スクレイピングを楽しもう！

  AIで建物や街のモデルを作る、と聞くと、最初は少し難しそうに感じるかもしれません。私も以前は、先に細かい寸法を決めて、ソフトを開いて、ゼロから形を作るものだと思っていました。でも最近は、まず地図を見て、場所を選び、AIにたたき台を作ってもらう方が、考えを進めやすい場面があると感じています。 今回は「AIで遊ぼう」という気持ちで、地図から始めるAI建模を試しました。目的は完成品を作ることではありません。AIがどこまで場所の雰囲気をつかめるのか、どこから先は自分で確認する必要があるのかを、できるだけ気軽に見てみることです。  まずは地図の上で範囲を選ぶ 今回使ったShapezoの流れはシンプルです。地図を開き、気になるエリアを四角形やポリゴンで囲みます。すると、その範囲をもとにAIが建物や道路、地形などを含むモデルを生成します。 この順番が面白いと思いました。普通のモデリングでは、空の画面に最初の線を引くまでが意外と重いものです。地図から始めると、すでに場所の情報があり、周辺との関係を見ながらスタートできます。住宅地の一角、川沿いの空き地、駅の近くの再開発エリアなど、選ぶ場所によって最初から話が変わります。 もちろん、AIが返すモデルは測量図でも施工図でもありません。ここでは、考えるための最初の形として扱うのがちょうどよいと思います。  小さな実験をしてみた 私は川沿いの住宅地と、道路に面した空き地を含む範囲を選びました。最初に期待したのは、建物の数や道路の位置を完璧に当てることではなく、街のまとまり方をつかむことです。 生成されたモデルを見ると、建物の高さの違い、道路の抜け、緑地のまとまりが一度に見えました。紙の地図だけでは気づきにくかった「この場所はどこに向かって開いているか」という感覚も、3Dにすると考えやすくなります。 次に、同じ範囲を少し広げて生成しました。周囲の道路や川が入るだけで、建物単体の印象が変わります。敷地だけを見ていると良さそうでも、少し引いて見るとアクセスが弱い、視界が遮られる、緑地が分断されている、といった点が出てきます。AIモデルを何度か作り直すことで、最初から一つの案に固まりすぎずに済みました。 AIが得意だったこと 今回、AIが特に役立ったのは、情報がまだ曖昧な段階での比較でした。細部を決める前に、複数の場...

  music.jpとは？ music.jpは、日本の音楽配信サービスプラットフォームです。このサイトでは、最新の音楽アルバムやシングル、音楽ビデオなどをダウンロード・ストリーミングで楽しむことができます。さまざまなジャンルの音楽が豊富に揃っており、国内外のアーティストの楽曲を手軽に楽しむことができます。日本の音楽好きな方や音楽を手軽に楽しみたい方にとって、music.jpは便利で魅力的な音楽サービスとなっています。 スクレイピングツールの概要 ScrapeStorm は、プログラミングが不要で使いやすい人工知能を搭載した Webスクレイピングツール です。他のツール（Firecrawl、Apifyなど）と異なり、極限の零コード体験と、1-Clickで99％の Webスクレイピング を満たします。データをすぐに現場やシステムに落とせる機能を特徴とします。ローカルでの豊富な機能生態系により、カスタマイズが簡単で、大規模な データ収集 にもコスト効率よく対応可能です。手動での抽出作業に時間を取られたくない、効率よく データを取得 したいというニーズにお応えする、最適な選択肢です。 抽出されたデータをご覧ください。 1.タスクを新規作成する (1)URLをコピーする 今回はシングルデイリーランキングページを例として、スクレイピング方法を紹介します。まず、URLをコピーしてください。 (2)スマートモードタスクを新規作成する ScrapeStormのホムページ画面にスマートモードタスクを新規作成します。また、持っているタスクをインポートすることもできます。 詳細には下記のチュートリアルをご参照ください。 スマートモードタスクの新規作成方法 2.タスクを構成する (1)AIで認識 ScrapeStormはリスト要素やページボタンを自動的に識別するAI認識機能が内蔵されています。もし識別誤差が発生する時、手動でページボタンを選択してください。下記のチュートリアルも参照してください。 ページ分けの設定方法 (2)詳細ページに行く 歌詞は詳細ページに付いていますから、ソフトウェアの「詳細ページに行く」機能を利用して、データを抽出します。 (3)事前操作 右上の緑ボタンをクリック、事前操作画面に「クリック」コンポーネントを追加して、歌詞を開けます。 (4)フィールドの追加と編...

  生成AIの進化により、ゲーム内の建築物や街並みを自動的に作り出す技術が注目されています。 AIによる建築生成は、単に見た目の美しい建物を作るだけの技術ではありません。プレイヤーの目的、地形、資源、人口、戦闘ルールなどをもとに、ゲームプレイに適した空間を構築できる点に大きな可能性があります。 特に相性がよいのは、都市建造、生存建造、オープンワールドRPG、ローグライク、シューティング、シミュレーションゲームなどのジャンルです。 1. 都市建造ゲーム 都市建造ゲームでは、プレイヤーが道路、住宅、商業施設、工場などを配置しながら街を発展させていきます。 AIによる建築生成を導入すると、都市全体の構成や、街区ごとの建物を自動的に作成できます。 例えば、次のような機能が考えられます。 都市の規模に応じた街区の自動生成 人口や資源量に応じた建物の調整 古代、中世、近代、未来などの時代別建築の生成 プレイヤーの都市計画に合わせた周辺施設の追加 住宅地、商業地、工業地の自動配置 都市の発展段階に応じた建物の改築 プレイヤーが大きな道路を作った場合、その周辺に商店や集合住宅を配置する。工業地帯を指定した場合には、倉庫や工場を増やす。このように、プレイヤーの計画を読み取りながら都市の細部を補完できます。 また、同じ都市建造ゲームであっても、プレイヤーごとに異なる街並みを作れるため、ゲーム世界に個性が生まれます。 2. 生存建造ゲーム 生存建造ゲームでは、プレイヤーが限られた資源を使って基地や避難所を建設します。 このジャンルでは、建物の見た目だけでなく、地形、資源、敵の侵入経路、移動のしやすさなどが重要になります。AIはこれらの条件を分析し、プレイヤーに適した建築案を提案できます。 具体的には、次のような活用方法があります。 地形に適した基地の配置 敵の侵入経路を考慮した防御レイアウト 地下室や倉庫を含む室内空間の生成 使用可能な資源に合わせた建築プランの提案 水源や鉱山に近い施設の配置 防壁、監視塔、門などの防衛施設の自動設計 例えば、山の斜面に基地を建設する場合、AIが斜面を利用した防壁や段差のある建築を提案できます。資源が不足している場合には、木材を多く使う大型施設ではなく、少ない材料で建設できる簡易シェルターを提示することも可能です。 これにより、プレイヤーは一から...

