HistCAD: 편집 가능성 평가를 위한 제약 인식 파라메트릭 CAD 히스토리
HistCAD: Constraint-Aware Parametric CAD Histories for Evaluating Editability
한국어 초록
스케치 제약(sketch constraint)은 파라메트릭 CAD 모델을 구성하고 수정하기 위한 기하학적 조건을 지정한다. 우리는 예측된 제약이 주어진 히스토리로 하여금 요구되는 초기 모델을 재현하고 지정된 치수 편집을 지원할 수 있게 하는지 연구한다. 우리는 HistCAD를 소개하는데, 이는 실행 가능한 표현(representation)과 데이터셋으로, Academic 및 Industrial 컬렉션에 엔티티 참조 스케치 제약과 보존된 특징(feature) 연산을 포함하는 180,495개의 파라메트릭 구성 히스토리가 담겨 있다. 예측기(predictor)들은 기하와 특징 정의는 보존되고 명시적 스케치 제약은 제거된 상태로 이 히스토리들을 입력받는다. 이들은 편집 요청을 보지 않은 채 모든 스케치에 대한 제약을 생성한다. 이 벤치마크(benchmark)는 동일한 치수 편집 하에서 동일한 히스토리에 대해 서로 다른 제약 집합으로 구축된 모델들을 비교한다. 편집은 모델이 요구되는 초기 기하를 재현하고, 목표 값에 도달하며, 목표 스케치에서 지정된 관계와 편집되지 않은 치수를 보존하고, 전체 히스토리를 통해 재구축될 때 성공한 것으로 간주된다. 두 컬렉션 모두에서 학습되고 입력 히스토리에 대한 설명(description)을 함께 제공받은 예측기는 Academic에서 52.4%, Industrial에서 29.0%의 전체 편집 성공률을 달성한다. 목표 스케치에서는 엔드포인트 연결성(endpoint-connectivity) 제약만을 유지하고 나머지 부분에서는 히스토리의 제약을 유지하는 모델은 목표 값에 도달하고 재구축할 수 있지만 보존에는 실패한다. 전체 스케치 예측(all-sketch prediction)의 경우, 우리는 목표 스케치 예측은 유지하고 다른 스케치들에서는 히스토리의 제약을 복원한다. 그러면 더 많은 모델이 요구되는 초기 기하를 재현하며, 이렇게 새로 일치하게 된 모델 중 일부는 편집을 완료한다. HistCAD는 제약 학습을 파라메트릭 CAD 모델의 구성 및 수정과 연결한다.
원문 초록
Sketch constraints specify geometric conditions for constructing and modifying parametric CAD models. We study whether predicted constraints allow a given history to reproduce the required initial model and support prescribed dimensional edits. We introduce HistCAD, an executable representation and dataset whose Academic and Industrial collections contain 180,495 parametric construction histories with entity-referenced sketch constraints and retained feature operations. Predictors receive these histories with the geometry and feature definitions retained and explicit sketch constraints removed. They generate constraints for every sketch without seeing the edit request. The benchmark compares models built with alternative constraint sets for the same history under the same dimensional edit. An edit succeeds when the model reproduces the required initial geometry, reaches the target value, preserves specified relations and unedited dimensions in the target sketch, and rebuilds through the complete history. A predictor trained on both collections and supplied with descriptions of the input histories achieves overall edit success of 52.4% on Academic and 29.0% on Industrial. Models retaining only endpoint-connectivity constraints in the target sketch and the history's constraints elsewhere can reach the target and rebuild while failing preservation. For all-sketch predictions, we retain the target-sketch prediction and restore the history's constraints in other sketches. More models then reproduce the required initial geometry, and some of these newly matched models complete the edit. HistCAD connects constraint learning to the construction and revision of parametric CAD models.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
A Design-Intent-Preserving Agent Harness for Parametric CAD Modeling
CADReasoner: CAD 역공학을 위한 반복적 프로그램 편집
CADReasoner: Iterative Program Editing for CAD Reverse Engineering
컴퓨터 지원 설계(CAD)는 현대 공학을 뒷받침하지만, 고품질 부품을 제작하려면 여전히 상당한 전문가의 노력이 필요합니다. 많은 AI 시스템이 CAD 역공학(reverse engineering)을 다루지만, 대부분은 단일 패스(single-pass) 방식이어서 미세한 기하학적 세부사항을 놓칩니다. 반면, 인간 엔지니어는 입력 형상과 재구성된 형상을 비교하고 남은 불일치를 바탕으로 설계를 반복적으로 수정합니다. 에이전트(agent) 기반 방법은 고정된(frozen) VLM을 통해 이러한 루프를 모방하지만, 현재 파운데이션 모델의 취약한 3D 그라운딩(grounding)으로 인해 신뢰성과 효율성이 제한됩니다. 본 논문에서는 입력 형상과 예측된 형상 간의 기하학적 불일치를 활용하여 예측을 반복적으로 개선하도록 학습(training)된 모델(model)인 CADReasoner를 소개합니다. 이 모델은 실행 가능한 CadQuery Python 프로그램을 출력하며, 여기서 렌더링된 메시는 다음 단계의 입력으로 다시 피드백됩니다. CADReasoner는 상호 보완적인 모달리티로서 다중 시점(multi-view) 렌더와 포인트 클라우드를 융합합니다. 실세계와의 격차를 줄이기 위해, 학습 및 평가(evaluation) 과정 모두에 적용되는 스캔 시뮬레이션 프로토콜을 제안합니다. DeepCAD, Fusion 360, MCB 벤치마크(benchmark) 전반에 걸쳐, CADReasoner는 클린 트랙과 스캔 시뮬레이션 트랙 모두에서 최고 수준(state-of-the-art)의 결과를 달성합니다.
