未来を形作るテクノロジーの深掘り記事。

ブラウザ上でRustとWebGPUによるCADカーネルを作る

KetchUpから学ぶ、RustとWebGPUでブラウザ上の本格的なCADカーネルが現実的になった理由と、過去の挑戦を失敗させた誤り。

半分は実物の木材、半分は光るワイヤーフレームメッシュの作業台で、斜めに分割されている。
BenchUpは、まず木工を行う人を対象にしています。棚を切り出す前に、まずモデリングしたい人たちです。

最近、静かだが注目すべき出来事がありました。ブラウザ上のCADカーネルが、もはや笑い話ではなくなったのです。KetchUp(その後BenchUpに改名されました。Trimbleの商標担当弁護士を忙しくさせないための判断でしょう)は、Rustで書かれ、WebGPUで描画されるオープンソースのSketchUp風モデラーです。普通のブラウザタブで動作し、その速度と洗練さは、長年SketchUpを使ってきたユーザーが思わず羨むほどです。アカウントは不要、クラウドもなし。.ketchupファイルはディスクにダウンロードされ、全体がMITライセンスで公開されています。

私はこの20年、「Webでの CAD」を試みる人々を見てきましたが、ほとんどの試みは同じ形で失敗しました。実行環境の選択を誤り、描画APIを誤り、何が本当に難しいのかを誤解していたのです。このプロジェクトは、そうした判断の多くを正しく行っているので、ケーススタディとして取り上げる価値があります。そこで、いわば逆向きの事後検証として、過去のブラウザ製モデラーを沈めた失敗と、このプロジェクトがネイティブアプリのような手触りを実現した具体的な対策を見ていきましょう。

教訓1:ボトルネックはブラウザではなく、実行環境だった

私が思いつく限りの失敗したWeb CADプロジェクトは、どれも同じ一手から始まっていました。ジオメトリエンジンをJavaScriptで書き、壁にぶつかって、ブラウザではこれは無理だと結論づけたのです。その結論は間違いでした。ブラウザは問題なかった。問題は実行環境の方だったのです。

対話的なモデリングで実際に何が求められるかを考えてみてください。Push/Pullで面をドラッグすると、マウスを動かすたびに、影響を受ける面の再計算、エッジの推論、近くにあるすべての頂点とのスナップ判定、頂点バッファーの再アップロードが走ります。これが毎秒60回です。JavaScriptでは、フレーム時間の主導権をガベージコレクタが握っています。あなたがドラッグ中であろうと関係ありません。タイミングの悪い数ミリ秒の回収は、ユーザーにとってラグとして感じられます。モデリングツールにおけるラグは単なる不便ではなく、手と形状の間の思考のループを壊すものです。だからこそ、ウェブ版のSketchUpは、ユーザー自身の言葉を借りれば、いつも「デスクトップ版より遅くて機能が少ない」と感じられてきたのです。

Rustをwasmにコンパイルすると、その種の失敗がまるごと取り除かれます。自分で制御できるリニアメモリを得られ、ジオメトリバッファーのメモリレイアウトが決定的になり、フレームの合間に潜むコレクタもありません。重要なのは、WebAssemblyがあらゆる処理で魔法のように速いわけではない点です。WebAssemblyは文字列処理やDOM周辺の処理では、適切にチューニングされたJavaScriptに負けることが多いことは以前にも取り上げました。しかしジオメトリカーネルはその逆の処理負荷です。大きな平坦なf32配列に対する密なループです。まさに予測可能なメモリが効いてくる場面であり、JSのオブジェクトモデルが最も邪魔になる場面なのです。

つまり解決策は「ブラウザを速くすること」ではありません。「ドキュメント向けに設計されたランタイム上でジオメトリエンジンを動かすのをやめること」です。ブラウザは単なる配信手段にすぎません。その中で動くものは、システムプログラミングのコードであってよいのです。

教訓2:WebGPUとWebGL、CADレンダリングでどちらを選ぶべきか。何を買うのかを理解する

2つ目の誤りはより分かりにくいものです。「モデラーは結局三角形を描くだけだから」という理由でWebGLで十分だと思い込むことです。シェーディングされた三角形を描くのは確かに簡単な部分です。しかし三角形の周辺すべてにWebGLは苦労を強いるのです。