  近年、生成AIはゲーム開発のさまざまな分野で活用され始めています。キャラクター、音声、シナリオ、プログラムなどに加えて、建築物や都市空間の生成も注目されている分野の一つです。 AI生成建築の最大の価値は、建物を完全に自動制作することではありません。企画段階のアイデアを短時間で可視化し、3Dモデルやレベルデザインの初期工程を効率化することにあります。 1. 建築コンセプトの作成 AIは、テキストやスケッチ、参考画像をもとに、さまざまな建築デザインを提案できます。 例えば、次のような指示が可能です。 砂漠に埋もれた近未来都市の駅 戦争によって廃墟となった病院 山間部に建つ北欧風の木造住宅 潜入ミッションに適した工業倉庫 中世の港町にある市庁舎 こうした指示から、建物の外観、屋根、窓、素材、色彩、周辺環境などの案を短時間で大量に作成できます。 従来であれば、コンセプトアーティストが何日もかけて複数案を制作する必要がありました。しかし、AIを活用すれば、初期段階で多くの方向性を比較できます。デザイナーはその中から有望な案を選び、世界観やゲームの目的に合わせて調整できます。 ただし、AIが生成した画像は、そのまま最終デザインとして利用できるとは限りません。建物の構造や遠近感が不自然であったり、正面と側面のデザインが一致しなかったりする場合があります。そのため、AIはデザインの探索やアイデアの可視化に利用するのが現実的です。 2. 3D建築モデルの制作支援 現在のAI技術では、画像やテキストから建築物の基本的な3Dモデルを生成することも可能になっています。 この機能は、次のような用途で役立ちます。 ゲーム序盤のグレーボックス制作 遠景用の都市建築 一般的な住宅や倉庫の量産 オープンワールドの背景制作 建築モデルの初期案作成 コンセプトアートの3D化 特に、プレイヤーが細部まで確認しない背景建築や、開発初期の仮モデルには大きな効果があります。建物の大まかな形状を短時間で用意できるため、レベルデザイナーやプランナーは、実際のゲーム空間を早い段階で検証できます。 一方で、AIが作成した3Dモデルには、実際のゲーム開発に必要な調整が残されています。 ポリゴン構造の整理 不要な面の削除 UV展開の修正 マテリアルの統一 LODの制作 コリジョンの設定 建物の寸法や比率の調整 ...

 

  結論から言うと 現在のAIモデリングでは、地図、対象エリア、簡単な設計条件をもとに、建物や敷地の大まかな3D案を素早く生成できます。 ただし、それはAIが建築設計を完成させたという意味ではありません。 AIが答えているのは、主に次のような問いです。 「この場所には、どのような配置が考えられるか」 であって、 「この建物は、すぐに施工できる状態か」 ではありません。 AIは、場所を短時間で可視化された空間の仮説に変えることができます。これは、初期計画や敷地検討、複数案の比較において大きな価値があります。 一方で、生成された結果は通常、まだコンセプトモデルの段階です。エンジニアリング設計の成果物と同じものとして扱うことはできません。 地図からAIが生成できるもの ユーザーは地図上で対象範囲を選び、ポリゴンで境界を指定し、いくつかの条件を入力できます。 たとえば、次のような情報です。 建物の大まかな用途 建物の数や規模 道路や出入口の位置 オープンスペースの要件 キャンパスや団地、業務地区の基本構成 AIは、その情報をもとに建物のボリューム、道路との関係、オープンスペース、基本的な動線を生成します。 ツールによっては、複数の案を並べて比較することもできます。 初期検討であれば、これだけでも十分に役立ちます。 プロジェクトの初期段階で不足しているのは、必ずしも精密なモデルではありません。むしろ、チームで議論できる比較可能な仮説です。 たとえば、次のような点を早い段階で確認できます。 建物のボリュームは敷地に合っているか 道路や出入口は大まかに成立しているか 建物同士に明らかな衝突がないか オープンスペースが分断されていないか 周辺の市街地や既存施設とつながっているか こうした確認によって、初期の問題を早く見つけることができます。間違った方向に時間をかけすぎることも防げます。 ただし、まだ完全な建築設計ではない 地図から生成された建物モデルの多くは、まだコンセプト段階のものです。 見た目が整っていても、すべての関係が検証されているとは限りません。地図情報だけでは、AIは次のような問題を正確に解決できないことがあります。 地形や高低差が設計条件に合っているか 敷地内の排水が成立しているか 建築の後退距離や都市計画上の制限を満たしているか 日影、消防、バリアフリー...