🤖 AI

ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation

ArtisanCAD es un agente de CAD de nivel industrial que aprovecha la destilación de conocimiento fundamentada en expertos y una representación intermedia ejecutable (CAD-IR) para transformar prompts de lenguaje natural ambiguos y datos procedimentales de expertos en modelos B-Rep editables y listos para producción con mayor precisión y robustez.

Autores originales: Yunhan Xu, Qifeng Wu, Xunjin Li, Yuanwei Bin, Qingsong Yao, Jianghang Gu, Guan Wang, Weihao Lv, Huiyu Yang, Wenfa Luo, Jiao Xiang, Yuntian Chen, Shiyi Chen

Publicado 2026-07-08

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yunhan Xu, Qifeng Wu, Xunjin Li, Yuanwei Bin, Qingsong Yao, Jianghang Gu, Guan Wang, Weihao Lv, Huiyu Yang, Wenfa Luo, Jiao Xiang, Yuntian Chen, Shiyi Chen

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tratando de enseñarle a un robot cómo construir un mueble complejo, como la puerta de un coche personalizado o un soporte de motor. No puedes simplemente decirle: "Haz una puerta". El robot necesita saber exactamente cómo construirla: dónde dibujar la primera línea, qué agujero taladrar primero y cómo asegurar que las piezas encajen perfectamente. Si das instrucciones vagas, el robot podría construir un desastre tambaleante o quedarse atascado a mitad del proceso.

Este artículo presenta ARTISANCAD, un asistente robótico inteligente diseñado para resolver este problema para ingenieros industriales. Así es como funciona, desglosado en conceptos simples:

1. El Problema: Instrucciones vagas vs. Secretos de expertos

Las herramientas de IA actuales son buenas convirtiendo texto simple en formas 3D, pero tienen dificultades con las piezas industriales del mundo real.

El Problema: Si le dices a una IA estándar: "Haz una placa de bisagra más profunda", podría adivinar la forma incorrecta o de olvidar añadir los agujeros necesarios. Carece de la "memoria muscular" de un experto humano.
La Pieza Faltante: Los ingenieros reales tienen años de experiencia. Tienen videos grabados de su trabajo, notas escritas en dibujos y han guardado "registros de macros" (grabaciones digitales de sus clics de ratón y comandos). Las herramientas de IA existentes ignoran este tesoro de conocimiento.

2. La Solución: La "Receta Maestra" (CAD-IR)

La innovación central de ARTISANCAD es algo llamado CAD-IR (Representación Intermedia de Diseño Asistido por Computadora). Piensa en esto como una Receta Maestra o un Plano para un Plano.

En lugar de que la IA intente adivinar la forma final desde cero, utiliza el CAD-IR para organizar el proceso:

Es un Traductor: Toma las grabaciones desordenadas del mundo real de un ingeniero experto (como un video de ellos usando el software CATIA) y las convierte en una lista limpia y paso a paso de instrucciones.
Es una Lista de Verificación: No solo dice "haz un agujero". Dice: "Primero, dibuja un círculo. Segundo, asegúrate de que esté centrado. Tercero, taladra. Cuarto, verifica si es liso".
Es una Biblioteca de Habilidades: La IA convierte estas recetas en "Habilidades". Si un ingeniero sabe cómo construir una puerta de coche, esa "Habilidad" se guarda. Más tarde, si alguien pide una puerta más ancha, la IA no empieza de cero; toma la "Habilidad de Puerta" y solo ajusta el ancho.

3. Cómo funciona el robot (El Ciclo)

Cuando un usuario da una solicitud (por ejemplo, "Haz este panel del capó del coche más alto"), ARTISANCAD pasa por un ciclo:

Recuperación: Busca en su biblioteca la "Habilidad de Panel de Capó" creada por un experto humano.
Adaptación: Toma la "Receta Maestra" (CAD-IR) del experto y actualiza los números según la solicitud del usuario (por ejemplo, "Cambiar altura de 10 cm a 15 cm").
Ejecución: Envía estas instrucciones actualizadas a un backend de software profesional (CATIA) para construir realmente el modelo 3D.
Los "Ojos" (Retroalimentación Visual): Este es un paso crucial. El robot genera el modelo, toma fotos de él desde ocho ángulos diferentes (frente, atrás, arriba, lado, etc.) y se las muestra a un "inspector" de IA.
- El Inspector pregunta: "¿Se ve esto como un panel de capó alto? ¿Borramos accidentalmente los agujeros?".
- Si la respuesta es "No", el robot reescribe la "Receta Maestra" (CAD-IR) e intenta de nuevo.

