새로워진 캐디안 2025 살펴보기 (6)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)에서는 사용자의 작업 편의성을 위해서 캐디안에서 구동되는 유틸리티 기능을 새롭게 추가하였다. 이번 호에서도 캐디안 2025 버전의 유틸리티 기능을 계속 이어서 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian    캐디안 2025 버전의 유틸리티를 설치하는 방법은 다음과 같다. 캐디안 홈페이지에 접속한 후 고객지원 → 기술자료실을 클릭하면 기술자료가 목록으로 표시된다.  3번의 ‘캐디안 리습(lisp) 238개 통합본+메뉴화일 다운로드입니다’ 항목을 클릭하여 안내된 대로 설치하면 캐디안에서 유틸리티 기능을 이용할 수 있다.     유틸리티 - 축에 키홈 단면 그리기(KEY_S) 기계 분야에서 키홈 단면 및 중심선을 그려주는 기능이다. 센터(Center) 도면층이 없으면 자동으로 생성하고 그려준다.   1. 메뉴에서 캐디안 유틸 1 → 축에 키홈 단면그리기(KEY_S)를 실행한다.   2. 명령창에 ‘키홈 단면의 좌측 중심점을 찍어주세요’ 메시지가 표시되면, 왼쪽 중심점을 클릭하여 지정한다.     3. 명령창에 ‘키홈 단면의 가로 전체 길이를 입력하세요’ 메시지가 표시되면, 키홈 단면의 가로 전체 길이를 입력한다.(예 : 15)   4. 명령창에 ‘키홈 단면의 깊이값을 입력하세요’ 메시지가 표시되면, 키홈 단면의 깊이값을 입력한다.(예 : 5)   5. 명령창에 ‘키홈 단면의 중심선 사이의 거리값을 입력하세요’ 메시지가 표시되면, 키홈 단면의 중심선 거리값을 입력한다.(예 : 10)   6. 객체에 키홈 단면이 자동으로 작도된다.     유틸리티 - 원 한 개 중심선 그리기(CL2) 원 및 호의 중심선을 자동으로 그리는 기능이다. 캐디안의 기본 기능에도 중심선 그리기가 있지만, 실행 단계가 대폭 단축되어서 편리하게 이용할 수 있는 기능이다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (2)   DWG 호환 CAD인 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 모듈은 상호 간에 동기화되므로 이를 삼위일체형(Trinity) CAD라고 부른다.  이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2026 버전(4월1일 출시)의 높은 생산성과 오토캐드에서의 쉬운 전환, 아레스 커맨더에 탑재된 AI 기반 기능을 간단하게 알아보도록 하겠다.   ■ 천벼리 캐디안 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다.  홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   생산성 향상과 오토캐드에서의 손쉬운 전환 새로워진 시작 탭과 UI 구성     아레스 커맨더를 실행하면 가장 먼저 눈에 띄는 변화는 새롭게 구성된 Start(시작) 탭이다. 이제 사용자는 매일 작업을 시작할 때 더욱 직관적이고 편리한 방식으로 업무를 시작할 수 있다. 기존의 복잡한 다이얼로그 창 대신, 핵심 기능들이 한눈에 보이도록 정리된 간결하고 환영하는 분위기의 인터페이스가 사용자를 맞이한다. 새로운 Start 탭은 Home(홈), My Setup(내 설정), Learn More(학습) 의 세 가지 섹션으로 구성되어 있으며, 초보자부터 숙련된 사용자까지 누구나 필요한 기능을 빠르게 찾을 수 있도록 설계되었다. 각 섹션에서는 프로젝트 시작, 개인 설정, 학습 자료 접근 등 다양한 기능을 직관적으로 제공하여, 사용자 경험을 한층 더 향상시킨다. 아레스 캐드를 처음 접하는 국내 사용자도 이 새로운 인터페이스 덕분에 보다 빠르게 적응하고, 효율적으로 작업을 시작할 수 있다.   더욱 직관적으로 개선된 리본 메뉴와 작업 공간 구성     사용자 편의성과 전체적인 작업 경험 향상을 위해, 아레스 커맨더는 리본 메뉴 레이아웃과 작업 공간 옵션을 정교하게 다듬었다. 우선, 리본 메뉴 최적화(Ribbon Optimization)를 통해 각 탭의 구성 방식을 개선했다. 