Seek-CAD: A Self-refined Generative Modeling for 3D Parametric CAD Using Local Inference via DeepSeek

Este artículo presenta Seek-CAD, un método de generación de modelos CAD paramétricos 3D sin entrenamiento que utiliza el modelo de lenguaje DeepSeek-R1 desplegado localmente junto con retroalimentación visual y de razonamiento en cadena para refinar iterativamente los diseños, apoyado por un nuevo dataset estructurado bajo el paradigma SSR.

Lo esencial

¡Claro que sí! Imagina que quieres diseñar una pieza compleja para una máquina, como una pieza de un motor o una herramienta especial. Antes, para hacer esto, un ingeniero tenía que dibujar cada línea, cada curva y cada agujero a mano, paso a paso, en un programa de computadora. Era como construir una casa ladrillo a ladrillo sin un plano claro; tomaba mucho tiempo y era fácil cometer errores.

Ahora, los investigadores han creado algo llamado Seek-CAD. Para explicarlo de forma sencilla, vamos a usar una analogía: Imagina que Seek-CAD es un "Arquitecto Genio con un Asistente de Verificación".

Aquí tienes cómo funciona, desglosado en partes fáciles de entender:

1. El Arquitecto Genio (DeepSeek-R1)

En lugar de un humano dibujando, tenemos una Inteligencia Artificial muy avanzada (un modelo de lenguaje grande) llamada DeepSeek-R1.

• La analogía: Piensa en este modelo como un arquitecto genio que ha leído millones de libros de ingeniería. Si le dices: "Quiero una taza con un asa curvada y un agujero en el fondo", él sabe exactamente qué instrucciones (código) escribir para que la computadora dibuje esa taza.
• Lo especial: A diferencia de otros sistemas que necesitan ser "entrenados" durante meses con millones de datos (como enseñar a un perro trucos nuevos), este arquitecto ya sabe todo lo que necesita. Solo tienes que darle las instrucciones y él empieza a trabajar de inmediato. Es como tener un genio que no necesita ir a la escuela porque ya sabe todo.

2. El Problema: "Alucinar"

A veces, incluso los genios se equivocan. El arquitecto puede pensar: "Ah, una taza" y dibujar un cubo, o puede olvidar poner el agujero. En el mundo de la IA, a esto se le llama "alucinación" (inventar cosas que no existen).

• El riesgo: Si el arquitecto dibuja mal, la pieza no funcionará en la vida real.

3. El Asistente de Verificación (El "Ojo Crítico")

Aquí es donde entra la magia de Seek-CAD. No se conforman con que el arquitecto dibuje una vez y listo. Tienen un sistema de retroalimentación paso a paso.

• La analogía: Imagina que el arquitecto dibuja la taza. Antes de que la envíes a la fábrica, un Inspector Visual (llamado Gemini) revisa el dibujo.
  • Pero no solo mira el dibujo final. ¡Mira el proceso de construcción! Ve cómo se dibujó la base, luego cómo se añadió el asa, luego cómo se hizo el agujero.
  • El Inspector compara lo que el Arquitecto dijo que iba a hacer (su "pensamiento en voz alta" o Chain-of-Thought) con lo que realmente dibujó.
  • Si el Arquitecto dijo: "Voy a hacer un agujero" pero el dibujo muestra una pared sólida, el Inspector grita: "¡Eh! Aquí hay un error. No hay agujero".

4. El Ciclo de Mejora (Refinamiento)

Cuando el Inspector encuentra un error, no lo descarta. Le devuelve el dibujo al Arquitecto con una nota: "Oye, olvidaste el agujero y el asa está torcida. Por favor, corrígelo".

• El Arquitecto lee la nota, piensa de nuevo ("¡Ah, tienes razón!"), y vuelve a dibujar la pieza, esta vez corrigiendo los errores.
• Este proceso puede repetirse un par de veces hasta que el Inspector esté feliz y diga: "¡Perfecto! Ahora sí es una taza".

5. El Nuevo Lenguaje de Construcción (SSR)

Para que todo esto funcione con objetos complejos (no solo cajas simples), los investigadores crearon un nuevo "idioma" o método de construcción llamado SSR (Boceto, Característica y Refinamiento).