少し歴史を話しましょう。APIの設計を理解する助けになるからです。WebGLはOpenGLの直系の子孫であり、OpenGLはSGIのIRIS GLの直系の子孫です。IRIS GLは80年代後半に、もはや存在しないハードウェア向けに設計された状態機械です。グローバルなコンテキストの状態を書き換え、各描画呼び出しの前に正しいつまみを設定できていることを祈りながらプログラムします。1992年には見事な抽象化でした。しかしCADのビューポートでは、常にWebGLでは扱いにくいことが必要になります。GPU側でのピッキング(カーソルの下にどの面があるか)、穴のある面のテッセレーション、エッジの画面空間での線幅計算、毎フレーム変わるバッファーの管理などです。WebGL2でも全部できなくはありませんが、コンピュートシェーダーがなく、至る所で暗黙的な同期が起きるAPIに、コンピュート的な処理を後付けすることになります。

WebGPUは速度だけでなくモデルも改善します。隠れたグローバル状態ではなく、明示的なパイプラインを使います。ストレージバッファーとコンピュートシェーダーがあるので、テッセレーションやピッキングをデータがすでにあるGPU上で実行できます。何を間違えたかを教えてくれるエラーモデルがあり、黙って落ちることはありません。そして戦略的に重要なのはこの点です。Rustのwgpuクレートは、同じAPIをVulkan、Metal、Direct3D上で実装しています。レンダラーをwgpuで一度書けば、ブラウザではWebGPUに、デスクトップではネイティブのグラフィックスAPIにコンパイルされます。この一つの判断こそが、BenchUpが1つのツリーからWindows、macOS、Linux、ブラウザ版を出荷できている理由です。

正直な注意点として、WebGPUのサポートは万能ではなく、本格的なツールにはWebGL2へのフォールバック経路が必要です。BenchUpもどちらかを必須としています。ただし、まずWebGPU向けに構築し、そこから段階的に機能を落としていくのが正しい順序です。逆の順序で作ると、アーキテクチャが1992年に閉じ込められてしまいます。

教訓3:ジオメトリカーネルは難しい部分ではない。推論こそが難しい

私が最も興味深いと思う誤りは、エンジニアリングの失敗ではなく、優先順位付けの失敗です。モデラーのクローンを作ろうとする開発者は、ほぼ必ずジオメトリカーネルから始めます。境界表現、オイラー演算子、ブール演算の堅牢性です。知的に最も重い部分なので、最初に来るべきだと考えるのです。そうですよね?

違います。歴史がその理由を示しています。ソリッドモデリングのカーネルは、数十年前から解決され、商品化された問題です。BRL-CADは70年代後半に米陸軍向けに構成的ソリッドジオメトリを行っていましたし、ParasolidとACISは80年代に境界表現を産業化しました。OpenCASCADEは1999年からオープンソースです。もし強力なカーネルこそが製品だったのなら、OpenCASCADEベースの多くのモデラーのどれかが、何年も前にSketchUpを追い越していたはずです。実際にはそうならなかった。なぜなら、@Last Softwareが2000年にボルダーから出荷したSketchUpの真の強みは、幾何学的な能力ではなかったからです。推論エンジンでした。カーソルが中点にスナップし、赤・緑・青の軸にロックされ、描いている平面を推測する仕組みです。ユーザーは座標を一切入力しません。ソフトウェアが、手のある場所に合わせてくれるのです。

SketchUpは根本的には、非常にシンプルなサーフェスモデラーです。面とエッジだけで、ソリッドは不要です。Push/Pullは面を押し出し、側面を縫い合わせるだけのものです。複雑さは対話レイヤーにあり、KetchUpが明らかに力を注いだのはそこです。スナップのロジックは次のようなものです。

enum Inference {
AtVertex(VertexId),
Midpoint(EdgeId),
OnEdge(EdgeId),
OnAxis(Axis),   // the famous red / green / blue lock
OnFace(FaceId),
None,
}
fn infer(ray: Ray, model: &Model, last_point: Vec3, tol: f32) -> (Vec3, Inference) {
// Priority order matters more than cleverness:
// hard snaps beat soft snaps, every time.
if let Some(v) = model.nearest_vertex(ray, tol) {
return (v.pos, Inference::AtVertex(v.id));
}
if let Some((e, t)) = model.nearest_midpoint(ray, tol) {
return (e.point_at(t), Inference::Midpoint(e.id));
}
if let Some(p) = snap_to_axis(ray, last_point, tol) {
return (p, Inference::OnAxis(p.axis));
}
// Fall through to whatever face or plane the ray hits.
project_onto_surface(ray, model)
}