자동 CAD 생성을 위한 파운데이션 모델
Foundation Models for Automatic CAD Generation
대규모 언어 모델(LLM)과 비전-언어 모델(VLM)의 최근 발전은 자연어 명세로부터 파라메트릭 3D 설계를 자동으로 생성하는 것을 가능하게 한다. 본 챕터는 기계 부품의 자동 컴퓨터 지원 설계(CAD) 생성을 위한 파운데이션 모델에 대한 실증 연구를 제시하며, 통합 평가 파이프라인과 97개의 엔지니어링 설계 문제로 구성된 선별 벤치마크를 활용한다. 우리는 JSON 스키마 검증(validation), 분석적 특징(feature) 점수화, 메시 합성, 다중 라운드 반복 정제를 통합한 멀티모델 텍스트-투-CAD 프레임워크인 LLMForge를 소개하며, 두 가지 비평 체계 하에서 연구한다. IterTracer는 Phong 셰이딩 레이트레이스 렌더러와 분석적 시각 메트릭(실루엣 IoU, 홀 가시성, 엣지 여유, 종횡비 적합도)을 사용하여 라운드 전반에 걸쳐 경량의 기하학 인식 피드백을 제공한다. IterVision은 분석적 점수화기를 사고의 연쇄(chain-of-thought) 시각적 추론을 통해 렌더링된 뷰를 평가하고 공간적 일관성과 설계 의도를 판단하는 VLM 시맨틱 비평기(Qwen2.5-VL-72B)로 대체한다. 네 가지 정형 기하학 패밀리(홀과 볼트 서클이 있는 플레이트, 다중 특징(feature) 박스, 플랜지 실린더, L 브래킷)를 아우르는 벤치마크에서 DeepSeek-V3.2, Qwen3-235B-A22B, Llama-3.3-70B, Gemma-3-27B, GLM-4.5, MiniMax-M2.1, INTELLECT의 일곱 가지 파운데이션 모델(model)을 평가한다. IterTracer 하에서 상위 4개 모델(model)은 98.97%의 메시 성공률로 촘촘한 클러스터(전체 평균 [0.885, 0.890] 범위)를 형성하며, 컴팩트한 인스트럭션 튜닝 모델(model)이 실질적으로 더 큰 시스템에 필적할 수 있음을 보여준다. IterVision의 VLM 기반 비평은 선두 모델(model)에서 100%의 워터타이트 메시 생성을 달성하는 한편, 시각적·시맨틱 점수화가 가장 크게 괴리되는 실린더와 같은 회전 대칭 기하학에서 체계적인 어려움을 드러낸다. 우리는 벤치마크 설계, 실패 양상, CAD 지향 프롬프팅, 그리고 산업 워크플로우 및 확장 가능한 자동화 기계 설계에 대한 시사점을 논의한다.
ArtisanCAD: 전문가 기반 지식 증류를 활용한 산업 수준 CAD 에이전트
ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation
산업 부품을 위한 컴퓨터 지원 설계(CAD)는 장기적 절차적 모델링, 강건한 특징(feature) 의존성, 편집 가능한 파라메트릭 형상, 그리고 생산 수준의 B-Rep 실행을 요구한다. 기존의 텍스트-to-CAD 방법들은 자연어 설명으로부터 CAD 프로그램을 생성하는 데 있어 유망한 진전을 이루었지만, 사용자 프롬프트가 모호하거나 불충분하거나 고수준 설계 의도만을 기술하는 경우에는 여전히 어려움을 겪는다. 또한 CATIA 작업 녹화, 매크로 로그, 도면 노트, 엔지니어링 설명 등 산업 워크플로에서 자연스럽게 활용 가능한 전문가 절차 지식을 거의 활용하지 못한다. 우리는 전문가 기반 지식 증류를 갖춘 스킬 가이드 산업용 CAD 에이전트인 ArtisanCAD를 제안한다. ArtisanCAD의 핵심은 CAD 중간 표현(CAD-IR)으로, 파라미터, 순서가 있는 연산, MCP 도구 바인딩, 의존성, 생성된 엔티티, 검증 규칙을 인코딩하는 실행 가능한 절차적 표현이다. CAD-IR은 두 가지 핵심 역할을 수행한다: 먼저 전문가 CAD 절차를 재사용 가능한 파라메트릭 스킬로 증류하는 매개체 역할을 하고, 이후 모호하거나 중간 수준의 프롬프트를 완전한 실행 가능 CAD 연산으로 변환하는 절차적 스캐폴드를 제공한다. ArtisanCAD는 전문가로부터 도출된 스킬을 검색하고, CAD-IR을 인스턴스화 및 수정하며, 전용 CATIA-MCP 백엔드를 통해 결과 절차를 실행하고, 반복적 개선을 위해 다중 시점 시각적 피드백을 활용하여 최종적으로 생산 준비가 완료된 B-Rep 모델을 생성한다. Text2CAD 벤치마크에서 CAD-IR은 중간 수준 프롬프트로부터의 생성 시 평균 Chamfer Distance를 $14.83$에서 $9.88$로 감소시켜 생성 품질을 향상시키며, 모호한 텍스트 의도와 실행 가능한 CAD 구성 사이의 간극을 좁히는 능력을 보여준다. 네 가지 복잡한 자동차 부품에서 CAD-IR은 전문가 CATIA 녹화를 재사용 가능한 스킬로 증류할 수 있게 하여, ArtisanCAD가 새로운 변형 요청에 대해 편집 가능한 CATIA 네이티브 B-Rep 모델을 생성할 수 있도록 한다.