• La analogía: Antes, los programas de diseño solo sabían hacer cosas básicas como "estirar una figura" (como estirar masa para hacer pan). El nuevo método SSR permite hacer cosas más sofisticadas, como "redondear esquinas", "hacer cortes en ángulo" o "vaciar el interior". Es como pasar de usar solo un martillo a tener un kit completo de herramientas de carpintería.

¿Por qué es importante esto?

1. Ahorro de tiempo y dinero: No necesitas un superordenador gigante para entrenar al sistema. Funciona en una computadora normal.
2. Precisión: Al revisar paso a paso, se evitan errores costosos en la fabricación.
3. Creatividad: Permite crear diseños muy complejos que antes eran difíciles de generar automáticamente.

En resumen:
Seek-CAD es como tener un arquitecto experto que dibuja planos para máquinas, acompañado de un inspector visual muy detallista. Juntos, trabajan en equipo: el arquitecto propone, el inspector revisa paso a paso comparando lo pensado con lo dibujado, y si hay errores, el arquitecto los corrige hasta que el diseño es perfecto. Todo esto sin necesidad de "entrenar" al arquitecto desde cero, aprovechando su conocimiento previo para crear piezas industriales reales de forma rápida y precisa.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "SEEK-CAD: A SELF-REFINED GENERATIVE MODELING FOR 3D PARAMETRIC CAD USING LOCAL INFERENCE VIA DEEPSEEK", presentado en ICLR 2026.

1. El Problema

La generación de modelos CAD paramétricos (historia de diseño) es crucial para la automatización industrial, pero presenta desafíos significativos:

• Limitaciones de los enfoques actuales: Los métodos existentes suelen basarse en el paradigma SE (Sketch-Extrude), que solo soporta operaciones básicas, limitando la capacidad de generar modelos complejos y diversos requeridos en la industria real.
• Dependencia del ajuste fino (Fine-tuning): Adaptar Modelos de Lenguaje Grandes (LLMs) a dominios específicos mediante fine-tuning requiere recursos computacionales masivos y reduce la flexibilidad.
• Falta de razonamiento y retroalimentación: Los enfoques "sin entrenamiento" (training-free) actuales carecen de mecanismos efectivos para utilizar el Chain-of-Thought (CoT) y la retroalimentación visual iterativa, lo que limita la precisión geométrica y la alineación con las descripciones textuales.
• Hallucinations y errores de compilación: Los LLMs a menudo generan código CAD que no se compila o no sigue la lógica de diseño correcta debido a la falta de restricciones de dominio estrictas.

2. Metodología: El Framework Seek-CAD

Seek-CAD es un marco generativo sin entrenamiento (training-free) que utiliza inferencia local con el modelo DeepSeek-R1-32B-Q4. Su arquitectura se basa en tres pilares principales:

A. Pipeline de Inferencia Local y RAG

• Inferencia Local: Utiliza DeepSeek-R1 (un modelo de razonamiento avanzado) desplegado localmente, evitando costos de API y permitiendo un control total.
• Restricción de Conocimiento: Se emplea un prompt del sistema que define la funcionalidad, documenta el esquema SSR y proporciona ejemplos, reduciendo las alucinaciones.
• Generación Aumentada por Recuperación (RAG): Se construye un corpus local de 10,000 modelos CAD. Para cada consulta, se recuperan los 3 ejemplos más similares (usando búsqueda híbrida vectorial y de texto) y se concatenan con la entrada para guiar al modelo.

B. Paradigma de Diseño SSR (Sketch, Sketch-based feature, Refinements)

A diferencia del paradigma SE tradicional, Seek-CAD introduce SSR, donde cada paso de modelado es una tripleta:

1. Sketch (Boceto): Definición 2D.
2. Sketch-based feature (Característica): Operaciones como Extrude o Revolve.
3. Refinements (Refinamientos): Opcionalmente, características complejas como Fillet (redondeo), Chamfer (chaflán) o Shell (cascarón).

• Mecanismo CapType: Para manejar características de refinamiento que requieren referencias a primitivas topológicas generadas en fases intermedias (que no están en el historial de diseño final), se introduce un sistema de referencia CapType (START, END, SWEPT) que vincula explícitamente los elementos del boceto con las primitivas resultantes.

