論文の概要: Generative AI for CAD Automation: Leveraging Large Language Models for 3D Modelling

• arxiv url: http://arxiv.org/abs/2508.00843v1
• Date: Sat, 05 Jul 2025 23:30:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-10 09:30:49.25443
• Title: Generative AI for CAD Automation: Leveraging Large Language Models for 3D Modelling
• Title（参考訳）: CAD自動化のためのジェネレーティブAI:3Dモデリングのための大規模言語モデルを活用する
• Authors: Sumit Kumar, Sarthak Kapoor, Harsh Vardhan, Yao Zhao,
• Abstract要約: 大規模言語モデル(LLM)は、効率性、スケーラビリティ、革新性を向上させることで産業に革命をもたらしている。 本稿では,フリーCAD と LLM をCAD ツールとして統合することにより,CAD の自動設計における LLM の可能性を検討する。 本稿では,LLMが自然言語記述からCADスクリプトを生成するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 31.94035963354055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are revolutionizing industries by enhancing efficiency, scalability, and innovation. This paper investigates the potential of LLMs in automating Computer-Aided Design (CAD) workflows, by integrating FreeCAD with LLM as CAD design tool. Traditional CAD processes are often complex and require specialized sketching skills, posing challenges for rapid prototyping and generative design. We propose a framework where LLMs generate initial CAD scripts from natural language descriptions, which are then executed and refined iteratively based on error feedback. Through a series of experiments with increasing complexity, we assess the effectiveness of this approach. Our findings reveal that LLMs perform well for simple to moderately complex designs but struggle with highly constrained models, necessitating multiple refinements. The study highlights the need for improved memory retrieval, adaptive prompt engineering, and hybrid AI techniques to enhance script robustness. Future directions include integrating cloud-based execution and exploring advanced LLM capabilities to further streamline CAD automation. This work underscores the transformative potential of LLMs in design workflows while identifying critical areas for future development.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、効率性、スケーラビリティ、革新性を向上させることで産業に革命をもたらしている。 本稿では,フリーCADとLCMをCAD設計ツールとして統合することにより,CADワークフローの自動化におけるLCMの可能性を検討する。 従来のCADプロセスは、しばしば複雑で、特殊なスケッチ技術を必要とし、迅速なプロトタイピングと生成設計の課題を提起する。 本稿では,LLMが自然言語記述からCADスクリプトを生成するフレームワークを提案する。 複雑性を増大させる一連の実験を通じて、このアプローチの有効性を評価する。 以上の結果から,LLMは単純かつ中程度の複雑な設計では良好に機能するが,高度に制約されたモデルでは困難であり,複数の改良が必要であることが判明した。 この研究は、スクリプトの堅牢性を高めるために、メモリ検索の改善、適応的なプロンプトエンジニアリング、ハイブリッドAI技術の必要性を強調している。 将来的には、クラウドベースの実行の統合や、CAD自動化をさらに合理化するための高度なLLM機能の実現も計画されている。 この研究は、将来の開発において重要な領域を特定しながら、設計ワークフローにおけるLLMの変革的ポテンシャルを浮き彫りにしている。

関連論文リスト

• CAD-Judge: Toward Efficient Morphological Grading and Verification for Text-to-CAD Generation [7.802597811923231]
  CAD-Judgeは、CAD選好グレーディングと文法的検証を効果的かつ効果的に行うための、新しい、検証可能な報酬システムである。 本稿では,シンプルなエージェントCAD生成手法を導入し,Compiler-as-a-Review Moduleを採用した。
  論文  参考訳（メタデータ） (2025-08-06T01:30:56Z)
• CReFT-CAD: Boosting Orthographic Projection Reasoning for CAD via Reinforcement Fine-Tuning [50.867869718716555]
  本稿では,2段階の微調整パラダイムであるCReFT-CADを紹介する。 われわれはTriView2CADをリリースした。
  論文  参考訳（メタデータ） (2025-05-31T13:52:56Z)
• Automated CAD Modeling Sequence Generation from Text Descriptions via Transformer-Based Large Language Models [12.748800287967848]
  大規模言語モデル(LLM)とコンピュータ支援設計(CAutoD)を統合した産業設計自動化のための新しいフレームワークを提案する。 提案手法では,LLMと視覚言語による大規模モデル(VLLM)を活用して高品質なパラメータと外観記述を生成する半自動データパイプライン,デュアルチャネル特徴集約によるモデリングシーケンスを予測するトランスフォーマーベースのCADジェネレータ(TCADGen),CADLLMと呼ばれる拡張CADモデリング生成モデル,の3点を紹介する。
  論文  参考訳（メタデータ） (2025-05-26T04:17:51Z)
• Large Language Models for Computer-Aided Design: A Survey [33.35688559256746]
  大規模言語モデル(LLM)は近年急速に進歩している。 現代のデザインの複雑さが増すにつれ、LCMがコンピュータ支援設計(CAD)を効率化し、効率化する可能性が高まっている。 本稿では,LLMとCADの交点を探索する最初の体系的な調査について述べる。
  論文  参考訳（メタデータ） (2025-05-13T00:19:04Z)
• A Solver-Aided Hierarchical Language for LLM-Driven CAD Design [18.258735692299066]
  大規模言語モデル(LLM)は、多種多様な構造的および非構造的生成タスクの解決に成功している。 CAD(Computer Aided Design)における手続き幾何学の創出に苦慮している 本稿では,空間推論要求を幾何学的制約解決器にオフロードするAIDLという,問題解決支援型階層型ドメイン固有言語を提案する。
  論文  参考訳（メタデータ） (2025-02-13T23:31:30Z)
• BlenderLLM: Training Large Language Models for Computer-Aided Design with Self-improvement [45.19076032719869]
  我々は,大規模言語モデル(LLM)をCAD(Computer-Aided Design)で訓練するフレームワークであるBlenderLLMを提案する。 以上の結果から,既存のモデルではCADスクリプトの正確な生成に重大な制限があることが明らかとなった。 命令ベースの微調整と反復的な自己改善によって、BlenderLLMはCADスクリプト生成の機能と精度の両方においてこれらのモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-12-16T14:34:02Z)
• SynerGen-VL: Towards Synergistic Image Understanding and Generation with Vision Experts and Token Folding [66.74446220401296]
  画像の理解と生成の両方が可能なシンプルだが強力なエンコーダのないMLLMであるSynerGen-VLを提案する。 トークンの折り畳み機構と,高分解能画像理解を効果的に支援するビジョンエキスパートベースのプログレッシブアライメント事前学習戦略を導入する。 コードとモデルはリリースされます。
  論文  参考訳（メタデータ） (2024-12-12T18:59:26Z)
• Geometric Deep Learning for Computer-Aided Design: A Survey [76.3325417461511]
  幾何学的深層学習技術は、コンピュータ支援設計の分野における変革の原動力となっている。 幾何データで表されるCAD設計を処理し、それらの符号化された特徴を解析することで、類似性を識別することができる。 本調査は, コンピュータ支援設計における学習手法の総合的な概要を, 様々なカテゴリーにまたがって紹介する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)
• LLM4EDA: Emerging Progress in Large Language Models for Electronic Design Automation [74.7163199054881]
  大規模言語モデル(LLM)は、文脈理解、論理推論、回答生成においてその能力を実証している。 本稿では,EDA分野におけるLLMの応用に関する系統的研究を行う。 論理合成,物理設計,マルチモーダル特徴抽出,回路のアライメントにLLMを適用することに焦点を当て,今後の研究の方向性を強調した。
  論文  参考訳（メタデータ） (2023-12-28T15:09:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。