명령어가 보다 체계적으로 분산되어 배치됨으로써, 불필요한 혼잡함은 줄이고 명령 접근성을 높였다. 특히 Home 탭은 자주 사용하는 핵심 명령어들에 집중되어 있어, 일상적인 작업의 효율성을 더욱 높여준다. 새롭게 구성된 리본과 작업 공간 덕분에, 초보 사용자도 쉽게 필요한 기능을 찾고 숙련자 역시 더 빠른 작업 흐름을 경험할 수 있다. 아레스 커맨더는 사용자 중심의 CAD 환경을 지향하며, 한국 사용자에게도 익숙하고 쾌적한 설계 환경을 제공한다.   그래디언트와 패턴을 위한 상황별 리본 메뉴 제공     아레스 커맨더는 선택한 객체나 작업 상황에 따라 관련 도구만을 표시해주는 ‘상황별 리본(Contextual Ribbon)’ 기능을 통해 작업 효율을 한층 더 끌어올렸다. 이 기능은 사용자가 필요한 명령어를 일일이 찾아다니는 시간을 줄여주어, 보다 빠르고 직관적인 작업 흐름을 가능하게 한다. 이번 업데이트에서는 기존의 해치(Hatch) 리본에 이어, 그래디언트(Gradient) 와 패턴(Pattern)에 대한 새로운 상황별 리본 메뉴가 추가되었다. 이들 기능은 각각 그래디언트 채우기와 패턴 디자인을 보다 정밀하고 빠르게 조정할 수 있도록 도와주며, 시각적으로 완성도 높은 결과물을 손쉽게 만들어낼 수 있도록 해 준다. 이처럼 아레스 커맨더는 사용자의 작업 맥락을 이해하고 그에 맞는 도구만을 깔끔하게 보여줌으로써, 초보자부터 전문가까지 모두가 생산성 높은 CAD 환경을 경험할 수 있도록 설계되었다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로, 행동과 의사결정을 위한 인지 아키텍처를 갖추고 있다. 이번 호에서는 오픈소스 AI 에이전트인 오픈마누스(OpenManus)를 통해 AI 에이전트의 동작 메커니즘이 어떻게 구현되는지 분석해 본다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   최근 AI 에이전트 기술이 크게 발전하고 있다. 구글의 에이전트 백서를 보면, 생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로 설명한다. 명시적인 지시가 없어도 스스로 판단하고 능동적으로 목표에 접근할 수 있다. 이러한 에이전트는 행동과 의사결정을 위한 인지 아키텍처를 갖추며, 핵심 구성 요소는 <그림 1>과 같이 사용자 입력에 대한 추론 역할을 하는 모델(보통은 GPT와 같은 LLM), 입력에 대해 필요한 기능을 제공하는 도구(tools), 그리고 어떤 도구를 호출할지 조율하는 오케스트레이션의 세 가지로 이루어진다.   그림 1. AI 에이전트의 구성 요소(Agents, Google, 2024)   이번 호에서는 AI 에이전트의 동작 메커니즘을 분석하기 위한 재료로, 딥시크(DeekSeek)와 더불어 관심이 높은 마누스(Manus.im)에서 영감을 받아 개발된 오픈마누스(OpenManus) 오픈소스 AI 에이전트를 활용하겠다. 오픈마누스는 메타GPT(MetaGPT)라는 이름으로 활동 중인 중국인 개발자가 공개한 AI 에이전트이다. 개발자는 오픈마누스가 연결된 다양한 도구를 LLM으로 조율하고 실행할 수 있다고 주장하고 있다. 깃허브(GitHub) 등에 설명된 오픈마누스는 다음과 같은 기능을 지원한다. 로컬에서 AI 에이전트 실행 여러 도구 및 API 통합 : 외부 API, 로컬 모델 및 자동화 도구를 연결, 호출 워크플로 사용자 지정 : AI가 복잡한 다단계 상호 작용을 효율적으로 처리 여러 LLM 지원 : 라마(LLaMA), 미스트랄(Mistral) 및 믹스트랄(Mixtral)과 같은 인기 있는 개방형 모델과 호환 자동화 향상 : 내장 메모리 및 계획 기능을 통해 코딩, 문서 처리, 연구 등을 지원   <그림 2>는 이 에이전트가 지원하는 기능 중 일부이다. 프롬프트 : “Create a basic Three.js endless runner game with a cube as the player and procedurally generated obstacles. Make sure to run it only in browser. If possible also launch it in the browser automatically after creating the game.”   