CADSmith: Multi-Agent CAD Generation with Programmatic Geometric Validation

El paper presenta CADSmith, un sistema multiagente que genera modelos CAD mediante código CadQuery y los refina iterativamente mediante bucles de corrección anidados que combinan validación geométrica programática y evaluación visual, logrando una precisión y fiabilidad significativamente superiores a los métodos de un solo paso.

Lo esencial

Imagina que quieres construir una pieza de ingeniería muy precisa, como una pieza de un motor o una pieza de un dron, pero en lugar de usar herramientas físicas, le pides a una Inteligencia Artificial (IA) que la "dibuje" en la computadora escribiendo código.

El problema es que las IAs actuales son como estudiantes muy creativos pero un poco despistados: pueden escribir un código que parece correcto y hasta se ejecuta, pero si mides la pieza resultante, podría estar 5 milímetros más grande de lo que pediste, o tener un agujero donde no debería haberlo. En el mundo real, un error de un milímetro hace que la pieza sea inútil.

Aquí es donde entra CADSmith. Es como un taller de ingeniería con un equipo de expertos en lugar de un solo estudiante solitario.

¿Cómo funciona CADSmith? (La analogía del equipo de construcción)

En lugar de tener una sola IA que intenta adivinar todo de una vez, CADSmith divide el trabajo entre varios "agentes" (expertos virtuales) que trabajan en equipo:

1. El Arquitecto (Planner):
   Imagina que le das una descripción a un arquitecto: "Quiero un eje con una brida de 50 mm y 6 agujeros". El Arquitecto no dibuja nada todavía; solo toma esa idea y la convierte en un plan de construcción paso a paso muy detallado, asegurándose de que todas las medidas estén claras.

2. El Constructor (Coder):
   Este es el albañil que toma el plan y escribe el código real (el lenguaje de la computadora) para construir la pieza. Pero, a diferencia de un constructor que solo sabe lo que recuerda, este tiene una biblioteca de manuales a su lado (llamada RAG). Si necesita saber cómo hacer un agujero redondo, consulta el manual en lugar de inventarlo.

3. El Inspector de Seguridad (Executor):
   Una vez que el Constructor termina, el Inspector intenta "construir" la pieza en una caja de arena digital.

   • Bucle Interno (Errores de código): Si el código tiene un error de sintaxis (como una coma mal puesta), el Inspector lo detecta inmediatamente y le dice al Constructor: "¡Oye, esto no compila, corrígelo!". Esto sucede varias veces hasta que el código funciona.

4. El Juez Supremo (Validator):
   Aquí es donde la magia ocurre. Una vez que la pieza está construida digitalmente, entra el Juez. Este no es solo un humano mirando la pantalla; es una combinación de dos tipos de vigilancia:

   • La Regla de Hierro (Medidas exactas): Un sistema matemático mide la pieza con una precisión de micras. "¿El volumen es el correcto? ¿La altura es exactamente 60 mm?". Si la pieza mide 61 mm, el sistema lo sabe al instante.
   • El Ojo Humano (Visión): El Juez también tiene "ojos". Mira la pieza desde tres ángulos diferentes (como si giraras el objeto en tus manos) para ver si se parece a lo que pediste. ¿Hay 6 agujeros? ¿La forma general es la correcta?

El proceso de "Refinamiento" (El ciclo de corrección)

Si el Juez dice: "La pieza mide bien, pero parece que le falta un agujero" o "La altura es correcta, pero la forma es extraña", no se rinde.

• El Refinador: Recibe el mensaje del Juez junto con las medidas exactas y le dice al Constructor: "El código dice que hay 6 agujeros, pero la imagen solo muestra 5. Y la altura es 1 mm de más. Por favor, reescribe el código para arreglar esto".
• Repetición: El Constructor reescribe el código, el Inspector lo prueba y el Juez lo vuelve a revisar. Esto se repite hasta que la pieza es perfecta.

¿Por qué es importante esto?

Antes, las IAs hacían esto de una sola vez ("aquí tienes tu pieza"). Si fallaba, fallaba. Con CADSmith, es como tener un proceso de revisión en bucle cerrado:

• Precisión: No se conforman con que la pieza "se vea bien". Las medidas deben ser exactas.
• Seguridad: Si la pieza se ve bien pero tiene un error matemático, el sistema lo detecta.
• Adaptabilidad: Como usan manuales actualizados en lugar de "memorizar" datos antiguos, pueden usar las versiones más nuevas de los programas de diseño sin tener que volver a entrenar a la IA desde cero.

El resultado final

En sus pruebas, CADSmith logró que el 100% de los códigos funcionaran (antes fallaban el 5%) y mejoró drásticamente la precisión de las piezas.

En resumen: CADSmith es como pasar de pedirle a un niño que dibuje un coche en un papel (que puede salir torcido) a contratar a un equipo de ingenieros con reglas, cintas métricas y gafas de aumento que revisan el trabajo una y otra vez hasta que el coche es perfecto y listo para fabricarse.

Resumen técnico

Resumen Técnico: CADSmith

1. El Problema

La generación de modelos CAD (Diseño Asistido por Computadora) a partir de texto natural presenta desafíos únicos que las soluciones actuales no resuelven eficazmente:

• Falta de Precisión Geométrica: Los métodos existentes suelen operar en una sola pasada sin verificación geométrica o dependen de retroalimentación visual "con pérdida" (lossy). Esto impide corregir errores dimensionales críticos (ej. un error de milímetros en una caja delimitadora) que hacen que una pieza sea inutilizable en la fabricación.
• Alucinaciones de los LLM: Los Modelos de Lenguaje Grande (LLM) tienden a alucinar dimensiones y malinterpretar las APIs de CAD, generando código que puede ejecutarse pero produce geometrías incorrectas.
• Limitaciones de la Retroalimentación Actual:
  • Las métricas visuales (como VQAScore) capturan similitud semántica pero no detectan errores de escala milimétrica.
  • Las mediciones geométricas programáticas (nucleo CAD) son precisas pero ciegas a la coherencia global de la forma (pueden validar dimensiones pero no detectar si la forma general es incorrecta).
• Dependencia de Ajuste Fino (Fine-tuning): Los enfoques anteriores a menudo requieren entrenar modelos en grandes conjuntos de datos, lo que los vuelve obsoletos rápidamente cuando evoluciona la biblioteca CAD subyacente.

