論文の概要: IndustryForge-27B: A Domain-Enhanced Multimodal Foundation Model for Industrial CAD
- arxiv url: http://arxiv.org/abs/2607.28050v1
- Date: Thu, 30 Jul 2026 11:28:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.528965
- Title: IndustryForge-27B: A Domain-Enhanced Multimodal Foundation Model for Industrial CAD
- Title（参考訳）: IndustryForge-27B: 産業CADのためのドメイン拡張型マルチモーダルファンデーションモデル
- Abstract要約: Qwen3.5-VL-27B上にIndustrialForge-27Bを構築し、6つのインダストリアルCADサブコーパスをキュレート・統合した。
汎用マルチモーダルモデルはこれらのタスクでは不足するが、シングルタスクの微調整は上層エージェントが発行する多様な呼び出しをサポートするには狭すぎる。
- 参考スコア（独自算出の注目度）: 30.022649634559645
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automating industrial CAD design and manufacturing places distinctive demands on multimodal foundation models: the model must see engineering drawings and 3D geometry screenshots, write correct parametric-modelling scripts and Windows COM API code, and cover the full range from single parts to assemblies. General-purpose multimodal models fall short on these tasks, while single-task fine-tuning is too narrow to support the diverse calls that upper-layer agents issue. We build IndustryForge-27B on top of Qwen3.5-VL-27B by curating and integrating six industrial-CAD sub-corpora totalling $\sim$52k multimodal samples---CAD Visual QA (CAD-VQA), parametric CAD code (text2cadquery), assembly-level CAD code (text2cadquery-assembly), and three COM sub-corpora for Inventor / SolidWorks (com_2d / com_3d / com_assembly)---and training with a unified multi-task SFT recipe. Across four CAD-domain benchmarks IndustryForge-27B lifts the base model by $+33.65$~pp on average and outperforms the strong closed-source model GPT-5.4 on all four; across eleven general-capability benchmarks it retains, and slightly improves upon, the base model ($+1.56$~pp mean, no catastrophic forgetting). IndustryForge-27B will serve as the common substrate for downstream industrial-agent projects, providing a unified starting point for a full-stack industrial agent that spans from CAD design to industrial-software operation, from parts to assemblies, and from single-shot generation to closed-loop self-improvement.
- Abstract（参考訳）: 産業CAD設計と製造の自動化は、マルチモーダル基礎モデルに特有の要求である: モデルは、エンジニアリング図面と3D幾何学のスクリーンショットを見、正しいパラメトリックモデリングスクリプトとWindows COM APIコードを書き、単一部品からアセンブリまでの全範囲をカバーする必要がある。
汎用マルチモーダルモデルはこれらのタスクでは不足するが、シングルタスクの微調整は上層エージェントが発行する多様な呼び出しをサポートするには狭すぎる。
我々は,Qwen3.5-VL-27B上に産業用CADサブコーパスを6つ,合計$$\sim$52kのマルチモーダルサンプル--CAD Visual QA (CAD-VQA),パラメトリックCADコード (text2cadquery),アセンブリレベルのCADコード (text2cadquery-assembly), Inventor/SolidWorks (com_2d/com_3d/com_assembly) の3つのCOMサブコーパスと,統一マルチタスクSFTレシピによるトレーニングを統合して構築する。
CADドメインの4つのベンチマークで、IndustrialForge-27Bはベースモデルを平均$+33.65$~ppで引き上げ、強力なクローズドソースモデルであるGPT-5.4を4つすべてで上回っている。
産業Forge-27Bは下流の産業エージェントプロジェクトの共通基盤として機能し、CAD設計から産業ソフトウェア運用、部品から組み立て、単発から閉ループ自己改善まで、フルスタックの産業エージェントの出発点となる。
関連論文リスト
- VisCAD: A Foundation Model Suite with Multimodal Industrial CAD Intelligence [33.01653422165122]
パートレベルの生成は、レンダリング、テキスト記述、2D描画、実際の写真など、さまざまな形式のユーザインテントをマップする。
アセンブリレベルの生成は、相互作用する部分、計画的な交際関係、見積もりのポーズ、すべての部分の正しい配置を、追加で処理する必要があります。
本稿では,現実的な産業製品に対して,広範な一般化と強力なCAD機能を実現するための基礎モデルスイートであるVisCADを紹介する。
論文 参考訳（メタデータ） (2026-09-03T13:14:36Z) - OmniMech: All-in-one Multimodal Mechanical Benchmark for 3D Reconstruction [15.427717696810456]
産業データからCAD生成における視覚言語モデルを評価するための最初の100万スケールベンチマークであるOmniMechを紹介する。
OmniMechには251,000点以上の完全な寸法と寛容な2Dホログラフィックの描画が含まれており、ネイティブCADモデルと組み合わせている。
将来の研究をサポートするために、ベンチマークデータ、評価コード、ツールインターフェースをリリースします。
論文 参考訳（メタデータ） (2026-08-06T02:36:22Z) - UniCAD: A Unified Benchmark and Universal Model for Multi-Modal Multi-Task CAD [31.34982007288203]
マルチモーダルCAD学習のための総合ベンチマークUniCADを紹介する。
テキスト,画像,スケッチ,点群を取り込み,汎用的な大規模言語モデルUniCAD-MLLMを提案する。
将来の研究を加速するために、データセット、コード、事前訓練されたモデルをリリースします。
論文 参考訳（メタデータ） (2026-06-03T16:20:57Z) - BenchCAD: A Comprehensive, Industry-Standard Benchmark for Programmatic CAD [14.284307846349774]
本稿では,産業CAD推論のための統一ベンチマークであるBenchCADを紹介する。
BenchCADには,106の産業部門を対象とした17,900のCadQueryプログラムが含まれている。
視覚的質問応答、コード質問応答、画像からコードへの生成、命令誘導コード編集を通じてモデルを評価する。
論文 参考訳（メタデータ） (2026-05-11T17:13:36Z) - InCoder-32B: Code Foundation Model for Industrial Scenarios [95.28947955949296]
InCoder-32B(Industrial-Coder-32B)を導入し,チップ設計,GPUカーネル最適化,組み込みシステム,コンパイラ最適化,3Dモデリングなどのコードインテリジェンスを統合する。
InCoder-32Bは、産業領域にまたがる強力なオープンソースベースラインを確立しながら、一般的なタスクにおいて高い競争力を発揮する。
論文 参考訳（メタデータ） (2026-03-17T17:01:35Z) - Beyond 'Templates': Category-Agnostic Object Pose, Size, and Shape Estimation from a Single View [69.6117755984012]
物体の6Dポーズ、サイズ、形状を視覚入力から推定することは、コンピュータビジョンの基本的な問題である。
一つのRGB-D画像から6次元のポーズ,サイズ,密な形状を同時に予測する統合されたカテゴリ非依存フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-13T17:49:15Z) - 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) - CReFT-CAD: Boosting Orthographic Projection Reasoning for CAD via Reinforcement Fine-Tuning [31.342222156939403]
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) - 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) - 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) - PHT-CAD: Efficient CAD Parametric Primitive Analysis with Progressive Hierarchical Tuning [52.681829043446044]
ParaCADは1000万点以上のアノテートドローイングと、複雑なトポロジカルな構造とテストのための物理的な制約を備えた3,000の現実世界の産業図で構成されている。
PHT-CADは視覚言語モデルのモダリティアライメントと推論機能を利用する新しい2次元PPAフレームワークである。
論文 参考訳（メタデータ） (2025-03-23T17:24:32Z)
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。