4. Los Resultados: De "Tal vez" a "Listo para Producción"

El artículo probó esto de dos maneras:

La Prueba "Ciega": Pidieron a la IA que construyera formas a partir de descripciones vagas sin usar ayuda de expertos.
- Sin la "Receta Maestra" (CAD-IR): La IA cometía errores, omitiendo detalles como agujeros o soportes delgados.
- Con la "Receta Maestra": La IA construyó formas mucho más precisas, completando los detalles faltantes que la instrucción vaga no especificaba.
La Prueba del "Mundo Real": Lo utilizaron en cuatro piezas de coche complejas (como un panel de capó y una placa de cerradura).
- Grabaron a expertos humanos construyendo estas piezas, convirtieron esas grabaciones en "Habilidades" y luego pidieron a la IA que hiciera variaciones (por ejemplo, "Hazlo más ancho", "Hazlo más profundo").
- Resultado: La IA creó con éxito nuevos modelos 3D editables y de grado profesional que los ingenieros realmente podrían usar. Sin las "Habilidades" de los expertos, la IA fallaba por completo porque las instrucciones eran demasiado complejas para adivinar.

Resumen de la Analogía

Imagina que quieres hornear un pastel complejo.

IA Antigua: Dices: "Haz un pastel". La IA adivina los ingredientes y hornea un desastre amorfo porque no conoce el orden de mezclado o los tiempos de horneado.
ARTISANCAD: Dices: "Haz un pastel, pero más alto". La IA extrae una Receta Maestra escrita por un maestro pastelero (el experto). Sabe exactamente qué molde usar y cómo ajustar el tiempo de horneado para un pastel más alto. Hornea el pastel, toma una foto para verificar si subió correctamente y, si está un poco desviado, ajusta la receta y hornea de nuevo hasta que sea perfecto.

En resumen: ARTISANCAD cierra la brecha entre las ideas vagas humanas y la fabricación industrial precisa, enseñando a la IA a aprender de la "memoria muscular" de los expertos humanos, convirtiendo su experiencia en habilidades digitales reutilizables y editables.

Resumen Técnico: ARTISANCAD

Planteamiento del Problema

El Diseño Asistido por Computadora (CAD) industrial para sectores como el automotriz y el aeroespacial requiere un modelado procedimental de largo alcance, dependencias de características robustas y una ejecución de Representación de Frontera (B-Rep) de grado de producción. A diferencia del modelado el 3D casual, el CAD industrial implica flujos de trabajo complejos con croquis, restricciones y geometría paramétrica editable.

Los métodos actuales de texto-a-CAD, aunque prometedores, enfrentan limitaciones significativas cuando se aplican en contextos industriales:

Manejo de la Ambigüedad: Tienen dificultades cuando los prompts del usuario son ambiguos, insuficientes o describen solo una intención de diseño de alto nivel sin los detalles de construcción de bajo nivel.
Falta de Conocimiento Experto: Rara vez explotan el rico conocimiento procedimental disponible naturalmente en los flujos de trabajo industriales, tales como grabaciones de operaciones de CATIA, registros de macros, notas de dibujo y descripciones de ingeniería.
Brecha de Complejidad: Los métodos actuales suelen evaluarse en piezas simples o programas cortos de croquis-extrusión, fallando al intentar manejar los procedimientos de largo alcance, las superficies B-Rep curvas y las operaciones híbridas requeridas para componentes industriales complejos.

Metodología

El artículo presenta ARTISANCAD, un agente de CAD de nivel industrial que fundamenta la generación en conocimiento procedimental experto a través de un mecanismo llamado Destilación de Conocimiento Basada en Expertos. El sistema opera mediante dos etapas primarias:

1. Adquisición de Experto-a-Habilidad (Fuera de línea)

Esta etapa transforma registros de expertos de una sola vez en habilidades parametrizadas y reutilizables.

Entrada: Datos heterogéneos de expertos, incluyendo grabaciones de macros de CATIA, notas de dibujo, árboles de características y descripciones de ingeniería.
Proceso: Un agente orientado al código (Codex-xHigh) analiza estos registros para convertirlos en procedimientos de modelado estructurados.
Salida (Habilidad de la Pieza): Una habilidad $s$ $s$ se define como una tupla $(D_s, O_s, P_s, Z_s)$ $(D_{s}, O_{s}, P_{s}, Z_{s})$ :
- $D_s$ : Descripción básica de la pieza (rol funcional, características geométricas).
- $O_s$ : Orden de operación del experto (un prior procedimental reutilizable, no un script fijo).
- $P_s$ : Esquema de parámetros (parámetros editables como ancho, radio, con rangos válidos).
- $Z_s$ : Template CAD-IR (el núcleo de la plantilla procedimental ejecutable).

2. Generación de Variantes de CAD Guiada por Habilidades (En línea)

Dada una solicitud de usuario para una nueva variante (por ejemplo, "hacer la placa más profunda"), el agente no genera un script de backend desde cero. En su lugar, adapta una habilidad existente.

