本稿では、既存のデザインから生成モデルを学習し、新しいデザインを幅広く生成できるデータ駆動型の3D形状設計手法を提案します。このアプローチは、原デザインの明示的なパラメトリック表現を必要とせず、教師なしの変分オートエンコーダ・デコーダアーキテクチャを用いてトレーニングコーパス内のサンプルのエンコーディングを学習します。滑らかな最終表面の生成を容易にするために、通常使用されるバイナリボクセル表現の代わりに、元の3Dデータの距離変換に基づいた3D形状表現を開発しました。この生成器は、潜在空間の表現を高次元の距離変換フィールドにマッピングし、それを自動的にサーフィス化して物理シミュレーション可能な3D表現を生成します。グライダーの計算設計を通じて提案手法の有用性を示し、遺伝的最適化と組み合わせることで、機能的目標を達成する候補コンセプトデザインを豊富に生成できることを実証しました。