델이 동일한 문제를 여러 번 반복해서 풀게 한 뒤, 정답에 가까운 결과물을 성공적인 해결책으로 수정하여 데이터셋에 저장합니다. 이를 통해 모델은 스스로 실수를 교정하는 방법을 학습합니다.

팩트이 시스템은 추론 시간 확장(inference-time scaling) 방식을 사용하여 전체 모델을 재학습할 필요가 없습니다. 사용자는 예산과 시간에 맞춰 컴퓨팅 자원을 설정할 수 있어 효율적인 운영이 가능합니다.

주장GIFT는 기존 기술 대비 약 20%의 컴퓨팅 자원만 사용하면서도 더 정확한 CAD 프로그램을 생성했습니다. 이는 인공지능 설계 도구가 실제 산업 현장에서 신뢰할 수 있는 수준으로 발전하고 있음을 시사합니다.

팩트이번 연구에는 MIT의 파에즈 아흐메드 교수와 조르지오 지아노네 연구원을 비롯해 IBM, 레드햇 소속 연구진이 참여했습니다. 해당 연구 결과는 국제 머신러닝 학회(ICML)에서 발표되었습니다.

교차검증현재 GIFT는 기하학적 정확도에 초점을 맞추고 있으나, 연구진은 이를 확장하여 제조 가능성 등 더 다양한 엔지니어링 요소를 고려할 계획입니다. 이는 인공지능이 단순한 형상 생성을 넘어 실제 제품 생산 단계까지 기여할 수 있음을 의미합니다.

주장이번 기술은 설계 자동화를 통해 엔지니어링 분야의 생산성을 획기적으로 높일 것으로 기대됩니다. 인공지능이 복잡한 설계 도면을 즉각적으로 3D 모델로 전환함에 따라 시제품 개발 주기가 단축됩니다.

주장연구진은 향후 더 복잡한 기계 부품 설계에도 GIFT를 적용할 예정입니다. 이는 인공지능이 설계자의 의도를 정확히 파악하여 최적의 결과물을 도출하는 도구로 자리 잡을 것임을 보여줍니다.

출처MIT News의 'A better way to turn 2D designs into 3D models for rapid prototyping'(2026년 7월 16일) 보도를 통해 해당 내용을 교차 검증했습니다.