그림 2   오픈마누스는 이전에 중국에서 개발된 마누스에 대한 관심을 오픈소소로 옮기는 데 성공했다. 오픈마누스는 현재 깃허브에서 4만 2000여 개의 별을 받을 정도로 관심을 받고 있다.    그림 3. 오픈마누스(2025년 4월 기준 42.8k stars)   필자는 오픈마누스에 대한 관심이 높았던 것은 구현된 기술보다는 에이전트 분야에서 크게 알려진 마누스에 대한 관심, 오픈소스 버전의 AI 에이전트 코드 공개가 더 크게 작용했다고 생각한다. 이제 설치 및 사용해 보고, 성능 품질을 확인해 보자. 그리고 코드 실행 메커니즘을 분석해 본다.    오픈마누스 설치 개발 환경은 이미 컴퓨터에 엔비디아 쿠다(NVIDIA CUDA), 파이토치(PyTorch) 등이 설치되어 있다고 가정한다. 이제, 다음 명령을 터미널에서 실행해 설치한다.   conda create -n open_manus python=3.12 conda activate open_manus git clone https://github.com/mannaandpoem/OpenManus.git cd OpenManus pip install -r requirements.txt playwright install   오픈마누스가 설치하는 패키지를 보면, 많은 경우, 기존에 잘 만들어진 LLM, AI Agent 라이브러리를 사용하는 것을 알 수 있다. 여기서 사용하는 주요 라이브러리는 다음과 같다.  pydantic, openai, fastapi, tiktoken, html2text, unicorn, googlesearch-python, playwright, docker     ■ 자세한 기사 내용은 PDF로 제공됩니다.

새로워진 캐디안 2025 살펴보기 (5)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)에서는 사용자의 작업 편의성을 위해서 캐디안에서 구동되는 유틸리티 기능을 새롭게 추가하였다. 이번 호에서는 캐디안 2025 버전의 유틸리티 기능을 계속 이어서 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   캐디안 2025 버전의 유틸리티를 설치하는 방법은 다음과 같다. 캐디안 홈페이지에 접속한 후 고객지원 클릭 → 기술자료실을 클릭하면 기술자료가 목록으로 표시된다. 3번의 ‘캐디안 리습(lisp) 213개 통합본+메뉴화일 다운로드입니다’ 항목을 클릭하여 안내된 대로 설치하면, 캐디안에서 유틸리티 기능을 이용할 수 있다.     유틸리티 - 샤프트 끝단 모따기(ASC) 샤프트 끝단의 양쪽 모서리 부분을 동시에 모따기해 주는 기능이다.   1. 메뉴에서 캐디안 유틸 1 → 샤프트 끝단 모따기(ASC)를 실행한다.   2. 명령 창에 ‘모따기할 값을 입력하세요:’ 메시지가 표시되면, 모따기할 값을 숫자로 입력한다.(예 : 1)   3. 명령 창에 ‘모따기할 축의 상단 수평선을 선택하세요:’ 메시지가 표시되면, 샤프트의 상단 수평선을 클릭하여 선택한다.     4. 명령 창에 ‘모따기할 축의 상단 수직선을 선택하세요:’ 메시지가 표시되면, 샤프트의 수직선을 클릭하여 선택한다.     5. 명령 창에 ‘모따기할 축의 하단 수평선을 선택하세요:’ 메시지가 표시되면, 샤프트의 하단 수평선을 클릭하여 선택한다.     6. 입력이 완료되면 샤프트의 상/하단측에 자동으로 모따기 작도가 진행된다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 올라마(Ollama)와 오픈AI(OpenAI) GPT가 지원하는 오픈 소스 AI 모델을 블렌더(Blender)와 연결해 프롬프트 입력에 의한 자동 모델링 에이전트를 개발하는 방법을 설명한다. 이 연결을 통해 3D 모델링 작업 흐름을 간소화하고, 간단한 텍스트 프롬프트만으로 3D 장면을 생성하고 수정할 수 있다. 