論文の概要: Embodied CAD: Solver-Grounded LLM Agents for Parametric B-Rep Assembly Modeling
- arxiv url: http://arxiv.org/abs/2606.31252v1
- Date: Tue, 30 Jun 2026 07:31:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.114777
- Title: Embodied CAD: Solver-Grounded LLM Agents for Parametric B-Rep Assembly Modeling
- Title（参考訳）: 物理CAD:パラメトリックB-RepアセンブリモデリングのためのLLM剤
- Abstract要約: 本稿では、パラメトリックB-RepアセンブリモデリングのためのEmbodied CAD,solvr-grounded LLM agentを提案する。
このフレームワークは、行動文法の制約、決定論的パラメータ分解、および教師付きウォームアップとGRPOスタイルの洗練のためのソルバ由来の報酬を組み合わせる。
我々は,多段階の機械機器,産業機器,金型指向の組み立て作業において,ソルバ整合度を用いてEmbodied CADを評価した。
- 参考スコア（独自算出の注目度）: 7.918861077775763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models can write plausible CAD scripts, but reliable industrial CAD modeling requires more than syntactically valid code: every feature, placement, and assembly relation must be accepted by an exact geometric kernel while remaining editable as parametric boundary representation geometry. We present Embodied CAD, solver-grounded LLM agents for parametric B-Rep assembly modeling. Instead of generating a complete script in one pass, the agent iteratively selects actions from a stratified L0-L4 CAD skill library, resolves them into typed geometric operations, executes them in a CAD backend, and uses solver feedback to plan, repair, and learn. The framework combines action grammar constraints, deterministic parameter resolution, and solver-derived rewards for supervised warm-up and GRPO-style refinement. We evaluate Embodied CAD on multi-step mechanical, industrial equipment, and mold-oriented assembly tasks using solver-aligned metrics: executable rate, skill accuracy, operation-family accuracy, exact policy accuracy, and task completion success. The results show that solver-grounded planning executes all strong-planner workflows in the current benchmark, while learned controllers reach high executable rates and expose the remaining gap between valid tool calls and exact long-horizon policy prediction.
- Abstract（参考訳）: 大規模言語モデルは可塑性CADスクリプトを書くことができるが、信頼性の高い産業CADモデリングには構文的に有効なコード以上のものが必要であり、全ての特徴、配置、組立関係は正確な幾何学的カーネルによって受け入れられなければならないが、パラメトリック境界表現幾何学として編集可能である。
本稿では、パラメトリックB-RepアセンブリモデリングのためのEmbodied CAD,solvr-grounded LLM agentを提案する。
エージェントは、1パスで完全なスクリプトを生成する代わりに、階層化されたL0-L4CADスキルライブラリからアクションを反復的に選択し、それらを型付けされた幾何学演算に分解し、CADバックエンドで実行し、ソルバフィードバックを使用して計画、修理、学習を行う。
このフレームワークは、行動文法の制約、決定論的パラメータ分解、および教師付きウォームアップとGRPOスタイルの洗練のためのソルバ由来の報酬を組み合わせる。
我々は,多段階の機械機器,産業機器,金型指向の組み立て作業において,実現率,技術精度,操作家族精度,正確な政策精度,タスク完了成功の3つの指標を用いて,Embodied CADを評価した。
その結果,学習したコントローラは高い実行速度を達成し,有効なツールコールと正確な長期ポリシー予測とのギャップを露呈する。
関連論文リスト
- MTAC-IFBench: Benchmarking Instruction-Following in Multi-Turn Agentic Coding [83.0805548642958]
