論文の概要: CAD-WAM: Anticipating Geometry for Text-to-CAD Generation
- arxiv url: http://arxiv.org/abs/2610.39306v1
- Date: Thu, 29 Oct 2026 03:52:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 00:15:22.276028
- Title: CAD-WAM: Anticipating Geometry for Text-to-CAD Generation
- Title（参考訳）: CAD-WAM:テキスト・ツー・CAD生成のための幾何学予測
- Abstract要約: 本稿では,幾何条件のアクション生成と次世代の予測を併用したCAD-WAMを提案する。
我々は、DeepCADデータセットのパラメトリックCADモデルからステップワイズトレーニングトラジェクトリを構築する。
DeepCADテストセットでは、CAD-WAMは、幾何学的精度と出力妥当性においてタスク固有のベースラインを上回っている。
- 参考スコア（独自算出の注目度）: 24.631661487823635
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generating editable computer-aided design (CAD) models from text requires selecting operations that produce the intended changes to the geometry constructed so far. An incorrect operation can compromise subsequent steps, making reliable multi-step generation challenging. Existing methods based on large language models (LLMs) primarily learn to predict commands, without explicit supervision of the geometric states those commands should produce. Inspired by world-action models, we introduce CAD-WAM, which couples geometry-conditioned action generation with next-state prediction. We define complete modeling operations as actions in a CAD domain-specific language (DSL) and encode surface point clouds of intermediate solids into compact latent states using a pretrained variational autoencoder. An LLM backbone generates the next action from the target description and current geometric state, while an auxiliary head on the same backbone predicts the next state to provide geometric supervision during training. We construct step-wise training trajectories from parametric CAD models in the DeepCAD dataset, pairing each trajectory with an expert-level textual description. At inference, each generated action is executed by a CAD kernel, and the resulting solid is re-encoded to inform the next decision. On the DeepCAD test set, CAD-WAM outperforms the task-specific baselines in geometric accuracy and output validity, with larger gains on models requiring more operations, and produces more accurate geometry than general-purpose LLMs prompted with the same DSL. Ablations further show that next-state supervision reduces mean Chamfer distance by 13.2\% relative to an otherwise identical model trained only to predict actions. Code is available at https://github.com/Lzy-1037/CAD-WAM.
- Abstract（参考訳）: 編集可能なコンピュータ支援設計(CAD)モデルをテキストから生成するには、これまで構築された幾何学の変更を意図した操作を選択する必要がある。
誤った操作がその後のステップを損なう可能性があるため、信頼性の高いマルチステップ生成が困難になる。
大きな言語モデル(LLM)に基づく既存のメソッドは、コマンドが生成すべき幾何学的状態の明示的な監督なしに、主にコマンドを予測することを学習する。
世界行動モデルにインスパイアされたCAD-WAMは,幾何条件のアクション生成と次の状態予測を結合する。
CADドメイン固有言語(DSL)の動作として完全なモデリング操作を定義し、事前訓練された変分オートエンコーダを用いて中間固体の表面点雲をコンパクトな潜在状態に符号化する。
LLMバックボーンは、ターゲット記述と現在の幾何学的状態から次のアクションを生成し、一方、同じバックボーン上の補助ヘッドは、トレーニング中に幾何学的監督を提供するために次の状態を予測する。
本稿では,DeepCADデータセットにおけるパラメトリックCADモデルからの段階的学習トラジェクトリを構築し,各トラジェクトリを専門家レベルのテキスト記述と組み合わせる。
推論時に、生成された各アクションはCADカーネルによって実行され、その結果のソリッドが再符号化され、次の決定が通知される。
DeepCADテストセットでは、CAD-WAMは、幾何学的精度と出力妥当性でタスク固有のベースラインを上回り、より多くの操作を必要とするモデルに大きな利益をもたらし、同じDSLで誘導される汎用LLMよりも正確な幾何学を生成する。
さらに、次の状態の監督は、行動を予測するために訓練された他の同じモデルと比較して、平均チャムファー距離を13.2 %削減することを示している。
コードはhttps://github.com/Lzy-1037/CAD-WAMで入手できる。
関連論文リスト
- StepCAD: Mesh-to-CAD Code Generation via LLM Policy and Geometry-Guided Search [4.363435943825789]
StepCADは、状態条件CADポリシーと幾何学誘導探索を組み合わせた生成最適化手法である。
また、多様な操作にまたがる1.5M実行可能CADプログラムの大規模データセットであるARCADE-1.5Mを紹介する。
StepCADは、最先端の幾何学的復元精度を常に高い妥当性で達成し、IoUの相対的改善率は87.2%に達する。
論文 参考訳（メタデータ） (2026-10-01T05:57:05Z) - Autoregressive B-Rep Shape Generation with Parametric Surfaces [83.03418080213359]
ParaCADは、ポイントクラウド条件のB-Rep生成のための自動回帰フレームワークである。
我々のモデルはまず、制約されたUV領域を持つパラメトリック曲面を生成し、その後、これらの曲面をグローバルに交差させることで有効なB-Repを構築する。
大規模な実験により、ParaCADは忠実な点-クラウドアライメントで正確なB-Repsを生成することが示された。
論文 参考訳（メタデータ） (2026-07-19T06:14:50Z) - 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) - 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) - Pointer-CAD: Unifying B-Rep and Command Sequences via Pointer-based Edges & Faces Selection [36.418031479264585]
大規模言語モデル(LLM)は、CADをコマンドシーケンスとして表現することでLLMベースのCAD生成にインスピレーションを与えている。
本稿では,B-repモデルの幾何学的情報を逐次モデリングに組み込んだ新しいLCMベースのCAD生成フレームワークであるPointer-CADを提案する。
実験により、Pointer-CADは複雑な幾何学構造の生成を効果的に支援し、セグメント化誤差を極端に低いレベルまで低減することを示した。
論文 参考訳（メタデータ） (2026-03-04T17:55:01Z) - 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) - 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) - 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。