이번 호의 내용을 통해 이 프로세스를 직접 구현하는 방법을 이해하고, AI 에이전트 도구로서 LLM 모델의 역량을 평가할 수 있다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 프롬프트 : ‘Generate 100 cubes along the line of a circle with a radius of 30. The color and size of each cube are random.’   개념 : 텍스트 기반 3D 모델링 ‘텍스트 기반 3D 모델링’이란, 사용자가 입력한 텍스트를 AI 모델이 분석하여 블렌더에서 실행할 수 있는 코드를 생성하고 이를 통해 3D 그래픽을 구현하는 방식이다. 텍스트 토큰을 조건으로 설정하여 메시 모델을 생성하는 방법도 존재하며, 이는 스테이블 디퓨전(Stable Diffusion : SD) 계열의 기술을 활용하는 경우가 많다. 그러나 SD 기반 모델은 정확한 크기와 위치를 지정하는 데 근본적인 한계를 가진다. 이번 호에서는 정확한 치수를 가진 모델을 생성하는 것에 초점을 맞추고 있으므로, SD 기반 모델에 대한 자세한 설명은 생략한다. 텍스트를 3D 모델로 변환하는 에이전트 도구는 CAD 툴과의 상호작용 방식을 개선할 가능성이 있으며, 그래픽 모델링의 진입 장벽을 낮추고 신속한 프로토타이핑이 가능할 수 있다.   실행 가능한 코드 다운로드 이번 호의 내용과 관련된 실행 가능한 코드는 깃허브(GitHub)에서 다운로드할 수 있으니 참고한다. GitHub 링크 : https://github.com/mac999/blender-llm-addin   라이브러리 설치 블렌더와 올라마를 설치해야 한다.   1. 블렌더 다운로드 : blender.org   2. 윈도우에서 올라마 다운로드 : https://ollama.com/download   3. 오픈 소스 LLM 모델 설치(터미널에서 실행) ollama pull llama3.2 ollama pull gemma2 ollama pull codellama ollama pull qwen2.5-coder:3b ollama pull vanilj/Phi-4   4. 필요한 라이브러리 설치 pip install pandas numpy openai ollama   블렌더의 파이썬(Python) 환경에서 라이브러리를 설치하려면, 블렌더 설치 경로에 맞게 다음을 실행해야 한다. cd "C:/Program Files/Blender Foundation/Blender /python/bin" ./python.exe -m ensurepip ./python.exe -m pip install pandas numpy openai ollama   코드 설명 블렌더 UI 패널 생성 사용자가 블렌더에서 직접 모델을 선택하고 텍스트 프롬프트를 입력할 수 있도록 커스텀 UI를 생성한다. class OBJECT_PT_CustomPanel(bpy.types.Panel): 　bl_label = "AI Model Selector" 　bl_idname = "OBJECT_PT_custom_panel" 　bl_space_type = 'VIEW_3D' 　bl_region_type = 'UI' 　bl_category = "Gen AI 3D Graphics Model" 　def draw(self, context): 　　layout = self.layout 　　layout.label(text="Select Model:") 　　layout.prop(context.scene, "ai_model", text="") 　　layout.label(text="User Prompt:") 　　layout.prop(context.scene, "user_prompt", text="") 　　layout.operator("object.submit_prompt", text="Submit")     ■ 자세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (1)   DWG 호환 CAD인 독일 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 모듈은 상호 간에 동기화되므로 이를 삼위일체형(trinity) CAD라고 부른다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2026 버전과 아레스 제품군의 향상된 기능을 간단하게 알아보도록 하겠다.   ■ 천벼리 캐디안 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   아레스 커맨더 2026은 업데이트를 통해 오토캐드 호환성, 성능 개선, AI 기능 강화, BIM 자동화 및 다양한 파일 포맷 지원이 더욱 향상되었다.   오토캐드 호환성 - 새로운 시작 탭 및 UI 설정 기능     아레스 커맨더 2026은 더욱 직관적이고 사용자 친화적인 환경을 제공한다. 이번 버전에서는 새로운 시작(Start) 탭을 추가하여 작업 공간을 보다 쉽게 맞춤 설정할 수 있도록 개선되었다. 사용자는 리본 메뉴, 팔레트, 설정을 자신의 워크플로에 맞게 조정할 수 있다. 특히, 기본 활성화된 CAD General 작업 공간을 통해 오토캐드 사용자가 보다 쉽게 아레스 환경에 적응할 수 있도록 설계되었다.   CAD 기능 - 성능 및 안정성 향상     아레스 커맨더 2026은 성능과 안정성을 개선하여 더욱 부드러운 작업 환경을 제공한다. 파일 열기 속도가 10% 더 빨라졌으며, 줌 속도는 55% 향상, 패닝 속도는 38% 향상되었다. 또한, 충돌(crash) 발생률이 87% 감소하여 더욱 안정적인 작업이 가능하다. 이러한 최적화를 통해 대형 도면을 다룰 때도 보다 원활한 CAD 환경을 경험할 수 있다.    CAD 기능 - 다중 가시성 상태를 지원하는 커스텀 블록     아레스 커맨더 2026에서는 기존의 오토캐드 호환 동적 블록(Dynamic Blocks)뿐만 아니라 사용자 지정 블록(Custom Blocks) 기능이 더욱 강력해졌다. 이번 버전에서는 다중 가시성 상태(Multiple Visibility States)를 지원하여 커스텀 블록이 동적 블록과 동일한 기능을 수행할 수 있다. 지난 해 추가된 450개 이상의 다이나믹 블록을 포함한 Trinity 블록 라이브러리도 더욱 개선되었다. 이제 블록을 온라인 라이브러리에 손쉽게 추가할 수 있으며, 사용자 간 블록 공유가 더욱 간편해졌다.   인공지능 - 자연어 기반 선택 및 수정 기능     아레스 AI 어시스트(A3)는 이번 버전에서 자연어 명령을 활용한 객체 선택 및 속성 수정 기능을 지원한다. 사용자는 직접 명령어를 입력하지 않고, 다음과 같이 직관적인 문장을 입력하는 것만으로도 다양한 작업을 수행할 수 있다. 레이어 윈도에서 5보다 긴 모든 선을 선택 선택한 객체를 레이어 0으로 이동 모든 원(circle)의 색상을 빨간색으로 변경     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 BIM(건설 정보 모델링) 포맷 중 하나인 IFC(Industry Foundation Classes) 파일을 세슘(Cesium) 플랫폼에 3D 타일(tiles)로 가시화하는 방법을 간략히 설명한다. 세슘은 디지털 트윈 산업 표준 플랫폼으로 많이 알려져 있다. 이번 호에서는 BIM 가시화 방법을 설명하고, 마지막 부분에 3D 타일 개념과 구조를 간략히 소개한다. 참고로, 세슘에서 개발된 3D 타일은 3D 고속 렌더링을 위한 모델 구조와 렌더링 메커니즘을 제공한다. 이 기술은 현재 공간정보 산업 표준을 담당하는 OGC(Open Geospatial Consortium)와 유기적 협력을 통해 발전하고 있다.   그림 1. 세슘의 3D 타일 가시화 모습 예시   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   세슘은 구글 어스와 유사한 지구 스케일의 디지털 트윈 플랫폼이다. 이를 이용하면 도시 차원에서 분석하거나 실내 건물을 탐색하는 등의 유스케이스를 개발할 수 있다. 국내 대부분의 3차원 도시 플랫폼 기반 서비스에서 세슘이 사용되고 있다. 세슘은 디지털 트윈 모델을 다루기 위한 저작도구도 함께 제공한다. 개발자는 서비스에 필요한 메뉴 기능, 대시보드에 표출한 데이터 처리에만 신경을 쓰면 된다.   그림 2. 세슘 저작도구 예시   공간정보 기술을 연구하다 보면, 가끔 BIM 파일 포맷 중 하나 인 IFC를 세슘 위에 가시화해야 하는 경우가 종종 발생한다. 하지만 세슘은 IFC를 직접적으로 지원하지 않는다.   