論文の概要: TraceCAD: Trace-Guided Repair for Agentic CAD Generation
- arxiv url: http://arxiv.org/abs/2608.03062v1
- Date: Tue, 04 Aug 2026 03:23:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.006896
- Title: TraceCAD: Trace-Guided Repair for Agentic CAD Generation
- Title（参考訳）: TraceCAD:Trace-Guided repair for AgenticCAD Generation
- Abstract要約: 我々は、要求された機能、モデリングステップ、障害証拠、および候補結果を永続状態としてリンクするリカバリ層であるTraceCADを紹介する。
トレーサCADは、おそらく欠陥のある操作を診断し、依存関係領域のバウンダリ編集を検索し、実行と保存チェックを通じて候補を検証する。
- 参考スコア（独自算出の注目度）: 11.520057211517388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LLM-based CAD agents produce executable parametric programs, but their correction loops may lose evidence about satisfied requirements, faulty operations, and prior repairs. We introduce TraceCAD, a recovery layer that links requested features, modeling steps, failure evidence, and candidate outcomes as persistent state. TraceCAD diagnoses likely faulty operations, searches bounded edits in their dependency regions, validates candidates through execution and preservation checks, and retains successful and failed repair outcomes in reusable skill memory. On DeepCAD-derived benchmarks with 200-model ablations and a 1K-model comparison, TraceCAD achieves competitive geometric quality in terms of IoU, Chamfer distance, and Hausdorff distance. Removing persistent state nearly halves recovery score; removing localized search more than doubles geometric regression and doubles code-agent invocations. Initializing the skill store on disjoint training models further reduces retries, token cost, and latency. These results demonstrate that persistent, localized, and reusable recovery improves final CAD quality and repair reliability.
- Abstract（参考訳）: LLMベースのCADエージェントは、実行可能なパラメトリックプログラムを生成するが、その修正ループは、満足した要求、欠陥操作、および事前修理に関する証拠を失う可能性がある。
我々は、要求された機能、モデリングステップ、障害証拠、および候補結果を永続状態としてリンクするリカバリ層であるTraceCADを紹介する。
トレーサCADは、おそらく欠陥のある操作を診断し、依存関係領域のバウンダリ編集を検索し、実行と保存チェックを通じて候補を検証する。
ディープCADによる200モデルアブレーションと1Kモデルの比較によるベンチマークでは、TraceCADはIoU、Chamfer距離、Hausdorff距離の点で、競合的な幾何学的品質を達成する。
永続的な状態からほぼ半分のリカバリスコアを取り除き、局所的な検索を2倍以上にすることで、幾何学的回帰を2倍にし、コードエージェントの呼び出しを2倍にする。
解離したトレーニングモデルにスキルストアを初期化することで、再試行やトークンコスト、レイテンシがさらに削減される。
これらの結果から, 持続的, 局所的, 再利用可能なリカバリによりCADの品質が向上し, 修理の信頼性が向上することが示唆された。
関連論文リスト
- Embodied CAD: Solver-Grounded LLM Agents for Parametric B-Rep Assembly Modeling [7.918861077775763]
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。
論文 参考訳（メタデータ） (2026-06-30T07:31:01Z) - CADBench: A Multimodal Benchmark for AI-Assisted CAD Program Generation [3.6136995620089145]
CADBenchはマルチモーダルCADプログラム生成のための統一ベンチマークである。
CADBenchは6つのベンチマークファミリーにまたがる18,000の評価サンプルを含んでいる。
CADに特化して汎用的な視覚言語システム11のベンチマークを行い,14万以上のCADプログラムを生成した。
論文 参考訳（メタデータ） (2026-05-11T17:25:47Z) - GIFT: Bootstrapping Image-to-CAD Program Synthesis via Geometric Feedback [16.42151644490948]
GIFTは、幾何学的フィードバックを利用して、テスト時間計算を高品質なトレーニングサンプルのブートストラップセットに変換するフレームワークである。
強い教師付きベースラインに対して平均IoUを12%改善し、より複雑なマルチモーダルシステムと競合し続ける。
論文 参考訳（メタデータ） (2026-03-28T23:49:20Z) - CADReasoner: Iterative Program Editing for CAD Reverse Engineering [8.468103398438917]
多くのAIシステムはCADのリバースエンジニアリングに取り組むが、その多くはシングルパスであり、細かい幾何学的詳細を見逃している。
CADReasonerは幾何差分を用いた予測を反復的に洗練するよう訓練されたモデルである。
モデルは、次のステップでレンダリングメッシュが返される実行可能なCadQuery Pythonプログラムを出力する。
論文 参考訳（メタデータ） (2026-02-18T10:27:29Z) - 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) - 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) - PS-CAD: Local Geometry Guidance via Prompting and Selection for CAD Reconstruction [86.726941702182]
再構成ネットワークPS-CADに幾何学的ガイダンスを導入する。
我々は、現在の再構成が点雲としての完備モデルと異なる曲面の幾何学を提供する。
第二に、幾何学的解析を用いて、候補面に対応する平面的プロンプトの集合を抽出する。
論文 参考訳（メタデータ） (2024-05-24T03:43:55Z) - 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) - Reconstructing editable prismatic CAD from rounded voxel models [16.03976415868563]
この課題を解決するために,新しいニューラルネットワークアーキテクチャを導入する。
本手法は形状を分解することでボクセル空間の入力幾何を再構成する。
推論の際には,まず2次元制約付きスケッチのデータベースを検索し,CADデータを取得する。
論文 参考訳（メタデータ） (2022-09-02T16:44:10Z)
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。