2. Metodología: El Pipeline Multi-Agente

CADSmith introduce un pipeline de cinco agentes especializados que operan bajo un esquema de bucles de corrección anidados para generar código CadQuery (una API Python para OpenCASCADE).

Agentes Principales:

1. Planificador (Planner): Convierte el prompt de lenguaje natural en una especificación de diseño estructurada (JSON), extrayendo dimensiones, restricciones geométricas y descomposición de componentes.
2. Codificador (Coder): Genera el script de CadQuery. Utiliza Generación Aumentada por Recuperación (RAG) sobre la documentación de la API de CadQuery y patrones de errores, en lugar de ajuste fino. Esto mantiene el sistema actualizado con las últimas versiones de la biblioteca.
3. Ejecutor (Executor): Ejecuta el código en un entorno aislado (sandbox).
   • Extrae métricas exactas del núcleo OpenCASCADE (OCCT): volumen, dimensiones de la caja delimitadora, conteo de caras/bordes/vértices y validez del sólido.
   • Si falla la ejecución, activa el Bucle Interno.
4. Validador (Validator): Actúa como un "Juez" utilizando un modelo de visión-idioma (VLM) potente (Claude Opus) independiente del generador.
   • Recibe: Prompt original, código, métricas exactas del núcleo y tres vistas renderizadas del modelo (isométrica, trasera de alto ángulo y perfil frontal).
   • Cruza la evidencia visual con las métricas numéricas para detectar errores que una sola modalidad pasaría por alto.
5. Refinador (Refiner): Recibe el feedback del Validador y el historial de intentos para corregir el código y reiniciar el bucle.

Bucles de Corrección:

• Bucle Interno: Corrige errores de ejecución (syntax errors, fallos de API) hasta 3 veces.
• Bucle Externo: Corrige errores geométricos (dimensiones incorrectas, topología errónea) basándose en la validación del núcleo y la visión, iterando hasta 5 veces.

3. Contribuciones Clave

• Arquitectura Multi-Agente: Descompone la tarea en agentes especializados (Planificador, Codificador, Ejecutor, Validador, Refinador), superando los enfoques monolíticos de un solo modelo.
• Validación Geométrica Programática de Doble Bucle: Combina un bucle interno para errores de ejecución y un bucle externo que utiliza mediciones exactas del núcleo OpenCASCADE (dimensiones, volumen, validez) para guiar la corrección geométrica.
• Evaluación Independiente "VLM-as-Judge": Utiliza un modelo de visión-idioma (Claude Opus) más potente que el generador (Claude Sonnet) para evitar el sesgo de auto-confirmación. Este juez analiza tres vistas renderizadas junto con métricas numéricas.
• RAG sobre Documentación de API: Elimina la necesidad de fine-tuning, permitiendo que el sistema se adapte a los cambios en la API de CadQuery simplemente actualizando la base de conocimientos.

4. Resultados

El sistema se evaluó en un conjunto de datos personalizado de 100 prompts divididos en tres niveles de dificultad (T1: Primitivos, T2: Piezas de Ingeniería, T3: Piezas Complejas).

Comparativa contra Baselines:

• Tasa de Ejecución: CADSmith logró un 100% de éxito en la ejecución del código (vs. 95% en la línea base zero-shot).
• Precisión Dimensional (Chamfer Distance): Reducción drástica de la distancia media de Chamfer de 28.37 mm (zero-shot) a 0.74 mm (pipeline completo).
• Calidad de Superficie (F1 Score): Mejora de la mediana de 0.9707 a 0.9846.
• Intersección sobre Unión (IoU): Mejora de 0.8085 a 0.9629.

Impacto de la Visión (Ablación):

• La eliminación de las vistas renderizadas (configuración "No-vision") causó una degradación severa en piezas complejas (T3), aumentando la distancia media de Chamfer de 1.42 mm a 49.68 mm. Esto demuestra que las métricas numéricas por sí solas no pueden detectar la "falsa convergencia" (formas que tienen las dimensiones correctas pero la geometría estructural errónea).

5. Significado y Conclusión

CADSmith demuestra que la refinación en bucle cerrado, que combina retroalimentación programática exacta (núcleo CAD) con evaluación visual holística (VLM), es fundamental para generar modelos CAD confiables a partir de texto.

• Precisión para Fabricación: A diferencia de los métodos anteriores que generan formas "visualmente plausibles", CADSmith garantiza que las piezas cumplan con tolerancias dimensionales estrictas, haciéndolas aptas para la fabricación.
• Adaptabilidad: Al no depender de fine-tuning, el sistema es robusto frente a la evolución de las herramientas de CAD.
• Limitaciones y Futuro: Aunque el sistema es altamente efectivo, el artículo reconoce que ciertas fallas sutiles (como pequeños huecos en uniones complejas) pueden pasar desapercibidas en vistas fijas de baja resolución. El trabajo futuro se dirige hacia la selección adaptativa de vistas y el manejo de ensamblajes multi-pieza.

En resumen, CADSmith establece un nuevo estándar para la generación automática de CAD, superando las limitaciones de los enfoques puramente generativos mediante una validación rigurosa y multimodal.