MTAC-IFBenchは、ソフトウェア開発におけるインストラクションフォローのための包括的なベンチマークである。
6つのプライマリと18のセカンダリカテゴリにまたがるさまざまな制約を持つ、多ターンプログレッシブなソフトウェア開発指示が特徴である。
MTAC-IFBenchは、マルチターン命令フォローにおける既存のコードエージェントの重大な欠陥を認識し、インタラクションセッションが長くなるにつれてパフォーマンスが急速に低下する。
論文 参考訳（メタデータ） (2026-09-14T03:57:37Z) - IterCAD: An Iterative Multimodal Agent for Visually-Grounded CAD Generation and Editing [31.86100517851177]
IterCADは、クローズドループ、インタラクティブCAD生成および編集のための統合マルチモーダルエージェントフレームワークである。
複数のベンチマークで高い競争力を発揮し、コードの実行可能性と幾何学的精度の両方において、既存のアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2026-06-11T13:53:21Z) - Zero-to-CAD: Agentic Synthesis of Interpretable CAD Programs at Million-Scale Without Real Data [8.896486786253766]
実行可能CAD構築シーケンスのためのスケーラブルなフレームワークであるZero-to-CADを紹介する。
我々は,大規模言語モデルをフィードバック駆動CAD環境に組み込むことで,コードを反復的に生成し,実行し,検証する。
このエージェント的アプローチは、約100万の実行可能な可読性、編集可能なCADシーケンスの合成を可能にする。
論文 参考訳（メタデータ） (2026-04-27T13:46:41Z) - GTA-2: Benchmarking General Tool Agents from Atomic Tool-Use to Open-Ended Workflows [90.35728421223673]
GTA-2はジェネラル・ツール・エージェント(GTA)の階層的なベンチマークである
現実世界の認証に基づいて構築され、実際のユーザクエリ、デプロイツール、マルチモーダルコンテキストを活用する。
実験では、フロンティアモデルは既に原子タスクに苦戦しているが、トップモデルは14.39%の成功しか達成していない。
論文 参考訳（メタデータ） (2026-04-17T05:36:00Z) - COSMO-Agent: Tool-Augmented Agent for Closed-loop Optimization,Simulation,and Modeling Orchestration [26.690772733565996]
COSMO-Agentは、LCMに閉ループCAD-CAEプロセスを完成させるように教えるツール強化強化学習フレームワークである。
我々は、実現可能性、ツールチェーンの堅牢性、構造化された出力妥当性を共同で促進するマルチ制約パラメトリック報酬を設計する。
COSMO-Agent トレーニングは制約駆動設計のための小さなオープンソース LLM を大幅に改善することを示した。
論文 参考訳（メタデータ） (2026-04-07T07:45:17Z) - Execution-Verified Reinforcement Learning for Optimization Modeling [49.171122807323634]
実行検証学習フレームワークは、数学的プログラミング解法を決定論的で対話的な検証器として扱う。
NL4OPT, MAMO, IndustryOR, OptiBenchをグロビ, OR-Tools, COPTで行った実験では, EVOMがプロセス管理SFTに適合または優れていた。
論文 参考訳（メタデータ） (2026-04-01T03:39:11Z) - 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) - TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics [53.442362491589726]
本稿では、視覚言語モデル(VLM)を幾何学コンピュータに変換する新しいフレームワークであるTIGeR(Tool-Integrated Geometric Reasoning)を提案する。
TIGeRは、ニューラルネットワーク内で複雑な幾何学的操作を内部化しようとするのではなく、幾何学的推論要求を認識するためにモデルに権限を与える。
TIGeRは、実世界のロボット操作タスクにおいて、センチメートルレベルの精度を示しながら、幾何学的推論ベンチマーク上でSOTA性能を達成することを示す。
論文 参考訳（メタデータ） (2025-10-08T16:20:23Z) - Generalizable End-to-End Tool-Use RL with Synthetic CodeGym [52.31172214690965]
エージェントRLのための多目的ツール環境を多種多様な、検証可能な、制御可能な、多目的ツール環境を合成するフレームワークであるCodeGymを紹介する。
CodeGymは、静的コーディングの問題を対話的な環境に書き換え、原子関数やロジックを呼び出し可能なツールに抽出する。
さまざまなサイズのモデルとCodeGymでトレーニングされたチェーン・オブ・コンフィグレーションは、一貫したアウト・オブ・ディストリビューションの一般化性を示す。
論文 参考訳（メタデータ） (2025-09-22T03:03:56Z) - 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)
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。