Resumen Técnico: FllumaOne

Declaración del Problema

Los modelos de Diseño Asistido por Computadora (CAD) paramétricos se definen no solo por su geometría final, sino por su historial de construcción: la secuencia ordenada de bocetos, características, parámetros y dependencias que permiten la edición, la reutilización del diseño y el análisis de fabricación. Si bien los repositorios de geometría a gran escala (p. ej., ModelNet, ShapeNet) y los conjuntos de datos conscientes de la construcción (p. ej., DeepCAD, Fusion 360 Gallery) han avanzado en el aprendizaje de formas y la generación de secuencias de comandos, persiste una brecha práctica. Los recursos existentes suelen carecer de la combinación de un registro de construcción inspeccionable, código ejecutable y reproducible, geometría validada por un kernel e insumos multimodales alineados sin requerir licencias comerciales de CAD. Además, muchos conjuntos de datos tratan el historial de construcción como un problema de representación separado de la geometría final, lo que limita la capacidad de entrenar modelos que generen diseños editables, válidos y parametrizados.

Metodología

Los autores presentan FllumaOne, un conjunto de datos de CAD multimodal nativo de código diseñado para cerrar esta brecha. El conjunto de datos se genera utilizando Flluma, un sistema CAD de Qt/C++ construido sobre el kernel OpenCASCADE, que ejecuta programas de Python para construir modelos.

Pipeline de Generación

1. Generación Procedural Controlada: Un programador selecciona de una biblioteca de 53 familias de plantillas paramétricas, asignándolas a cuatro niveles de complejidad (L1–L4) para asegurar una distribución equilibrada de historias primitivas y complejas.
2. Síntesis de Código Ejecutable: Para cada muestra, se genera un programa de Python utilizando una API regularizada de Flluma. Esta API impone nombres de operaciones explícitos, argumentos tipados, órdenes de argumentos estables y vinculación directa de variables para objetos intermedios.
3. Validación con Kernel en el Bucle (Kernel-in-the-Loop): Los programas generados se ejecutan en un entorno FllumaCLI sin interfaz gráfica (headless). Los candidatos son rechazados si fallan en la validación geométrica (p. ej., resultados booleanos inválidos, caras degeneradas, geometría no manifold) o en las comprobaciones de exportación STEP. Solo se aceptan las muestras que producen sólidos B-Rep válidos de OpenCASCADE.
4. Deduplicación: Una comprobación de firma de construcción canónica evita duplicados exactos en el historial de construcción antes de la ejecución del kernel.
5. Alineación Multimodal: Las muestras aceptadas se exportan en un conjunto unificado de modalidades:
   • Fuente: program.py ejecutable y un feature_tree.json estructurado.
   • Objetivo de Entrenamiento: Un training_ir.txt compacto serializado a partir del árbol de características.
   • Geometría: Archivos STEP (esquema AP214) y nubes de puntos de superficie (2,048 puntos con normales).
   • Visuales: Ocho vistas canónicas (seis ortográficas, dos isométricas) centradas en los bordes visibles en lugar del fotorrealismo.
   • Texto: Descripciones deterministas derivadas de metadatos y prompts enriquecidos por LLM (usando un modelo local Qwen2.5-7B) que preservan los hechos geométricos mientras varían el lenguaje natural.

Evaluación de Línea Base

Los autores evalúan la utilidad del conjunto de datos para la generación de texto-a-CAD utilizando un modelo Qwen2.5-Coder-1.5B ajustado mediante LoRA con 80,000 muestras de entrenamiento. La tarea consiste en mapear descripciones de lenguaje natural a programas de Python ejecutables. La evaluación abarca múltiples etapas:

• Nivel de Código: Validez de la sintaxis de Python y corrección de la API.
• Nivel de Ejecución: Carga y construcción exitosas dentro de Fllum.
• Nivel de Geometría: Validación de sólido del kernel, éxito en la exportación STEP y Distancia de Chamfer normalizada contra nubes de puntos de referencia.

Contribuciones Clave

1. Representaciones de Construcción Emparejadas: El conjunto de datos proporciona un árbol de características canónico, un programa de Python ejecutable y una IR de entrenamiento compacta que describen la misma historia de modelado editable en diferentes niveles de abstracción, permitiendo la verificación transmodal.
2. Lanzamiento Multimodal Anclado al Kernel: A diferencia de los conjuntos de datos que dependen de mallas finales o secuencias no verificadas, FllumaOne alinea 100,000 muestras con geometría STEP validada por kernel, nubes de puntos de superficie, vistas canónicas y texto, asegurando que cada muestra represente un sólido físicamente válido.
3. Auditoría de Generación e Integridad: El lanzamiento incluye informes exhaustivos sobre la completitud de la modalidad, la pertenencia de la división y las comprobaciones de duplicados exactos entre programas, árboles de características y firmas de sólidos, garantizando la integridad de los datos.
4. Línea Base Ejecutable y Herramientas de Evaluación: Los autores proporcionan una línea base reproducible de texto-a-programa y un pipeline de evaluación completo que mide el éxito desde la sintaxis hasta la validación del kernel y la similitud geométrica, estableciendo un camino de evaluación de ciclo cerrado.

Resultados

El lanzamiento principal, FllumaOne-100K, contiene 100,000 muestras aceptadas distribuidas en cuatro niveles de complejidad (L1: ~3%, L2: ~17%, L3: ~55%, L4: ~25%).

• Rendimiento de la Línea Base: El baseline Qwen2.5-Coder-1.5B LoRA logró:
  • 99.98% de validez de sintaxis de Python.
  • 99.97% de éxito de construcción en Flluma.
  • 99.14% de validez de exportación STEP.
  • 99.14% de validez de sólido del kernel.
• Precisión Geométrica: Para las 9,909 predicciones convertidas exitosamente a nubes de puntos, la Distancia de Chamfer normalizada media fue de 0.002124, con una mediana de 0.001491.
• Análisis de Complejidad: El conjunto de datos exhibe un recuento de características mediano de 6 y una profundidad de historial mediana de 4, lo que indica un enfoque en historias editables de múltiples pasos en lugar de primitivas aisladas. El vocabulario de operaciones consta de 44 tokens, siendo "Hole Pattern" (Patrón de Agujero) el más frecuente (14.2% de las etiquetas del árbol de características).
• Integridad: Se encontraron cero duplicados exactos a través de los hashes de programas, hashes de árboles de características, hashes de IR de entrenamiento o firmas de sólidos.

Significancia y Reivindicaciones

El artículo posiciona a FllumaOne como una solución práctica para la desconexión entre los conjuntos de datos de forma final y los historiales de CAD nativos propietarios. Al proporcionar un registro de construcción inspeccionable emparejado con código reproducible, el conjunto de datos permite la investigación en la reconstrucción de CAD editable, la predicción del árbol de características y la ingeniería inversa donde el resultado debe ser modificable en lugar de estático.

Los autores afirman que el conjunto de datos soporta un camino reproducible desde el lenguaje hacia una salida de CAD ejecutable y geométricamente comparable. Sin embargo, señalan modestamente que los resultados representan una interpolación dentro de un generador controlado en lugar de una generalización a familias de plantillas no vistas o diseño de dominio abierto. El conjunto de datos hereda los sesgos de su generador procedural (familias de plantillas, rangos de parámetros) y no pretende replicar toda la diversidad de los flujos de trabajo de diseño industrial creados por humanos. El valor principal reside en la capacidad de rastrear fallos a través del código, el historial de características, la salida del kernel y la exportación, facilitando el desarrollo de modelos que prioricen la editabilidad y la validez geométrica junto con la generación de formas.