C. Retroalimentación Visual Paso a Paso con CoT (SVF)

Este es el núcleo de la capacidad de auto-refinamiento del sistema:

1. Renderizado Intermedio: El código CAD generado inicialmente ($I_0$) se convierte en una secuencia de imágenes de perspectiva. No solo se renderiza la forma final, sino también las formas intermedias ($M_I$) de cada paso de la construcción.
2. Evaluación con VLM: Estas imágenes se envían a un Modelo de Lenguaje Visual (VLM, específicamente Gemini-2.0) junto con el Chain-of-Thought (CoT) generado por DeepSeek-R1.
3. Alineación Lógica-Visual: El VLM evalúa si las imágenes paso a paso coinciden con la lógica de diseño descrita en el CoT.
4. Refinamiento Iterativo: Si el VLM detecta discrepancias (retroalimentación negativa), esta se devuelve a DeepSeek-R1 para corregir el código. El proceso se repite hasta un máximo de 2 iteraciones (en la práctica, 1 suele ser suficiente).

3. Contribuciones Clave

1. Seek-CAD Framework: Un marco generativo sin entrenamiento que combina inferencia local de DeepSeek-R1 con un mecanismo de auto-refinamiento basado en retroalimentación visual y CoT.
2. Paradigma SSR: Una nueva estructura de datos para CAD que soporta operaciones complejas (chaflanes, redondeos, carcasas) y booleanas, superando las limitaciones del paradigma SE.
3. Mecanismo CapType: Una solución técnica para rastrear primitivas topológicas a través de operaciones de refinamiento, permitiendo la generación de geometrías complejas.
4. Nuevo Dataset: Se presenta un conjunto de datos de 40,000 muestras basado en el paradigma SSR, con descripciones textuales generadas por IA, diseñado específicamente para entrenar y evaluar modelos generativos de CAD complejos.

4. Resultados Experimentales

Los experimentos se realizaron en un conjunto de prueba de 500 modelos CAD y compararon Seek-CAD con métodos fine-tuned (CAD-Llama) y otros métodos training-free (3D-PreMise, CADCodeVerify).

• Precisión Geométrica: Seek-CAD superó a todos los competidores en métricas clave:
  • Chamfer Distance (CD): 0.1979 (mejor que CAD-Llama: 0.2147).
  • Hausdorff Distance (HD): 0.5566.
  • Intersection over Ground Truth (IoGT): 0.7226.
• Alineación Semántica: Obtuvo el puntaje G-Score más alto (3.5185), indicando una mejor comprensión de la descripción textual y la lógica de diseño.
• Eficacia del Refinamiento: La estrategia de retroalimentación paso a paso (SVF) demostró mejoras significativas tras la primera iteración, reduciendo errores de compilación y mejorando la fidelidad geométrica.
• Robustez: El modelo mantuvo su superioridad incluso al ser evaluado en el dataset DeepCAD (basado en SE), demostrando que no depende exclusivamente de su propio dataset SSR.
• Análisis de Abstracción: Los estudios mostraron que el corpus local de CAD y las restricciones de conocimiento son vitales para la compilabilidad, mientras que el uso de imágenes intermedias y CoT es crucial para la precisión del refinamiento.

5. Significado e Impacto

• Viabilidad de la Inferencia Local: Demuestra que es posible lograr un rendimiento de generación de CAD de alta calidad utilizando modelos de razonamiento locales (DeepSeek-R1) sin necesidad de costosos procesos de fine-tuning.
• Puente entre Lógica y Visualización: La integración de CoT con retroalimentación visual paso a paso resuelve el problema de la "caja negra" en la generación de CAD, permitiendo que el modelo "vea" y corrija sus propios errores lógicos durante el proceso de construcción.
• Adaptabilidad Industrial: Al soportar un conjunto de comandos más rico (SSR) y operaciones booleanas complejas, Seek-CAD se acerca mucho más a los requisitos de diseño industrial real que los métodos anteriores.
• Eficiencia de Recursos: Ofrece una alternativa escalable y eficiente para la creación de agentes de IA en diseño industrial, eliminando la barrera de entrada de la necesidad de grandes clusters de GPU para el entrenamiento.

En resumen, Seek-CAD representa un avance significativo hacia la automatización inteligente del diseño CAD, combinando la capacidad de razonamiento de modelos LLM avanzados con una verificación visual rigurosa y un esquema de modelado más expresivo.