Recuperación de Habilidades: El agente recupera la habilidad más relevante de la base de conocimientos basada en la consulta del usuario.
Instanciación de CAD-IR: El agente instancia la plantilla CAD-IR ( $Z_s$ ) con la nueva solicitud. Esto completa los parámetros faltantes, actualiza los argumentos de operación y preserva las dependencias derivadas por expertos y las reglas de verificación.
CAD-IR (Representación Intermedia): La innovación central es el CAD-IR, una representación procedimental ejecutable definida como $Z = (P, T, O, E, V)$ $Z = (P, T, O, E, V)$ :
- $P$ : Parámetros globales de la pieza.
- $T$ : Herramientas de backend requeridas (vinculaciones MCP).
- $O$ : Lista ordenada de operaciones de CAD (intención, llamadas a herramientas, argumentos, salidas, dependencias, verificación).
- $E$ : Entidades generadas y relaciones de dependencia.
- $V$ : Reglas de verificación.
Ejecución de Backend: El CAD-IR generado se envía a un backend CATIA-MCP, que traduce las operaciones del IR en comandos nativos de CATIA para producir modelos B-Rep editables.
Bucle de Retroalimentación Visual: Un sistema de retroalimentación visual multivista ligero evalúa el modelo generado. Si se encuentran inconsistencias, el agente reescribe el CAD-IR (no el script de backend) para corregir parámetros u operaciones, iterando hasta que el modelo pase las comprobaciones visuales y estructurales.

Contribuciones Clave

Mecanismo de Adquisición de Experto-a-Habilidad: Un flujo de trabajo novedoso que destila el conocimiento experto heterogéneo (macros, registros, notas) en CAD-IR y habilidades parametrizadas reutilizables. Esto permite que los procedimientos de modelado experto se adapten a nuevas solicitudes de variantes dentro de la misma familia de componentes.
Agente ARTISANCAD: Un agente de CAD industrial guiado por habilidades con soporte para múltiples backends. Recupera habilidades, instancia y revisa procedimientos al nivel del IR, y los ejecuta a través de un backend CATIA-MCP dedicado. Incorpora un bucle de retroalimentación visual multivista para el refinamiento iterativo.
CAD-IR como Andamiaje Procedimental: El artículo demuestra que representar la generación de CAD como una representación intermedia explícita y ejecutable cierra la brecha entre las descripciones textuales vagas y la compleja construcción de CAD ejecutable.

Resultados Experimentales

Los autores evaluaron ARTISANCAD en dos frentes:

1. Benchmark Público Text2CAD

Configuración: Probado en 100 prompts de nivel intermedio sin utilizar ningún conocimiento experto previo (aislando el efecto del CAD-IR).
Hallazgos:
- Distancia de Chamfer (CD): Redujo la media de CD de 14.83 (ARTISANCAD sin IR) a 9.88 (ARTISANCAD con IR).
- IoU de Sólido: Mejoró de 0.614 a 0.646.
- Comparación: ARTISANCAD con IR superó significativamente a los baselines como Text2CAD (CD 29.80) y CAD-Coder (CD 14.16).
- Significancia: Incluso sin habilidades de experto, el CAD-IR proporciona un andamiaje procedimental superior para convertir prompts ambiguos en operaciones ejecutables.

2. Componentes Automotrices Industriales

Configuración: Aplicado a cuatro piezas automotrices complejas (Placa de Refuerzo de Bisagra, Panel de Capó, Soporte de Panel Exterior, Placa de Refuerzo de Cerradura). Las grabaciones de macros de expertos fueron destiladas en habilidades.
Hallazgos:
- ARTISANCAD generó con éxito modelos B-Rep editables y listos para producción para nuevas solicitudes de variantes (por ejemplo, cambiar la profundidad, el ancho o la disposición de los agujeros) adaptando las habilidades destiladas.
- Ablación: Los intentos de generar estos componentes complejos sin el CAD-IR guiado por habilidades fallaron, ya que el agente no pudo inferir los necesarios órdenes de operación de largo alcance y las dependencias a partir de prompts cortos.

Significancia y Reivindicaciones

El artículo afirma que ARTISANCAD representa un cambio de la generación de secuencias de CAD aisladas hacia la automatización de CAD orientada a la producción.

Cerrar la Brecha: El sistema cierra eficazmente la brecha entre la intención ambigua del usuario y los rigurosos procedimientos de largo alcance requeridos en el diseño industrial.
Reutilización del Conocimiento: Al destilar las grabaciones de macros de expertos en habilidades reutilizables, el sistema permite a los ingenieros aprovechar el conocimiento procedimental acumulado en lugar de redescubrir los flujos de trabajo desde cero.
Robustez: El uso de CAD-IR como una capa intermedia permite revisiones a nivel de operación e integración de retroalimentación visual, lo que hace que el sistema sea más robusto ante entradas ambiguas y errores de ejecución en comparación con la generación directa de scripts de backend.

Los autores concluyen que, mientras que los sistemas actuales de texto-a-CAD están limitados por su falta de priors procedimentales, ARTISANCAD demuestra que fundamentar la generación en habilidades derivadas de expertos y representaciones intermedias ejecutables es esencial para escalar los agentes de CAD hacia flujos de trabajo industriales prácticos.