Towards High-Fidelity CAD Generation via LLM-Driven Program Generation and Text-Based B-Rep Primitive Grounding

1. El Problema: La Brecha Paradigmática en la Generación de CAD

El campo de la generación de CAD asistida por IA ha avanzado, pero existe una división fundamental entre dos enfoques existentes que limita su aplicación en diseños industriales complejos:

• Modelado Paramétrico: Genera secuencias de operaciones (como extrusiones o revoluciones). Es editable e interpretable, pero falla en operaciones avanzadas (como chaflanes, redondeos o carcasas) que requieren seleccionar primitivas geométricas específicas (caras o aristas) de un modelo intermedio, las cuales no existen en el historial de diseño paramétrico puro.
• Síntesis de Representación de Límites (B-Rep): Modela directamente la geometría y topología. Aunque permite operaciones avanzadas, pierde la estructura paramétrica y la intención de diseño, haciendo que los modelos resultantes sean difíciles de reutilizar o editar.

En los sistemas CAD modernos basados en características, estos dos enfoques están intrínsecamente entrelazados: las operaciones avanzadas requieren seleccionar primitivas de un B-Rep transitorio. La falta de un marco que unifique la generación de código paramétrico con la capacidad de "anclar" (grounding) consultas de texto a primitivas geométricas específicas es el cuello de botella actual.

2. Metodología: El Marco FutureCAD

Los autores presentan FutureCAD, un marco de trabajo "texto-a-CAD" que integra modelos de lenguaje grande (LLM) con un transformador de anclaje de primitivas B-Rep (BRepGround).

A. Flujo de Trabajo General

1. Entrada: Una descripción en lenguaje natural.
2. Generación de Programa: Un LLM genera un script ejecutable en CadQuery. Cuando una operación requiere referencias a primitivas geométricas (ej. "redondear todas las caras circulares"), el LLM no selecciona la primitiva directamente, sino que genera una consulta de texto (ej. "All circular holes on the surface").
3. Anclaje (Grounding): Durante la ejecución del script, el módulo BRepGround toma el estado actual del B-Rep y la consulta de texto para identificar y seleccionar las primitivas geométricas correctas (caras o aristas).
4. Ejecución: El kernel CAD ejecuta la operación con las primitivas resueltas, actualizando el modelo.

B. Componentes Clave

1. Arquitectura BRepGround:
Es un modelo basado en transformadores diseñado para alinear consultas de texto con primitivas geométricas.

• Codificador de Texto: Utiliza BERT preentrenado para codificar la consulta.
• Codificador B-Rep: Utiliza UV-Net para extraer características de caras y aristas (representadas como mallas UV en superficies paramétricas).
• Fusión: Un módulo de fusión basado en transformadores utiliza mecanismos de atención cruzada (cross-attention) para combinar las representaciones de texto y geometría, permitiendo que el modelo entienda el contexto topológico y geométrico para seleccionar la primitiva correcta.
• Entrenamiento: Se entrena con una pérdida de entropía cruzada binaria ponderada para predecir qué primitivas son el objetivo de la consulta.

2. Entrenamiento del LLM (Estrategia de Dos Etapas):

• Ajuste Fino Supervisado (SFT): Entrena al LLM (Qwen2.5-7B) para generar scripts de CadQuery a partir de descripciones textuales. Se utiliza un conjunto de datos donde las descripciones se generan combinando imágenes renderizadas y la lógica del código CAD para evitar fugas de información y capturar la intención de diseño.
• Aprendizaje por Refuerzo (RL): Se utiliza Optimización de Política de Secuencia de Grupo (GSPO). El modelo recibe recompensas basadas en la Distancia de Chamfer (CD) entre la geometría generada y la verdad fundamental. Si el script falla al ejecutarse, la recompensa es cero. Esto mejora la generalización y reduce la tasa de errores.

C. Dataset

Se construyó un nuevo dataset de 140,000 modelos CAD del mundo real (extraídos de Onshape).

• Incluye operaciones avanzadas (redondeos, chaflanes, carcasas).
• Cada modelo tiene anotaciones de descripciones geométricas y consultas de texto para el anclaje de primitivas.
• El código CadQuery se reescribió para aumentar la diversidad programática.

3. Contribuciones Clave

1. Paradigma Unificado: FutureCAD es el primer enfoque general que unifica la generación de programas basada en LLM con el anclaje de primitivas B-Rep basado en texto, permitiendo el modelado basado en características realista.
2. Nuevo Dataset: Creación de un conjunto de datos masivo (140k+ modelos) con anotaciones ricas para entrenamiento de LLM y tareas de anclaje.
3. Tarea de Anclaje B-Rep: Introducción de la tarea de anclaje de primitivas mediante texto y el modelo BRepGround basado en transformadores para resolverla.
4. Estrategia de Entrenamiento Híbrida: Demostración de que combinar SFT con RL mejora significativamente la fidelidad geométrica y la validez de los programas generados.

4. Resultados Experimentales

Los experimentos se realizaron en el dataset FutureCAD (subconjuntos estándar y avanzado) y en un conjunto de datos fuera de distribución (Fusion360).

• Rendimiento Cuantitativo (Texto-a-CAD):
  • Fidelidad Geométrica: FutureCAD logró la Distancia de Chamfer (CD) más baja en todos los conjuntos de datos (ej. CD mediano de 31.12 en el subconjunto avanzado vs. >50 en los mejores baselines), indicando una mayor precisión geométrica.
  • Validez: Logró una tasa de invalidación (IR) extremadamente baja (1.01% en avanzado, 0.91% en estándar), superando significativamente a los métodos baselines que a menudo generan código no ejecutable o geometrías no manifiestas.
  • Generalización: Mantuvo un alto rendimiento en el conjunto de datos Fusion360 (fuera de distribución), demostrando robustez.
• Rendimiento de Anclaje (BRepGround):
  • Superó a todos los baselines (incluyendo LLM-Query y CLIP-DE) en mAP (63.07%) y F1 (50.23%).
  • Los métodos basados puramente en LLM fallaron en la selección precisa debido a la falta de percepción geométrica directa, mientras que los métodos de fusión tardía perdieron información contextual.

5. Significado e Impacto

• Superación de Limitaciones Actuales: FutureCAD cierra la brecha entre la flexibilidad del modelado paramétrico y la capacidad de las operaciones avanzadas del B-Rep, permitiendo la generación automática de diseños industriales complejos que antes eran imposibles para la IA.
• Viabilidad Industrial: Al reducir drásticamente la tasa de errores y generar modelos editables y de alta fidelidad, el marco se acerca a ser utilizable en flujos de trabajo de diseño reales.
• Nueva Dirección de Investigación: Establece el "anclaje de primitivas basado en texto" como una tarea fundamental para la próxima generación de herramientas de diseño asistido por IA, moviéndose más allá de la simple generación de secuencias de comandos hacia la comprensión semántica de la geometría intermedia.

En resumen, FutureCAD representa un avance significativo al demostrar que la combinación de la capacidad de razonamiento de los LLM con un módulo especializado de comprensión geométrica (BRepGround) permite crear modelos CAD complejos, precisos y editables a partir de descripciones de texto natural.