論文の概要: AgenticCADedit: A Stateful, Tool-Mediated Agentic Approach to Multimodal 3D CAD Editing
- arxiv url: http://arxiv.org/abs/2609.29621v1
- Date: Fri, 28 Aug 2026 12:51:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:56.086536
- Title: AgenticCADedit: A Stateful, Tool-Mediated Agentic Approach to Multimodal 3D CAD Editing
- Title（参考訳）: AgenticCADedit:マルチモーダル3DCAD編集のためのステートフルなツール媒介エージェントアプローチ
- Abstract要約: AgenticCADeditは、編集を永続的なCAD状態における小さな検証可能なアクションのシーケンスに変換する。
本稿では,AgenticCADeditについて述べる。
- 参考スコア（独自算出の注目度）: 8.222080530754225
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Computer-aided design is central to industrial manufacturing, and much of a designer's daily work consists of editing existing models from multimodal requests involving speech, sketches, and model interaction. Existing neural CAD approaches focus predominantly on unconditional or text-conditioned generation. The neuralCAD-Edit approach formalizes expert multimodal editing requests, but its iterative baseline refines a complete CAD program across attempts, executing each attempt from the original model in a stateless CAD environment. Every attempt must therefore reconstruct the entire edit from scratch, so partially correct progress is discarded rather than accumulated, and the model can neither inspect the geometry it has just produced nor selectively revert a single faulty operation. We present AgenticCADedit, which turns editing into a sequence of small, verifiable actions on a persistent CAD state instead of a single regenerated program. Rather than emitting one complete program, it applies incremental code steps that each commit to the session, inspects the resulting faces and edges, renders highlighted selections to verify that the intended region was addressed, and reverts individual operations when it was not. Subsequent actions therefore build on the geometry produced by earlier ones. Our approach improves on all metrics for all three evaluated LLMs (open-weight: qwen3.6-27b, gemma4-31b; proprietary: gpt-5.6-luna), with the largest gains for the weakest baseline model, qwen3.6-27b, whose validity rises from 51.0% to 94.8% and acceptance from 1.6% to 12.0%. A token-cost analysis with gpt-5.6-luna further shows $66.7$% fewer output tokens than neuralCAD-Edit, while $94.8$% of input tokens are served from the prompt cache.
- Abstract（参考訳）: コンピュータ支援設計は工業生産の中心であり、デザイナの日々の仕事の多くは、スピーチ、スケッチ、モデル相互作用を含むマルチモーダルな要求から既存のモデルを編集することである。
既存のニューラルCADアプローチは、主に無条件またはテキスト条件の生成に焦点を当てている。
NeuralCAD-Editアプローチは、専門家のマルチモーダル編集要求を形式化するが、その反復ベースラインは、試行にわたって完全なCADプログラムを洗練し、ステートレスCAD環境で元のモデルからのそれぞれの試行を実行する。
したがって、すべての試みはスクラッチから編集全体を再構築しなければならないため、部分的に正しい進捗は蓄積されるのではなく破棄される。
本稿では,AgenticCADeditを提案する。AgenticCADeditは,単一の再生プログラムではなく,永続的なCAD状態における小さな検証可能なアクションのシーケンスに変換する。
1つの完全なプログラムを出力する代わりに、各セッションにコミットするインクリメンタルコードステップを適用し、結果の顔とエッジを検査し、ハイライトされた選択をレンダリングして、意図した領域が対処されていることを確認し、実行時に個々の操作を反転させる。
したがって、その後の行動は、初期の行動によって生み出された幾何学に基づいている。
提案手法は,LLMの3つの指標(オープンウェイト: qwen3.6-27b, gemma4-31b,プロプライエタリ: gpt-5.6-luna)を全て改善し,最も弱いベースラインモデルである qwen3.6-27b の有効性は51.0%から94.8%に向上し,1.6%から12.0%に向上した。
gpt-5.6-lunaによるトークンコスト分析では、NeuralCAD-Editよりも出力トークンが6.7$%少なくなり、インプットトークンの94.8$%がプロンプトキャッシュから提供される。
関連論文リスト
- LLM-Aided Design for Manufacturing: A Multi-Agent System for Intent-Preserving Redesign of CAD for Improved Manufacturability [9.129375375221457]
本稿ではCAD部品の再設計について,自律的,意図保存型製造設計(DFM)を導入する。
代わりに、個別に検証された設計遷移のシーケンスとしてそれを生成します。
レビューの繰り返しと検証された修飾化合物は、確実に生成されるワンショットジェネレータよりも複雑な部分に編集される。
論文 参考訳（メタデータ） (2026-09-03T18:19:27Z) - Procedura: Agentic 3D Modeling with Procedural Control [52.232812096564906]
Proceduraは、オブジェクトを手続き的なアセンブリとして記述する、新しい3Dモデリングエージェントフレームワークである。
テキストプロンプトから、エージェントはアセンブリグラフとしてオブジェクトを計画し、プログラム部分を部分的に書きます。
分離された視覚評論家は、一度に診断された修正を精製する。
論文 参考訳（メタデータ） (2026-08-26T17:54:39Z) - Arko-T: A Foundation Model for Text-to-Structured 3D Generation [9.264199835246675]
本稿では、自然言語インテントを直接実行可能なパラメトリックCADプログラムにマッピングするテキスト・デザインモデルArko-Tを提案する。
12の指標で7つのフロンティア LLM と比較すると、Arko-T は8点で2点、さらに3点で2点を獲得した。
論文 参考訳（メタデータ） (2026-06-29T15:09:13Z) - 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) - CADSmith: Multi-Agent CAD Generation with Programmatic Geometric Validation [10.21291474099901]
テキスト・トゥ・CAD生成の既存の方法は、幾何的検証のない単一パスで動作するか、次元誤差を解決できない視覚的フィードバックに頼っている。
自然言語からCadQueryを生成するマルチエージェントパイプラインであるCADSmithを提案する。
次に、2つのネスト補正ループ(実行エラーを解消する内ループ)と、プログラム的幾何的検証に基礎を置く外ループという、反復的な洗練プロセスを実行する。
論文 参考訳（メタデータ） (2026-03-27T15:23:05Z) - 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) - 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) - 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)
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。