CADIR: A Cross-Backend Editable Intermediate Representation for Agentic CAD Generation
تقدم هذه الورقة CADIR، وهو تمثيل وسيط تنفيذي عابر للأنظمة الخلفية مبني على نواة OCCT، يتيح التوليد الوكيل لـ CAD مع رسوم بيانية صريحة للبناء ومطابقة البصمة الهندسية لتحقيق إعادة بناء نماذج عالية الدقة وقابلة للتعديل عبر أنظمة CAD متنوعة مثل FreeCAD وSolidWorks وFusion 360.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت بناء قلعة معقدة من قطع الليغو. يمكنك إعطاء الروبوت صورة للقلعة النهائية وتقول له: "اصنع هذا"، لكن الروبوت قد يكتفي بلصق الطوب معاً في كومة فوضوية تنهار إذا حاولت تحريك قطعة واحدة. أو يمكنك إعطاء الروبوت قائمة طويلة وصارمة من التعليمات مثل "التقط قطعة الليغو الحمراء رقم 4، وضعها فوق القطعة الزرقاء رقم 2"، ولكن إذا كانت أدوات الروبوت مختلفة قليلاً عن تلك التي استخدمتها لكتابة القائمة، فقد يمسك بالقطعة الخطأ أو يتعثر في العمل. هذا هو التحدي الحالي في مجال يُسمى التصميم بمساعدة الحاسوب (CAD)، حيث يستخدم المهندسون برامج لتصميم كل شيء، من محركات السيارات إلى أغلفة الهواتف الذكية. لفترة طويلة، استطاعت الحواسيب فقط صنع أشكال ثلاثية الأبعاد ثابتة أو اتباع نصوص برمجية محددة للغاية وصارمة تنكسر بسهولة إذا حاولت تغييرها أو نقلها إلى برنامج تصميم آخر. ولكن الآن، مع صعود "نماذج اللغات الكبيرة" (الذكاء الاصطناالذي يفهم اللغة البشرية)، بدأنا نرى حواسيب يمكنها الاستماع إلى وصف مثل "اصنع ترساً" ومحاولة بنائه. السؤال الكبير هو: كيف نضمن أن الحاسوب سيبني شيئاً ليس فقط بالشكل الصحيح، بل يكون أيضاً سهلاً في الإصلاح والتغيير والاستخدام في برامج تصميم مختلفة؟
هنا يأتي دور نظام جديد يسمى CADIR، والذي يعمل كـ "مترجم ومدير مشروع فائق الذكاء" للبنائين المعتمدين على الذكاء الاصطناعي. وجد الباحثون وراء هذه الورقة البحثية أن الطرق الموجودة كانت تشبه إعطاء طباخ وصفة مكتوبة بشفرة سرية لا يمكن قراءتها إلا في مطبخ واحد محدد؛ فإذا حاولت الطبخ في مطبخ مختلف، فلن تتطابق المكونات، أو لن تكون الخطوات منطقية. كما لاحظوا أن محاولات الذكاء الاصطناعي السابقة غالباً ما بنت نماذج "ثابتة" — مثل تمثال ثلاثي الأبعاد — لا يمكنك تعديلها لاحقاً دون البدء من جديد. ولحل هذه المشكلة، ابتكر الفريق نظام CADIR، وهو اختصار لـ "تمثيل وسيط قابل للتعديل وعابر للأنظمة الخلفية" (Cross-Backend Editable Intermediate Representation). فكر في الأمر كأنه سجل بناء عالمي وخطوة بخطوة، لا يسجل فقط ماذا تم بناؤه، بل كيف تم بناؤه، متتبعاً كل علاقة تبعية (مثل كيفية اتصال عجلة بمحور) بطريقة يمكن لأي برنامج تصميم رئيسي فهمها.
