Physical AI ツール
Physical AI ワークフローは、digital twin scene context、SimReady asset package、operational constraints、engineering review records を組み合わせます。AI ツール面は、layout preparation、CAD/floor plan import、simulation、what-if comparison、surrogate model training、downstream runtime handoff を支援します。
ツール層
| 層 | 主な利用者 | アクセス境界 | 出力 |
|---|---|---|---|
/mcp/base/ MCP tools | Agent クライアント、copilot、workflow orchestrator | base.read, base.compute.run, selected base.action.write | scene context、source data、simulation summary、optimization result、report、review record |
/ai/layout/* AI Engine endpoints | layout optimizer、engineering study、planning workflow | 製品サービス認証と layout 権限 | optimized layout、evaluation KPI、validation error、sensitivity output、recommendation |
/ai/cad/*, /api/v1/model-assets/* | CAD、BIM、model asset intake | 製品サービス認証と asset 権限 | imported geometry、layout record、model asset version、component geometry、twin binding |
/ai/des/*, /ai/whatif/*, /ai/sim/* | simulation and scenario workflows | 製品サービス認証と simulation 権限 | DES run、what-if comparison、EnergyPlus 系 simulation、Monte Carlo、system dynamics、surrogate output |
| SimRunner | engineering automation and batch scene execution | project runtime credentials and scene access | .digrec、semantic scene JSON、run logs、scenario package artifacts |
MCP endpoint と scope
| Endpoint | Scope | 用途 |
|---|---|---|
/mcp/base/ | base.read | scene records、documents、connector state、data quality、equipment status、supporting evidence を読み取ります。 |
/mcp/base/ | base.compute.run | approved simulation、optimization、spatial analysis、forecasting、report generation、model workflows を実行します。 |
/mcp/base/ | base.action.write | scenario review が operational follow-up を必要とする場合、承認済みの action record を保存します。 |
MCP ツールマップ
| 領域 | 主なツール |
|---|---|
| Scene and source-data intake | import_dxf, import_data, list_connectors, check_data_quality, troubleshoot_connector, get_equipment_documents, search_documents, query_knowledge |
| Simulation and scenario analysis | run_des, run_dag_simulation, run_abm, run_simulation, cascade_simulation, run_montecarlo, run_system_dynamics, run_doe, simulate_logistics |
| Optimization and acceleration | optimize_layout, run_optimization, optimize_evolutionary, optimize_bayesian, optimize_milp, train_surrogate, predict_surrogate, detect_drift |
| Spatial review | analyze_spatial_anomaly, compare_zones, recommend_sensor_placement, find_path, generate_report |
AI Engine ツールマップ
| Endpoint group | Purpose | Inputs | Outputs |
|---|---|---|---|
/ai/layout/optimize, /ai/layout/evaluate, /ai/layout/validate | layout を最適化、評価、検証します。 | baseline layout、movable elements、constraints、objective weights、run settings。 | candidate layouts、KPI、constraint notes、repair list。 |
/ai/cad/import, /ai/cad/import-dxf, /ai/cad/import-json | CAD、DXF、JSON layout を import します。 | source file、unit、coordinate assumptions、layer mapping、tenant context。 | imported layout、recognized entities、warnings、saved records。 |
/ai/des/run, /ai/des/batch-run, /ai/des/runs/{run_id} | DES scenario を実行し取得します。 | scene type、entities、resources、routes、service times、run settings。 | throughput、wait time、bottlenecks、utilization、exported result。 |
/ai/sim/extract-kpis, /ai/sim/build-idf, /ai/sim/run | EnergyPlus 系 building simulation を準備し実行します。 | geometry、zones、materials、schedules、weather、energy assumptions。 | KPI schema、IDF payload、run status、simulation outputs。 |
/ai/whatif/run, /ai/whatif/engines, /ai/whatif/batch | what-if comparison を実行します。 | baseline、changed parameters、engine choice、batch settings。 | scenario comparison、job status、output metrics。 |
/ai/surrogate/train, /ai/surrogate/predict | surrogate model を training し candidate screening に使います。 | sampled simulation runs、input features、target KPIs。 | model ID、training metrics、predicted KPIs、confidence indicators。 |
推奨シーケンス
| シーン | 推奨経路 |
|---|---|
| SimReady asset package | CAD/DXF import -> data quality -> documents and constraints -> layout validation -> scenario report |
| Layout and process study | /ai/layout/validate -> /ai/layout/evaluate -> /ai/layout/optimize -> /ai/layout/compare |
| What-if and uncertainty | run_des -> /ai/whatif/run -> run_montecarlo -> generate_report |
| Surrogate-assisted iteration | simulation samples -> /ai/surrogate/train -> /ai/surrogate/predict -> selected scenarios return to source engine |
| Runtime handoff | scene/model asset IDs -> asset readiness review -> SimRunner or target adapter -> semantic scene JSON and validation notes |
データ要件
- tenant、scene、model asset、model asset version、component geometry IDs。
- source file reference、checksum、format、coordinate system、unit、origin、floor、zone references。
- semantic labels、material hints、collision assumptions、articulations、constraints、motion ranges、safety zones。
- process route、task sequence、service time、demand profile、operating limits、exception rules。
- DFS で準備された sensor、inspection、work-order、production、meter、field-observation records。
- simulation engine、runtime adapter、version、seed、run duration、timestep、changed parameters。
出力レビュー
- scene、model asset、version、component geometry reference が見える。
- coordinate system、unit、scale、floor/zone mapping が明確である。
- runtime、engine、version、run duration、random seed、changed parameters が記録されている。
- simulation assumptions、simplifications、missing physical parameters が見える。
- layout output に constraint status と baseline comparison がある。
- surrogate output に model ID、feature schema、training dataset、validation metrics がある。
- robot-training または external-runtime output は再利用前に engineering owner がレビューする。