그림 3. IFC 추가 에러 발생 모습   세슘은 IFC를 포함한 모든 3D 모델 파일을 3D 타일로 변환해 업로드하도록 하고 있다. 이는 무거운 3D 모델의 가시화 성능을 고려한 것이다. 3D 타일은 웹에서 가시화하기에 무거운 3D 파일을 공간 인덱싱 기법을 이용해 Octree 형식으로 표현하고, 각 노트에 분할된 3D 모델의 부분을 담아둔다. 메시 간략화 기법을 이용해, 카메라가 모델을 비추는 거리에 따라 적절한 LoD(Level of Detail)의 메시를 보여준다. 이는 게임에서 FPS 성능을 올리기 위해 개발된 기법과 매우 유사하다. glTF(https://github.com/ KhronosGroup/glTF)는 3D 타일의 기본 형식이다. 세슘은 다양한 샘플 코드를 샌드캐슬(sandcastle)이란 플랫폼으로 제공하여 편리한 개발을 지원하고 있다.   그림 4. glTF 2.0 기능(3차원 점군, 텍스쳐, 모델 지원 예시)    그림 5. 세슘의 코드 예제   3D 타일 모델 변환 및 업로드 먼저, 다음 링크를 방문해 세슘 아이온(Cesium ion)에 가입한다. Cesium ion – Cesium(https://cesium.com/platform/ cesium-ion) 이후, 세슘의 API, 애셋(asset)을 관리하는 클라우드, 자바스크립트 기반 예제 등을 무료로 사용할 수 있다. 여기서 애셋이란 플랫폼에서 사용하는 GIS, BIM 등 모든 파일 및 데이터셋을 의미한다. 가입 후, <그림 6>의 화면에서 ‘New story’를 클릭해 애셋을 추가해 보자.   그림 6. 세슘 아이온 메뉴 화면   세슘은 3D 모델을 3차원 타일 형식으로 내부 표현한다. 이 형식을 지원하는 파일 포맷은 <그림 7>과 같다.    그림 7     ■ 자세한 기사 내용은 PDF로 제공됩니다.

새로워진 캐디안 2025 살펴보기 (4)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)에서는 사용자의 작업 편의성을 위해서 캐디안에서 구동되는 유틸리티 기능을 새롭게 추가하였다. 이번 호에서는 캐디안 2025 버전의 유틸리티 기능을 지난 호에 이어서 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   캐디안 2025 버전의 유틸리티를 설치하는 방법은 다음과 같다. 캐디안 홈페이지에 접속한 후 고객지원 클릭 → 기술자료실을 클릭하면 기술 자료가 목록으로 표시된다. 3번 게시물인 ‘캐디안 리습(lisp) 156개 통합본+메뉴화일 다운로드입니다’ 항목을 클릭하여 안내된 대로 설치하면 캐디안에서 유틸리티 기능을 이용할 수 있다.     유틸리티 : H-BEAM 그리기(HBEAM) H-BEAM 스펙을 선택한 뒤 원하는 위치에 빠르게 H빔을 그려주는 기능이다.   1. 메뉴 : 캐디안 유틸 1 → H-BEAM 그리기(HBEAM)를 실행한다.   2. H-BEAM의 스펙이 표시된다. 그리기를 원하는 H-BEAM의 스펙에 해당하는 숫자를 미리 확인한 후 확인 버튼을 클릭한다.     3. ‘H-BEAM의 규격을 번호 입력하세요’라는 메시지가 표시되면 작도하기를 원하는 번호를 입력한다.(예 : 17)   4. ‘H-BEAM의 삽입점을 찍어주세요’라는 메시지가 표시되면 H-BEAM을 삽입할 삽입점(원점)을 마우스로 클릭한다.   5. ‘H-BEAM의 회전 각도를 입력하거나 화면에서 각도를 찍어주세요’라는 메시지가 표시되면 각도값(예 : 30)을 입력하거나 마우스로 객체의 각도를 지정한다.   6. 선택한 위치에 H-BEAM이 자동으로 작도된다.     유틸리티 : ANGLE(등변 앵글) 그리기(AG) 앵글 스펙을 선택한 뒤 원하는 위치에 빠르게 앵글을 그려주는 기능이다.   1. 메뉴 : 캐디안 유틸 1 → ANGLE(등변 앵글) 그리기 – AG를 실행한다.   2. 앵글 스펙이 표시된다. 그리기를 원하는 앵글의 스펙에 해당하는 숫자를 미리 확인한 후 확인 버튼을 클릭한다.     3. ‘앵글(Angle)의 규격을 번호로 입력하세요’라는 메시지가 표시되면 작도하기를 원하는 번호를 입력한다.