論文の概要: Towards High-Fidelity CAD Generation via LLM-Driven Program Generation and Text-Based B-Rep Primitive Grounding
- arxiv url: http://arxiv.org/abs/2603.11831v1
- Date: Thu, 12 Mar 2026 11:54:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:26.05021
- Title: Towards High-Fidelity CAD Generation via LLM-Driven Program Generation and Text-Based B-Rep Primitive Grounding
- Title（参考訳）: LLM駆動型プログラム生成とテキストベースB-Repプリミティブグラウンドディングによる高忠実CAD生成に向けて
- Authors: Jiahao Li, Qingwang Zhang, Qiuyu Chen, Guozhan Qiu, Yunzhong Lou, Xiangdong Zhou,
- Abstract要約: 高忠実度CAD生成のための新しいテキスト・ツー・CADフレームワークであるFutureCADを提案する。
提案手法は, 実行可能なCadQueryスクリプトを生成し, テキストベースのクエリ機構を導入する。
実験の結果,FutureCADGroundは最新のCAD生成性能を実現することがわかった。
- 参考スコア（独自算出の注目度）: 18.983809090879348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The field of Computer-Aided Design (CAD) generation has made significant progress in recent years. Existing methods typically fall into two separate categorie: parametric CAD modeling and direct boundary representation (B-Rep) synthesis. In modern feature-based CAD systems, parametric modeling and B-Rep are inherently intertwined, as advanced parametric operations (e.g., fillet and chamfer) require explicit selection of B-Rep geometric primitives, and the B-Rep itself is derived from parametric operations. Consequently, this paradigm gap remains a critical factor limiting AI-driven CAD modeling for complex industrial product design. This paper present FutureCAD, a novel text-to-CAD framework that leverages large language models (LLMs) and a B-Rep grounding transformer (BRepGround) for high-fidelity CAD generation. Our method generates executable CadQuery scripts, and introduces a text-based query mechanism that enables the LLM to specify geometric selections via natural language, which BRepGround then grounds to the target primitives. To train our framework, we construct a new dataset comprising real-world CAD models. For the LLM, we apply supervised fine-tuning (SFT) to establish fundamental CAD generation capabilities, followed by reinforcement learning (RL) to improve generalization. Experiments show that FutureCAD achieves state-of-the-art CAD generation performance.
- Abstract（参考訳）: 近年,CAD (Computer-Aided Design) の分野では大きな進歩を遂げている。
既存の手法は通常、パラメトリックCADモデリングと直接境界表現(B-Rep)合成の2つのカテゴリに分けられる。
現代の特徴に基づくCADシステムでは、高度パラメトリック演算(例えば、フィレット、シャンファー)はB-Rep幾何学的プリミティブの明示的な選択を必要とし、B-Rep自体がパラメトリック演算から導出されるため、パラメトリックモデリングとB-Repは本質的に相互運用される。
したがって、このパラダイムギャップは、複雑な工業製品設計のためのAI駆動CADモデリングを制限する重要な要素である。
本稿では,大規模言語モデル(LLM)とB-Repグラウンド変換器(BRepGround)を併用した新しいテキスト・ツー・CADフレームワークであるFutureCADについて述べる。
提案手法は実行可能なCadQueryスクリプトを生成し,LLMが自然言語を用いて幾何選択を指定可能なテキストベースのクエリ機構を導入し,BRepGroundは対象プリミティブをグラウンド化する。
フレームワークをトレーニングするために,実世界のCADモデルからなる新しいデータセットを構築した。
LLMでは、教師付き微調整(SFT)を基本CAD生成能力の確立に適用し、続いて強化学習(RL)を用いて一般化を改善する。
実験により,FutureCADは最先端CAD生成性能を達成することが示された。
関連論文リスト
- Learning From Design Procedure To Generate CAD Programs for Data Augmentation [7.894465542100662]
大規模言語モデルに基づくCADプログラム生成における鍵となる課題は、生成した形状の幾何学的複雑さの制限である。
本稿では,LLMが参照曲面プログラムに条件付きCADプログラムを生成することを促す新しいデータ拡張パラダイムを提案する。
有機形状の集合を用いて参照面を変化させることで,生成したCADモデルの幾何学的分布を増大させる。
論文 参考訳（メタデータ） (2026-03-06T21:32:15Z) - DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces [67.45867367326105]
ポイントレベルの監視から編集可能なBRepsを直接生成するマルチモーダル生成フレームワークであるDreamCADを提案する。
DreamCADは、各BRepをパラメトリックパッチの集合として表現し、メッシュを生成するために微分可能なテッセルレーション手法を使用する。
DreamCADはABCの最先端のパフォーマンスを達成し、テキスト、画像、点のモダリティにまたがるベンチマークを行う。
論文 参考訳（メタデータ） (2026-03-05T19:04:07Z) - ReCAD: Reinforcement Learning Enhanced Parametric CAD Model Generation with Vision-Language Models [16.220781575918256]
ReCADは、マルチモーダル入力から正確なパラメトリックコンピュータ支援設計(CAD)モデルを生成するために、プレトレーニング済みの大型モデル(PLM)をブートストラップする強化学習(RL)フレームワークである。
我々は階層的な原始的な学習プロセスを用いて、統一報酬関数の下で構造的および構成的スキルを教える。
ReCADは、テキスト・トゥ・CADタスクと画像・トゥ・CADタスクの両方で新しい最先端のタスクを設定し、分布内および分布外設定の幾何学的精度を大幅に改善する。
論文 参考訳（メタデータ） (2025-12-06T07:12:56Z) - From Intent to Execution: Multimodal Chain-of-Thought Reinforcement Learning for Precise CAD Code Generation [47.67703214044401]
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。
論文 参考訳（メタデータ） (2025-08-13T18:30:49Z) - cadrille: Multi-modal CAD Reconstruction with Online Reinforcement Learning [55.16668009268005]
3つの入力モードを同時に処理するマルチモーダルCAD再構成モデルを提案する。
大規模プロシージャ生成データに対する教師付き微調整(SFT)と,オンラインフィードバックを用いた強化学習(RL)の2段階パイプラインをプログラム的に取得した。
DeepCADベンチマークでは、SFTモデルは3つの入力モードすべてにおいて既存の単一モードアプローチを同時に上回ります。
論文 参考訳（メタデータ） (2025-05-28T22:32:31Z) - 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) - CMT: A Cascade MAR with Topology Predictor for Multimodal Conditional CAD Generation [59.76687657887415]
境界表現(B-Rep)に基づくCAD生成のための最初のマルチモーダルフレームワークであるトポロジ予測器(CMT)を用いたカスケードMARを提案する。
具体的には、カスケードMARは、B-Repsに必須のエッジカウンタ面の先行情報を効果的にキャプチャすることができる。
マルチモーダルアノテーション付きB-Repモデルを含む大規模マルチモーダルCADデータセットmmABCを開発した。
論文 参考訳（メタデータ） (2025-04-29T14:52:28Z) - 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)
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。