Arko-T: 텍스트-구조화 3D 생성을 위한 파운데이션 모델
Arko-T: A Foundation Model for Text-to-Structured 3D Generation
텍스트-to-3D 시스템은 이제 단일 문장으로부터 기계 부품을 합성할 수 있지만, 그 결과물은 렌더링을 위한 형상일 뿐 편집 가능한 설계가 아니다. 우리는 자연어 의도를 실행 가능한 파라메트릭 CAD 프로그램으로 직접 매핑하는 40억 매개변수 규모의 텍스트-to-설계 모델 Arko-T를 제시한다. Arko-T는 코드 실행 가능성만을 최적화하는 대신, 파이프라인의 모든 단계를 설계 상태(design state)의 형식적 개념에 정렬하여, 데이터 큐레이션, 코드 정규화, 실행 기반 지도학습이 모두 CAD 아티팩트를 편집 가능하게 만드는 피처, 매개변수, 구성 논리를 보존하도록 한다. 7개의 최신 대규모 언어 모델(LLM)을 대상으로 12개 지표에 걸쳐 벤치마크한 결과, Arko-T는 8개 지표에서 최고 점수를, 3개 지표에서 차상위 점수를 기록하였으며, 벤치마크당 비용은 약 10분의 1 수준이다. 이 결과는 적정 규모에서의 목표 지향적 설계 수준 학습이 구조화 CAD 생성 분야에서 범용 최신 모델에 필적할 수 있음을 시사한다.
TRIZ 기반 텍스트-투-CAD 프레임워크를 통한 3D 생성 설계의 창의성 향상
Enhancing Creativity in 3D Generative Design via a TRIZ-Inspired Text-to-CAD Framework
대규모 언어 모델(LLM)의 최근 발전은 컴퓨터 지원 설계(CAD) 자동화를 포함한 엔지니어링 설계 작업 지원에 있어 상당한 잠재력을 보여주었다. 그러나 기존의 LLM 기반 3D CAD 생성 접근 방식은 대부분 기하학적 정밀도(precision)와 명령어 수행 성능에 주로 초점을 맞추며, 창의적 설계 탐험(exploration)이라는 근본적인 측면을 간과하는 경우가 많다. 본 연구는 LLM을 활용하여 고품질의 편집 가능한 CAD 모델을 생성하면서 창의적 설계 대안을 체계적으로 탐험하는 TRIZ 기반 텍스트-투-CAD 프레임워크를 제시한다. 이 프레임워크는 방대한 특허 기록으로부터 인간의 깊은 통찰을 임베딩(embedding)한 발명적 문제 해결 이론(TRIZ)을 LLM 프롬프팅 전략에 통합함으로써, 기술적 모순을 해결하는 혁신적인 CAD 변형을 자율적으로 생성할 수 있도록 한다. 설계 생성, 향상, 최적화의 포괄적인 3단계 파이프라인을 통해 정교하게 작성된 프롬프트로부터 구조적으로 다양한 CAD 모델을 생성한다. 본 연구에서는 처음 두 단계를 구현하고 평가하며, 설계 최적화 단계는 향후 연구 과제로 설정한다. 제품 설계 사례 연구(의자)를 통해 TRIZ 기반 텍스트-투-CAD 프레임워크가 분할, 반중력, 동적 설계, 복합 소재 등의 TRIZ 발명 원리를 체계적으로 적용하여 다양한 창의적 설계 대안을 생성함으로써, 구조적 무결성을 유지하면서 모든 향상된 설계에서 4.0~14.7%의 질량 감소를 달성함을 보여준다. 주요 연구 결과는 체계적 혁신 방법론과 LLM 기반 3D CAD 생성의 통합이 정밀도 중심 합성과 창의성 중심 탐험 간의 간극을 좁히며, AI가 독립적으로 설계 결정을 내리고 엔지니어링 응용 분야의 인간-AI 협력 설계에서 인간의 의사결정을 지원하는 자율 설계 시스템을 향해 나아감을 시사한다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.