Zero-to-CAD: Agentic Synthesis of Interpretable CAD Programs at Million-Scale Without Real Data

A continuación se presenta un resumen técnico detallado del artículo "Zero-to-CAD: Síntesis Agente de Programas CAD Interpretables a Escala de Millones sin Datos Reales".

1. Planteamiento del Problema

El campo del diseño asistido por computadora (CAD) generativo enfrenta una escasez crítica de datos. Si bien existen conjuntos de datos 3D a gran escala (por ejemplo, ABC, Objaverse), consisten principalmente en Representaciones de Límites (B-Reps) o mallas estáticas, las cuales carecen del historial de construcción (receta paramétrica) esencial para la edición, la gestión de restricciones y la intención de diseño.

• Limitaciones Existentes: Los conjuntos de datos actuales con secuencias de construcción (por ejemplo, DeepCAD, Galería Fusion 360) son pequeños, se limitan a flujos de trabajo simples de "boceto y extrusión" y carecen de operaciones complejas como chaflanes, biselados, uniones booleanas y alabeos.
• La Brecha: No existe un conjunto de datos de programas CAD ejecutables, a gran escala y diverso que incluya vocabularios de operaciones ricos y sea legible por humanos. Los métodos sintéticos existentes (por ejemplo, CAD-Recode) a menudo producen código que es sintácticamente válido pero semánticamente superficial (valores codificados, cadenas de coordenadas) y carece de la diversidad estructural de los modelos diseñados por humanos.

2. Metodología: Pipeline Zero-to-CAD

Los autores proponen Zero-to-CAD, un marco escalable que sintetiza aproximadamente un millón de secuencias de CAD ejecutables desde cero sin utilizar ningún archivo CAD del mundo real. La innovación central es plantear la generación de CAD como un problema de búsqueda agente.

A. Bucle de Síntesis Agente

El sistema incrusta un Modelo de Lenguaje Grande (LLM) dentro de un entorno CAD impulsado por retroalimentación (utilizando la biblioteca Python CadQuery). El agente opera en un bucle cerrado:

1. Generación: El LLM genera código CadQuery basado en una descripción de la pieza.
2. Ejecución y Validación: El código se ejecuta en un subproceso aislado. Si falla, el agente recibe retroalimentación de error estructurada (errores de sintaxis, problemas topológicos, fallos de exportación).
3. Uso de Herramientas: Ante un fallo, el agente puede:
   • Consultar Documentación: Recuperar sintaxis específica de la API de la documentación de CadQuery (utilizando TF-IDF y expresiones regulares).
   • Razonar y Reparar: Analizar el error, consultar la documentación y revisar el código.
4. Iteración: Este proceso se repite (hasta 10 turnos por intento) hasta que el código se ejecuta con éxito y pasa la validación geométrica.

B. Protocolo de Generación en Dos Etapas

Para garantizar la diversidad y la escala, el pipeline utiliza un enfoque de dos etapas:

1. Generación de Catálogo: El LLM genera un catálogo diverso de descripciones de piezas (por ejemplo, "soporte de montaje", "engranaje") organizado en 65 categorías mecánicas predefinidas.
2. Generación de Código: Para cada descripción, el agente genera código. Para evitar el colapso de modos, el sistema utiliza:
   • Fragmentos de Referencia: Proporcionar plantillas para categorías complejas para guiar la estructura sin imponer la copia de parámetros.
   • Variabilidad de Prompts: Inyectar aleatoriedad para fomentar soluciones de diseño diversas.

C. Marco de Validación

Un filtro riguroso de tres etapas asegura que solo se libere datos de alta calidad:

1. Ejecución de Código: Verifica errores de sintaxis y excepciones en tiempo de ejecución.
2. Validación Geométrica: Asegura la validez topológica (sin auto-intersecciones), conectividad (cuerpo sólido único), complejidad mínima (≥7 caras) y volumen positivo.
3. Validación de Exportación: Verifica la exportación exitosa a los formatos STL y STEP para detectar defectos geométricos sutiles.

