論文の概要: From Intent to Execution: Multimodal Chain-of-Thought Reinforcement Learning for Precise CAD Code Generation

• arxiv url: http://arxiv.org/abs/2508.10118v2
• Date: Mon, 18 Aug 2025 09:54:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 12:43:44.903324
• Title: From Intent to Execution: Multimodal Chain-of-Thought Reinforcement Learning for Precise CAD Code Generation
• Title（参考訳）: Intent to Execution: Multimodal Chain-of-Thought Reinforcement Learning for Precise CAD Code Generation
• Authors: Ke Niu, Haiyang Yu, Zhuofan Chen, Mengyang Zhao, Teng Fu, Bin Li, Xiangyang Xue,
• Abstract要約: CADモデリングコード生成のためのマルチモーダルChain-of-Thoughtガイド強化学習フレームワークCAD-RLを提案する。 本手法は,3つのタスク固有報酬を用いた目標駆動型強化学習ポストトレーニングとコールドスタートを組み合わせた。 CAD-RLは、推論品質、出力精度、コード実行可能性を大幅に改善することを示した。
• 参考スコア（独自算出の注目度）: 47.67703214044401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer-Aided Design (CAD) plays a vital role in engineering and manufacturing, yet current CAD workflows require extensive domain expertise and manual modeling effort. Recent advances in large language models (LLMs) have made it possible to generate code from natural language, opening new opportunities for automating parametric 3D modeling. However, directly translating human design intent into executable CAD code remains highly challenging, due to the need for logical reasoning, syntactic correctness, and numerical precision. In this work, we propose CAD-RL, a multimodal Chain-of-Thought (CoT) guided reinforcement learning post training framework for CAD modeling code generation. Our method combines CoT-based Cold Start with goal-driven reinforcement learning post training using three task-specific rewards: executability reward, geometric accuracy reward, and external evaluation reward. To ensure stable policy learning under sparse and high-variance reward conditions, we introduce three targeted optimization strategies: Trust Region Stretch for improved exploration, Precision Token Loss for enhanced dimensions parameter accuracy, and Overlong Filtering to reduce noisy supervision. To support training and benchmarking, we release ExeCAD, a noval dataset comprising 16,540 real-world CAD examples with paired natural language and structured design language descriptions, executable CADQuery scripts, and rendered 3D models. Experiments demonstrate that CAD-RL achieves significant improvements in reasoning quality, output precision, and code executability over existing VLMs.
• Abstract（参考訳）: CAD(Computer-Aided Design)は、エンジニアリングと製造において重要な役割を担っているが、現在のCADワークフローは広範なドメインの専門知識と手動のモデリング作業を必要とする。 大規模言語モデル(LLM)の最近の進歩により、自然言語からコードを生成することができ、パラメトリックな3Dモデリングを自動化する新たな機会が開かれた。 しかし、論理的推論、構文的正確性、数値的精度の必要性から、人間の設計意図を直接実行可能なCADコードに変換することは、依然として非常に困難である。 本研究では,CADモデリングコード生成のための強化学習ポストトレーニングフレームワークであるCAD-RLを提案する。 本手法は,CoTをベースとしたコールドスタートと,実行可能性報酬,幾何精度報酬,外部評価報酬の3つのタスク固有報酬を用いた目標駆動型強化学習ポストトレーニングを組み合わせる。 スパースかつ高分散な報酬条件下での安定な政策学習を確保するため,探索改善のための信頼領域ストレッチ,パラメータの精度向上のための精密トークン損失,ノイズの低減を目的としたオーバーロングフィルタの3つの最適化戦略を導入する。 トレーニングとベンチマークをサポートするために,16,540個の実世界のCADサンプルと,ペア型自然言語と構造化された設計言語記述,実行可能なCADQueryスクリプト,レンダリングされた3Dモデルからなる,NovalデータセットのExeCADをリリースする。 CAD-RL は,既存の VLM よりも品質,出力精度,コード実行性を大幅に向上することを示した。

関連論文リスト

• 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)
• Seek-CAD: A Self-refined Generative Modeling for 3D Parametric CAD Using Local Inference via DeepSeek [19.441404313543227]
  本研究は,CADモデル生成のための自己補充機構に視覚的および連鎖的フィードバック(CoT)を組み込んだ最初の研究である。 SSR(Sketch, Sketch-based feature, and Refinements)の3次元設計パラダイムを中心に構築された革新的な3次元CADモデルデータセットを提案する。
  論文  参考訳（メタデータ） (2025-05-23T10:11:19Z)
• CAD-Coder: An Open-Source Vision-Language Model for Computer-Aided Design Code Generation [4.092348452904736]
  本稿では、ビジュアル入力から直接編集可能なCADコード(CadQuery Python)を生成するために、明示的に微調整されたオープンソースのVision-Language Model(VLM)であるCAD-Coderを紹介する。 163k以上のCADモデルイメージとコードペアで構成されるGenCAD-Codeは、私たちが作成した新しいデータセットを活用します。
  論文  参考訳（メタデータ） (2025-05-20T17:34:44Z)
• CADCrafter: Generating Computer-Aided Design Models from Unconstrained Images [69.7768227804928]
  CADCrafterは画像からパラメトリックCADモデル生成フレームワークで、合成テクスチャなしCADデータのみをトレーニングする。 多様な幾何学的特徴を正確に捉えるための幾何エンコーダを導入する。 提案手法は、実際の制約のないCADイメージを頑健に処理でき、また、目に見えない汎用オブジェクトにも一般化できる。
  論文  参考訳（メタデータ） (2025-04-07T06:01:35Z)
• 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)
• AutoCAD: Automatically Generating Counterfactuals for Mitigating Shortcut Learning [70.70393006697383]
  完全自動かつタスクに依存しないCAD生成フレームワークであるAutoCADについて述べる。 本稿では,完全に自動化されたタスクに依存しないCAD生成フレームワークであるAutoCADを提案する。
  論文  参考訳（メタデータ） (2022-11-29T13:39:53Z)

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。