CADReasoner: Iterative Program Editing for CAD Reverse Engineering

1. Problema y Contexto

La ingeniería inversa de CAD (Computer-Aided Design) busca recuperar modelos CAD paramétricos precisos a partir de datos de escaneo 3D crudos (nubes de puntos o mallas). Este es un desafío fundamental en visión por computadora y gráficos porque:

• Discrepancia de datos: Los escaneos reales contienen ruido, regiones faltantes, oclusiones y errores de registro, mientras que los modelos CAD son representaciones paramétricas limpias y exactas.
• Limitaciones de métodos existentes: La mayoría de los enfoques actuales de IA son de "un solo paso" (single-pass) o utilizan alineación simple. Carecen de mecanismos efectivos para la inferencia iterativa y la autocorrección, lo que resulta en modelos que se desvían de la geometría real o pierden detalles finos.
• Falta de realismo: Muchos conjuntos de datos públicos son sintéticos (renderizados de modelos B-Rep perfectos), lo que no refleja las imperfecciones de los escaneos físicos reales. Además, los métodos basados en agentes con modelos de lenguaje (VLM/LLM) congelados tienen un "anclaje 3D" débil y no aprenden de sus propios errores geométricos.

2. Metodología: CADReasoner

El artículo presenta CADReasoner, un marco novedoso que trata la ingeniería inversa como un bucle de edición de programas cerrado. En lugar de predecir el modelo final de una sola vez, el sistema refina iterativamente un script de código ejecutable (CadQuery en Python).

Arquitectura y Flujo de Trabajo

1. Entradas por Iteración:
   • Imágenes multi-vista: Superposiciones (overlays) que comparan la vista objetivo y la malla renderizada del paso anterior. Los canales rojo y verde indican las diferencias geométricas.
   • Nubes de puntos: Muestras de la superficie objetivo y la predicción anterior, enriquecidas con vectores de desplazamiento hacia la superficie opuesta (señales de error métrico local).
   • Programa anterior: El script CadQuery del paso $t-1$ ($C_{t-1}$).
2. Modelo: Se basa en una arquitectura de transformador multimodal (Qwen2-VL 2B) que fusiona estas modalidades. El decodificador genera un script CadQuery actualizado ($C_t$).
3. Bucle de Auto-corrección:
   • El script generado se ejecuta para renderizar una nueva malla ($S_t$).
   • Esta malla se vuelve a procesar para extraer las modalidades (imágenes y nubes de puntos) y se compara con el objetivo.
   • El modelo utiliza esta evidencia de discrepancia geométrica para refinar su predicción en el siguiente paso.
4. Simulación de Escaneo (Scan-Simulation): Para cerrar la brecha de realismo, los autores desarrollaron un pipeline que simula escaneos 3D reales a partir de modelos CAD limpios. Este proceso añade ruido, oclusiones, agujeros y suavizado de bordes. Este protocolo se aplica tanto durante el entrenamiento como la evaluación.

Estrategia de Entrenamiento (Curriculum Learning)

El modelo se entrena mediante Supervised Fine-Tuning (SFT) con un currículo progresivo:

• Fase A: Entrenamiento inicial para generar programas desde cero ($t=1$).
• Fase B y C: Entrenamiento en "rollouts" en línea donde el modelo aprende a refinar sus propias predicciones imperfectas. Esto asegura que el modelo aprenda a corregir errores basándose en la distribución real de fallos que genera, en lugar de solo memorizar datos de entrenamiento.

3. Contribuciones Clave

1. Inferencia Iterativa y Auto-corrección: Un marco donde el modelo edita su propio código basándose en la evidencia geométrica de discrepancia, imitando el proceso humano de ingeniería inversa.
2. Realismo en la Evaluación: Introducción de un protocolo de simulación de escaneo para entrenar y evaluar bajo condiciones realistas (ruido, partes faltantes), superando la dependencia de datos sintéticos limpios.
3. Fusión Multimodal: Uso complementario de imágenes multi-vista (para consistencia global y topología) y nubes de puntos con offsets (para distancias métricas precisas), logrando un anclaje 3D robusto.
4. Rendimiento SOTA: Logro de resultados de vanguardia sin necesidad de ajuste fino por Refuerzo (RL), utilizando únicamente SFT con retroalimentación geométrica.

4. Resultados Experimentales

El modelo fue evaluado en tres conjuntos de datos principales: DeepCAD, Fusion360 y MCB, en dos modalidades: superficies limpias y escaneos simulados.

• Precisión Geométrica: CADReasoner superó a los métodos existentes (como cadrille, CAD-Recode, CAD-SIGNet) en todas las métricas clave:
  • Distancia de Chamfer (CD): Reducción significativa del error de distancia.
  • Intersección sobre Unión (IoU): Mejora en la superposición volumétrica.
  • Tasa de Invalidación (IR): Reducción drástica de scripts que no se compilan o producen sólidos degenerados (llegando a IR=0 en muchos casos).
• Iteratividad: El rendimiento mejora consistentemente con el número de iteraciones ($t=1$ a $t=5$). En el modo de muestreo estocástico (beam search), el modelo explora múltiples ediciones y selecciona la mejor trayectoria, superando incluso a modelos ajustados con RL.
• Robustez ante Escaneos: En la pista de "scan-sim", CADReasoner mantuvo un rendimiento cercano al de los datos limpios, mientras que los métodos basados en datos limpios degradaron severamente su precisión. Esto demuestra que el modelo aprendió a manejar artefactos de escaneo sin sobreajustarse a ellos.
• Generalización: El entrenamiento con simulación de escaneo mejoró la transferencia en ambas direcciones (mejor rendimiento en datos limpios y en datos de escaneo).

5. Significado e Impacto

Este trabajo representa un avance significativo en la automatización de la ingeniería inversa al:

• Cambiar el paradigma: Pasar de la predicción estática a la edición iterativa guiada por geometría, alineando mejor la IA con la práctica real de los ingenieros.
• Eliminar la dependencia del RL: Demostrar que un modelo bien entrenado con SFT y retroalimentación geométrica directa puede superar a enfoques complejos de RL, ofreciendo mayor estabilidad y eficiencia.
• Puente hacia la industria: Al abordar el problema de los datos de escaneo imperfectos y proporcionar scripts de CadQuery ejecutables y editables, el sistema es directamente aplicable en flujos de trabajo industriales reales para la digitalización de piezas físicas.

En resumen, CADReasoner establece un nuevo estado del arte al combinar la capacidad de razonamiento geométrico iterativo con un entrenamiento realista, logrando reconstrucciones de CAD precisas, robustas y libres de errores incluso a partir de datos de escaneo ruidosos.