D. Curaduría del Conjunto de Datos

• Escala Total: ~1 millón de secuencias generadas (999.633 aceptadas).
• Subconjunto Curado: Un subconjunto de 100.000 modelos seleccionado mediante agrupamiento k-means en incrustaciones visuales DINOv3 para garantizar la máxima diversidad geométrica.
• Legibilidad: A diferencia de la transpilación de cadenas de coordenadas, los programas Zero-to-CAD utilizan parámetros con nombre (por ejemplo, plate_thickness, fillet_radius) y pasos de construcción lógicos, lo que los hace legibles y editables por humanos.

3. Contribuciones Clave

1. Conjunto de Datos Zero-to-CAD: El primer conjunto de datos a escala de millones de secuencias de construcción CAD ejecutables e interpretables con amplia cobertura de operaciones (booleanas, chaflanes, biselados, alabeos, barridos, carcasas).
2. Marco de Síntesis Agente: Un pipeline novedoso que demuestra que los LLM, cuando se fundamentan en un entorno CAD con acceso a herramientas y documentación, pueden autocorregirse para producir diseños válidos y complejos sin datos reales de entrenamiento.
3. Legibilidad y Editabilidad: El código generado imita las prácticas de ingeniería humana (variables con nombre, flujo lógico), cerrando la brecha entre la generación sintética y la utilidad práctica.
4. Capacidad de Arranque: Prueba de que los datos sintéticos pueden impulsar modelos de generación de secuencias, permitiéndoles reconstruir CAD editable a partir de imágenes sin haber visto nunca historiales de construcción reales.

4. Resultados Experimentales

A. Calidad y Diversidad del Conjunto de Datos

• Comparación: Comparado contra CAD-Recode y ABC.
• Métricas: Zero-to-CAD logra una distancia de Fréchet menor hacia el conjunto de datos ABC del mundo real (0,164 frente a 0,268) y una mayor cobertura de k-bolas.
• Complejidad: El conteo medio de caras (46,2) coincide estrechamente con las piezas del mundo real (ABC: 50,7), mientras que CAD-Recode es significativamente más simple (16,4).
• Validez: El 0% de las piezas Zero-to-CAD son sólidos multicuerpo desconectados o están por debajo del umbral de 7 caras, en comparación con el 56,3% y el 12,9% respectivamente para CAD-Recode.

B. Reconstrucción de Imagen a Secuencia (Arranque)

Los autores ajustaron finamente un Modelo Visión-Lenguaje (VLM) Qwen3-VL-2B en el conjunto de datos Zero-to-CAD para reconstruir código CAD editable a partir de 8 imágenes de múltiples vistas.

• Rendimiento In-Distribution: El modelo ajustado finamente logró una tasa de éxito del 82,1% con una IoU media de 0,747 en el conjunto de pruebas Zero-to-CAD.
• Comparación con Línea Base: Superó significativamente al modelo Qwen base (6,6% de éxito) y a GPT-5.2 (72,2% de éxito, 0,485 IoU).
• Generalización Out-of-Distribution (OOD): Cuando se probó en el conjunto de datos ABC del mundo real (diseñado por humanos), el modelo mantuvo una tasa de éxito del 61,0% y una IoU media de 0,377, superando a las variantes de GPT-5.2 en fidelidad geométrica (IoU y Distancia de Chamfer), a pesar de haber sido entrenado solo con datos sintéticos.

5. Significado

• Resolución del Cuello de Botella de Datos: Zero-to-CAD demuestra que la escasez de datos CAD editables puede superarse mediante síntesis agente escalable, eliminando la necesidad de extracción de datos propietarios.
• Puente entre Geometría e Intención: Al proporcionar código paramétrico y legible, el conjunto de datos permite que la próxima generación de IA para CAD no solo genere formas, sino que genere diseños que los ingenieros puedan modificar.
• Viabilidad de la Supervisión Sintética: Los resultados prueban que los priores de los LLM sobre el diseño mecánico, cuando se validan mediante entornos de ejecución, pueden convertirse en datos de entrenamiento de alta calidad. Esto permite que modelos más pequeños y especializados (2B parámetros) superen a modelos fronterizos masivos (GPT-5.2) en tareas específicas de CAD, ofreciendo una ruta rentable para la adopción de IA industrial.
• Liberación de Recursos: Los autores liberan el conjunto de datos completo, el subconjunto curado, las incrustaciones precalculadas y el modelo ajustado finamente, proporcionando un recurso vital para la comunidad de investigación.