(예 : 17)   4. ‘앵글(Angle) 의 삽입점을 찍어주세요’라는 메시지가 표시되면 앵글을 삽입할 삽입점(원점)을 마우스로 클릭한다.   5. ‘앵글의 회전 각도를 입력하거나 화면에서 각도를 찍어주세요’라는 메시지가 표시되면 각도값(예 : 30)을 입력하거나 마우스로 객체의 각도를 지정한다.   6. 선택한 위치에 앵글이 자동으로 작도된다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (11)   DWG 호환 CAD인 독일 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 모듈은 상호 간에 동기화되므로 이를 삼위일체형(trinity) CAD라고 불리며, 효율적이고 통합적인 작업 환경을 제공한다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2025의 BIM 치수 체인(BIM Dimension Chain) 기능에 대해 간단하게 알아보도록 하겠다.   ■ 천벼리 캐디안 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV    그림 1. BIM 치수 체인   BIM 치수 체인 명령을 사용하면 BIM(건설 정보 모델링) 도면 요소의 치수 체인을 자동 생성할 수 있다. 이 기능은 BIM 도면에서 적절한 치수점을 자동 감지하며, 입구 및 벽 선분의 치수를 보다 명확하게 표시할 수 있도록 체인 내 치수를 그룹화할 수도 있다. 이 명령은 BIM 설정 옵션에서 지정한 치수 규격과 공차를 자동 적용하여 작업의 일관성을 유지한다. 또한, BIM 치수 체인은 BIM 요소와 연동되어 있으며, 도면이 변경될 경우 치수도 자동으로 업데이트된다. 수동으로 생성하거나 BIM 도면 자동화 기능을 활용하여 자동 생성할 수도 있다. 수동 또는 자동으로 실행할 수 있는 BIM 치수 체인 명령으로, 수직 또는 수평, 정렬 요소(객체)의 치수 체인을 생성할 수 있다.   BIM 치수 체인 명령 실행 방법 리본 메뉴에서 BIM → 주석 → 치수 체인(Dimension Chain)을 클릭한다. 메뉴 바에서 BIM → 주석 → 치수 체인(Dimension Chain)을 클릭한다. 명령어 입력 창에 ‘BIMDimensionChain’을 입력한다.   그림 2. BIM 치수 체인 명령 실행   BIM 치수 체인의 주요 기능 자동 중첩 방지 요소들이 너무 가까이 배치되었을 경우, 텍스트가 겹치는 것을 자동으로 방지하는 새로운 옵션을 제공한다. 보다 깔끔하고 가독성 높은 도면 작업이 가능하다.   그림 3. 자동 중첩 방지 예시     ■ 자세한 기사 내용은 PDF로 제공됩니다.  

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 전문적인 BIM 자료를 이해할 수 있는 대규모 언어 모델(LLM, Large Language Model)을 개발하는 방법을 알아본다. BIM 기반 LLM을 개발하는 방법은 여러 가지가 있으나, 여기에서는 그 중 하나인 RAG(Retrieval Augumented Generation, 증강 검색 생성) 시 LLM이 잘 추론할 수 있도록 모델을 파인튜닝(fine-turning)하는 기술을 사용해 본다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   LLM 모델 파인튜닝의 개념 파인튜닝이란 사전에 학습된 LLM을 특정 도메인이나 작업에 맞게 최적화하는 과정이다. 기본적으로 LLM은 일반적인 자연어 처리 작업을 수행하도록 설계되어 있지만, 전문적인 특정 지식 도메인(예 : 건설 분야의 BIM 데이터)이나 문제를 다룰 때는 환각 현상이 심해지므로 해당 도메인에 특화된 데이터로 모델을 재학습시켜야 한다. 이를 통해 모델이 특정 영역에서 더 정확하고 유용한 결과를 생성하도록 만든다. 파인튜닝 과정은 다음과 같은 단계로 이루어진다.  ① 사전 학습된 모델 선택 : 이미 대규모 데이터로 학습된 LLM을 선택한다. ② 도메인 특화 데이터 준비 : 대상 분야와 관련된 고품질 데이터를 수집하고, 이를 정제 및 전처리한다. ③ 모델 파라미터 조정 : LoRA(Low-Rank Adaptation)같은 기법을 사용하여 모델 파라미터를 특정 도메인에 맞게 업데이트한다.  ④ 훈련 및 검증 : 준비된 데이터로 모델을 학습시키고, 성능을 검증하며 최적화한다. 여기서, LoRA 기술은 LLM을 파인튜닝하는 데 사용되는 효율적인 기법이다. 이 방법은 모델 전체를 다시 학습시키는 대신, 모델의 일부 파라미터에만 저차원(lowrank) 업데이트를 적용하여 파인튜닝한다. 이를 통해 학습 비용과 메모리 사용량을 대폭 줄이면서도 높은 성능을 유지할 수 있다. 이 글에서 사용된 라마 3(Llama 3)는 메타가 개발한 LLM 제품이다. 모델은 15조 개의 토큰으로 구성된 광범위한 데이터 세트에서 훈련되었다.(라마 2의 경우 2T 토큰과 비교) 700억 개의 파라미터 모델과 더 작은 80억 개의 파라미터 모델의 두 가지 모델 크기가 출시되었다. 70B 모델은 MMLU 벤치마크에서 82점, HumanEval 벤치마크에서 81.7점을 기록하며 이미 인상적인 성능을 보여주었다. 라마 3 모델은 컨텍스트 길이를 최대 8192개 토큰(라마 2의 경우 4096개 토큰)까지 늘렸으며, RoPE를 통해 최대 32k까지 확장할 수 있다. 또한 이 모델은 128K 토큰 어휘가 있는 새로운 토크나이저를 사용하여 텍스트를 인코딩하는 데 필요한 토큰 수를 15% 줄인다.   개발 환경 준비 개발 환경은 엔비디아 지포스 RTX 3090 GPU(VRAM 8GB), 인텔 i9 CPU, 32GB RAM으로 구성되었다. 이러한 하드웨어 구성은 대규모 BIM 데이터를 처리하고 모델을 학습시키는 최소한의 환경이다. 이 글에서는 사전 학습모델은 허깅페이스(HF)에서 제공하는 Llama-3-8B 모델을 사용한다. 파인튜닝을 위해서는 다음과 같은 환경이 준비되어 있다고 가정한다.  파이토치 설치 : https://pytorch.org/get-started/locally  올라마(Ollama) 설치 : https://ollama.com 허깅페이스에서 제공하는 LLM 모델을 사용할 것이므로, 접속 토큰(access token)을 얻어야 한다. 다음 링크에서 가입하고 토큰을 생성(Create new token)한다. 이 토큰은 다음 소스코드의 해당 부분에 입력해야 동작한다.  허깅페이스 가입 및 토큰 획득 : https://huggingface.co/ settings/tokens   그림 1   명령 터미널에서 다음을 실행해 라이브러리를 설치한다.   pip install langchain pypdf fastembed chardet pandas pip install -U transformers pip install -U datasets pip install -U accelerate pip install -U peft pip install -U trl pip install -U bitsandbytes pip install -U wandb   개발된 BIM LLM 모델 성능이 향상되었는지를 검증할 수 있도록, 기초 모델이 인터넷에서 쉽게 수집 후 학습할 수 있는 BIM 자료를 제외한 데이터를 학습용으로 사용할 필요가 있다. 이런 이유로, 최근 릴리스되어 기존 상용 대규모 언어 모델이 학습하기 어려운 ISO/TS 19166에 대한 기술 논문 내용을 테스트하고, 학습 데이터 소스로 사용한다. 참고로, ISO/TS 19166은 BIM-GIS conceptual mapping 목적을 가진 국제표준으로 기술 사양(TS)을 담고 있다. 학습 데이터로 사용될 파일을 다음 링크에서 PDF 다운로드하여 저장한다.  BIM-GIS 매핑 표준 논문 PDF 파일 : https://www.mdpi. com/2220-9964/7/5/162   BIM 기반 LLM 모델 학습 데이터 준비와 파인튜닝 파라미터 설정 학습 데이터를 자동 생성하기 위해, 미리 다운로드한 PDF 파일을 PyPDF 및 라마 3를 이용해 질문-답변 데이터를 자동 생성한 후 JSON 파일로 저장한다. 이를 통해 수 백개 이상의 QA 데이터셋을 자동 생성할 수 있다. 이 중 품질이 낮은 데이터셋은 수작업으로 삭제, 제거한다.    그림 2. 자동화된 BIM 기반 LLM 학습 데이터 생성 절차     ■ 자세한 기사 내용은 PDF로 제공됩니다.