بدلاً من مجرد إخراج شكل ثلاثي الأبعاد نهائي، يبني نظام CADIR "رسمًا بيانيًا للبناء". تخيل هذا الرسم كأنه مخطط انسيابي ديناميكي حيث تكون كل خطوة من خطوات البناء عبارة عن "عقدة"، والخطوط التي تربط بينها توضح كيف تعتمد خطوة على أخرى. إذا قمت بتغيير حجم ثقب في منتصف التصميم، فإن الرسم البياني يعرف كيفية تحديث كل ما هو متصل بهذا الثقب، تماماً مثل المخطط الهندسي الحقيقي. يستخدم النظام حيلة ذكية تسمى "مطابقة التوقيع الهندسي" للعثور على الأجزاء المناسبة. الأمر يشبه إذا فقدت قطعة ليغو محددة في مجموعة أخرى؛ فبدلاً من البحث عن قطعة لها نفس الرقم التسلسلي (الذي قد لا يكون موجوداً في المجموعة الجديدة)، يبحث النظام عن قطعة لها نفس الشكل والحجم واللون، مما يضمن أن التصميم الجديد سيتناسب تماماً حتى لو اختلف البرنامج.
اختبر الباحثون ذلك من خلال طلب بناء مئات الأجزاء الميكانيكية من الحاسوب، بدءاً من الكتل البسيطة وصولاً إلى التجميعات المعقدة ذات التروس والأجزاء المتحركة. ووجدوا أن نظام CADIR كان موثوقاً للغاية، حيث حقق "معدل نجاح تنفيذ" مثالي قدره 1.0000، مما يعني أن الذكاء الاصطناعي نجح في بناء النماذج دون تعطل أو وقوع أخطاء في كل مرة. وعندما قارنوا CADIR بالطرق الأخرى، أنتج CADIR أشكالاً أقرب بكثير إلى التصميم المقصود (محققاً تحسناً في الدقة بنحو 30% في بعض الاختبارات)، والأهم من ذلك، سمح بفتح النماذج المعاد بناؤها وتعديلها في برامج شهيرة مثل FreeCAD وSolidWorks وFusion 360. في الواقع، عندما حاولوا تعديل هذه النماذج المعاد بناؤها، نجح النظام في إصلاح أو تغيير الأجزاء بنسبة تقارب 100% في برنامجي FreeCAD وFusion 360.
ما يجعل هذا الأمر مثيراً للاهتمام بشكل خاص هو أن النظام لا يبني من الصفر فحسب؛ بل يمكنه أيضاً "تذكر" التصاميم السابقة. فقد أعطى الباحثون للذكاء الاصطنا stub مكتبة من الرسوم البيانية الإنشائية السابقة، ووجدوا أنه عندما يبحث الذكاء الاصطناعي عن أشكال أو أجزاء مشابهة باستخدام النص أو الصور، يمكنه العثور على كتل البناء الصحيحة بشكل أسرع وأكثر دقة مما لو كان يبحث فقط عبر الأكواد البرمجية الخام. وهذا يعني أن الذكاء الاصطناعي يمكنه التعلم من تاريخه، وإعادة استخدام الهياكل الصغيرة الذكية (مثل طريقة معينة لتثبيت مقبض) لبناء أشياء أكثر تعقيداً لاحقاً. وبينما تشير الورقة البحثية إلى أن بعض الميزات المحددة جداً في برامج معينة لا تزال غير قابلة للتعديل بشكل مثالي بسبب القيود الفريدة لتلك البرامج، إلا أن النتيجة الإجمالية تمثل قفزة هائلة. إنها تشير إلى أننا نتجه نحو مستقبل لا يستطيع فيه الذكاء الاصطناعي تصميم آلات معقدة فحسب، بل يمكنه أيضاً تسليمها للمهندسين البشريين في تنسيق جاهز للتعديل والاختبار والتحسين، مما يسد الفجوة بين الفكرة البسيطة والمنتج الحقيقي والفعال.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.