この関数に数学的に深い部分はありません。深さは優先順位の付け方、ズームに応じた許容値のスケーリング、そして、ぎくしゃくせず「勘が鋭い」と感じさせる30ほどの細かな振る舞いにあります。それは数千ページのカーネル理論ではなく、数千時間のチューニングです。モデラーを作るなら、まず推論レイヤーを作り、ユーザーがより多くを求めるまで、ジオメトリは恥ずかしいほど単純なままにしておきましょう。

推論エンジンこそが製品です。ジオメトリカーネルは配管にすぎません。配管は最後に複製しましょう。

赤、緑、青の軸ガイド線と、スナップポイントが描かれた、半透明で光るキューブが押し出されている様子。
軸ロックと中点スナップは、簡単に見えますが、それを苦労なく感じさせようとすると途端に難しくなります。

教訓4:CADのUIをDOMノードで作らない

4つ目の誤りは、Reactの型にはまったものです。「キャンバスを含むWebアプリ」の標準的なアーキテクチャは、<canvas>要素を包むDOMアプリケーションです。ツールバーはdiv、パネルはコンポーネント、ダイアログはポータルとして作られます。CRUDアプリならそれで問題ありません。しかしモデリングツールでは、スタイルを無効化して予測のつかない形でリフローするレイアウトエンジンを、フレームのすべてのマイクロ秒を必要とするレンダラーの横に無理やり付けてしまうことになります。その結果、軌道回転中にツールバーのホバー状態がフレームドロップを引き起こす理由をデバッグすることになるのです。

KetchUpは逆の道を行きます。UI全体がGPUで描画され、DOMは1つのcanvasに縮小されます。これは、GPUアクセラレーションされたターミナルエミュレータが取った同じアーキテクチャ上の動きです。AlacrittyなどはDOMに文字を1セルずつ描画させるのをやめ、ウィンドウをテクスチャとして扱うようになりました。その成果は現代のターミナルのグリフアトラス方式で見ました。Rustのエコシステムでは、これがほぼ無料で手に入ります。即時モードGUIのeguiはWasmにコンパイルされ、wgpu経由で描画され、DOMノードを一つも使わずにボタン、パネル、テキストを提供します。あるHacker Newsのコメント投稿者は、そのネイティブさに驚き、特にテキスト描画に言及していました。これは偶然ではありません。テキストはDOMを使わないUIが通常つまずく場所であり、それをきちんと扱えているのは、描画スタックが本当に堅牢であることの証拠です。

トレードオフは現実にあるので、はっきり述べておきましょう。即時モードUIは毎フレームレイアウトをやり直し、アクセシビリティツールはDOMを前提としており、ブラウザが標準で提供するあらゆる機能を手放すことになります。数百のウィジェットを60fpsで描き直すツール画面であれば、再計算のコストはほぼ無視できます。アクセシビリティのコストこそ、誠実さを保つために意識すべきものです。ただしそれは軽減すべきコストであって、リフローの嵐を呼び戻す理由にはなりません。

教訓5:ローカルファーストのファイルは、クラウドへの囲い込みに勝る

次は、まったく技術的ではない誤りです。2012年にTrimbleがGoogleからSketchUpを買収すると、製品はよく知られた道を少しずつ歩み始めました。無料のデスクトップ版(SketchUp Make)は廃止され、無料版はアカウントの裏にあるウェブアプリになり、買い切りライセンスは、年に数百ドルかかるサブスクリプションに置き換えられました。コミュニティの不満は実はお金そのものではありません。趣味で使う人たちは、適正な買い切り価格なら喜んで払うと繰り返し言っています。問題は条件です。人々は何年もかけて作った住宅モデルを持っていますが、それは後から値上げされかねない形式とライセンス体系の中にあるのです。あるコメント投稿者は、新しい契約を受け入れるくらいなら、今でも2017年の無料版をWINE上で動かしていると言っていました。それは懐古趣味ではありません。人質交渉です。

