Research
AIがダイアグラムを「学習しながら」描く——EvoDesignフレームワークの仕組みと評価
2026/11/08
ダイアグラム自動生成における「表現ギャップ」とは
フローチャートや概念マップ、システムアーキテクチャ図といったダイアグラムは、複雑な情報を視覚的に整理・伝達するための重要な手段だ。しかし高品質なダイアグラムを自動生成するには、意味的なトポロジー（ノードとエッジの構造）、視覚スタイル、幾何的レイアウトという3層を協調して最適化する必要があり、これは既存の手法にとって大きな課題となっている。
論文によれば、現在の自動ダイアグラム生成手法は大きく2つに分かれる。ピクセルベース生成は視覚的に豊かな出力を得られる一方、オブジェクト単位の制御が弱く、テキストの判読不能や意味的ハルシネーションが生じやすい。一方、LaTeX/TikZ・Mermaid・SVGといったコードベース合成は構造的整合性を高めるが、ユーザーが直感的に編集しにくいという問題がある。局所的な修正にも低レベルな構文操作が必要になるためだ。
この「機械による自動生成」と「人間による直感的編集」を同時に満たす表現形式が存在しないという問題を、著者らは 「表現ギャップ（representation gap）」 と呼んでいる。
EvoDesignの全体像
香港科技大学（広州校・本校）および中国科学技術大学、北京大学の研究者らが共同で提案した EvoDesign は、この表現ギャップを埋めるためのエージェント型フレームワークだ。コードもピクセルも使わず、キャンバススキーマという中間表現を採用している点が核心にある。このスキーマはオブジェクト単位のエンティティ・関係・スタイル・座標で構成され、機械が自動操作できると同時に、ユーザーがGUIツール上で直接編集できる構造を持つ。
フレームワークは大きく3つのフェーズで動作すると論文は説明している。
フェーズ1：マルチエージェントによるキャンバス生成
入力コンテンツとユーザー要件を受け取ったEvoDesignは、3つの専門エージェントが協調してダイアグラムのマニフェストを構築する。
- 意味構造エージェント: 入力コンテンツからノードとエッジで構成されるセマンティックグラフを生成。ダイアグラムタイプや階層構造を決定したうえで、エンティティを正規化し、周辺的な情報を除去する。
- 視覚スタイルエージェント: カラーパレット、視覚的階層、形状語彙を設計仕様として策定し、レンダラーがサポートする属性（色・塗りつぶし・線種・形状）に変換する。
- 空間レイアウトエージェント: テキスト折り返しやグループのパディングを考慮してサイズを推定したうえで、トップレベルのモジュールから入れ子グループ内部まで再帰的に座標を割り当てる。
それぞれのエージェントは「高レベルの設計仕様→具体的なスキーマフィールドのインスタンス化」という「spec-to-instance」パターンで動作し、抽象的な設計意図と低レベルのキャンバス制約を分離する設計になっている。
フェーズ2：診断的検証とローカル修正
生成されたマニフェストをキャンバスとしてレンダリングした後、診断的検証環境でフィードバックを収集する。フィードバックは2種類だ。
ひとつはプログラム的な客観チェックで、ノードの重なり・エッジの交差・整列エラー・テキストのはみ出し・キャンバス使用率といった視覚空間上の欠陥を検出する。欠陥の深刻度に応じたペナルティ P（クリティカルは5点、メジャーは3点など）を積算し、0〜10スケールの客観スコア Sobj を算出する仕組みだ。
もうひとつはVLMによる批評で、意味的完全性・視覚的階層・美的一貫性といった決定論的ルールでは捉えにくい高次の品質を評価する。これも0〜10スケールのスコア Scrit として表現される。
最終的なスコアは score = 0.6 × Sobj + 0.4 × Scrit の加重和として定義される。ローカル修正エージェントはこのスコアと欠陥リストを受け取り、ダイアグラム全体を再生成することなく、影響を受けた要素だけを対象に修正を適用する。
フェーズ3：設計知識の進化と蓄積
EvoDesignの最もユニークな点が、この設計専門知識の進化メカニズムだ。個々の修正トレース（問題・編集・結果・フィードバックの記録）を蓄積し、3層の設計専門知識メモリへと昇格させる。
- サンプル戦略: 特定のコンテキストで有効だった個別の修正手法
- ドメインガイドライン: 複数のコンテキストにまたがって繰り返し支持された戦略を昇格したもの
- 一般原則: さらに広い文脈で普遍的に適用できる設計原則
重要なのは、各知識が検証エビデンスと紐付けられており、繰り返しの横断的サポートによる証拠が積み重なった場合のみ上位層に昇格するという保守的な設計になっている点だ。これにより、偶発的な成功が誤ったルールとして定着することを防ぐ。蓄積された知識は後続タスクのエージェントに提供され、同じデザイン上の問題を「毎回一から発見する」必要がなくなる。
CanvasBenchによる評価
著者らはEvoDesignの評価のために CanvasBench という新しいベンチマークを定義した。ダイアグラムをキャンバスから復元可能な形式で保持し、以下の3次元で評価する。
- コンテンツ次元: 意味的忠実性（入力情報をどれだけ正確に表現しているか）
- 視覚次元: レイアウトの整合性や視覚的階層の明確さ
- 認知次元: ユーザーが情報を読み取りやすいか（認知的使いやすさ）
ピクセル生成・コードベース・エージェント型・ワンショットスキーマ・キャンバスネイティブという5カテゴリの手法と比較した実験において、EvoDesignはコンテンツ忠実性・視覚的整理・認知的使いやすさの全体バランスで最も優れた結果を示したと著者らは報告している。
まとめ
EvoDesignは、ダイアグラム自動生成における長年の「表現ギャップ」に対して、キャンバスという中間表現・マルチエージェント協調・診断フィードバックループ・階層的知識進化という4つの要素を組み合わせることで取り組んだ研究だ。コードは GitHubで公開されており（https://github.com/GeminiLight/EvoDesign）、実際のダイアグラム編集ツール（Excalidrawなど）との統合も想定した設計となっている。AIが描くだけでなく「学習しながら上手くなる」ダイアグラム生成という方向性は、ドキュメント自動化や教育コンテンツ制作など幅広い応用が期待される。
出典: EvoDesign: Agentic Editable Diagram Creation via Design Expertise Evolution