KetchUpの解決策は、ほとんど挑発的なまでに古風です。自動保存はデバイスのブラウザストレージに保存され、File → Saveで持ち運び可能な.ketchupプロジェクトファイルがダウンロードされ、SketchUpの.skpジオメトリのインポートはローカルで実行され、外に出したくなればOBJエクスポートがあります。サーバーはありません。アカウントもありません。ドキュメントには、ブラウザデータを消去すると自動保存も消えることが平易な言葉で明記されています。これはローカルファーストのソフトウェアの誠実な取引であり、最初から明示されています。

ここは強調したい部分です。この記事で最も古い教訓だからです。ファイル形式こそがロックインであり、相互運用性こそがそれをこじ開けるバールである。既存ツールに挑んで成功した挑戦者は、例外なく既存ツールのファイルを読むことから始めました。WordPerfectが敗れたのは機能リストではなく、Wordのインポートフィルターに対してでした。KetchUpの普及にとって、SketchUpのインポートは、どの単一のモデリング機能よりも重要です。OBJエクスポートがジオメトリのみで(マテリアルなし)であるのは、受け入れられる欠点です。それは方向性が内向きではなく外向きであることを示しているからです。

教訓6:Rustで一度書き、ネイティブとWebの両方で動かす

最後の誤りは、「Web版」を別個の製品として扱うことです。歴史的にはそうなってきました。C++によるネイティブのコードベースがあり、その後、何年も遅れた、いつまでも劣ったWeb版の取り組みが並行して進む。ユーザーは、どちらが本物の製品で、どちらがデモなのかを感じ取っていました。

KetchUpが乗っている技術スタックは、その区別を消し去ります。RustはWasmを第一級のターゲットとして扱います。wgpuはブラウザではWebGPU、デスクトップではVulkan・Metal・D3Dを扱います。eguiはどちらでも変更なしに動きます。ブラウザ版とネイティブ版は親戚ではなく、同じプログラムを2回コンパイルしたものです。ここで指摘せずにはいられませんが、これは1995年にJavaが掲げた約束が、ついに実現されたということです。ただしガベージコレクタがなく、言語イデオロギーも付随しないバイトコード形式によってです。WebAssemblyがコンパイルターゲットとして成功したのは、書くためのプラットフォームになろうとしなかったからです。ブラウザは、ネイティブ品質のコードを走らせる信頼できる行き先へと静かに変わりました。静的再コンパイルされたコンソールゲームがタブ内で動く例はすでに見られており、CADもその次に続くジャンルです。

1つのワイヤーフレーム3Dモデルが、光る糸で3種類のデバイスのシルエットにつながっている。
1つのRustコードベースを、Wasmとネイティブのバイナリにコンパイルすれば、どこでも同じプログラムになります。

もう一つ考えておきたい点があります。見たところ、このプロジェクトはAIによるコーディング支援を大きく使って作られたようです。コミュニティはすぐにそれに気づき、反応の大半は肩をすくめるか称賛でした。これは何人かのコメント投稿者がはっきり指摘したパターンに合っています。自分でツールを作ることが、他人のツールを学ぶことの現実的な代替手段になる時代に入りつつあるのです。Rust、wgpu、AIのペアプログラマーを手にした一人の意欲的な人間が、公開企業が年に数百ドルで貸し出している製品の中核的なループを再現できるようになりました。その時代を喜ぶか不安に思うかは、おそらく請求書のどちら側にいるかで決まるでしょう。

KetchUpは、趣味のモデラーに永続的な居場所を与える最終的なプロジェクトになるかもしれませんし、そうならないかもしれません。まだ若く、ジオメトリのコアはシンプルで、巨大なモデルを扱うSketchUpの熱心なユーザーはすぐにその限界に気づくでしょう。しかし存在証明としては、すでに役目を果たしています。ブラウザがCADには弱すぎたことは一度もありませんでした。単に作り方を間違えていただけです。実行環境、API、優先順位、ビジネスモデルを誤っていた。その4つを直せば、年300ドルのサブスクリプションは、惰性への税金に見えてくるはずです。