🤖 AI

CADIR: A Cross-Backend Editable Intermediate Representation for Agentic CAD Generation

Este artículo presenta CADIR, una representación intermedia ejecutable de múltiples backends construida sobre el núcleo OCCT que permite la generación de CAD agéntica con grafos de construcción explícitos y coincidencia de firmas geométricas para lograr una reconstrucción de modelos de alta fidelidad y editable a través de diversos sistemas CAD como FreeCAD, SolidWorks y Fusion 360.

Autores originales: Yu Liu, Jingzhe Ni, Yiming Chen, Junqi Huang, Ruofeng Tong, Min Tang, Peng Du

Publicado 2026-08-04

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yu Liu, Jingzhe Ni, Yiming Chen, Junqi Huang, Ruofeng Tong, Min Tang, Peng Du

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 intentando enseñarle a un robot a construir un castillo de Lego complejo. Podrías darle a un robot una foto del castillo terminado y decirle: "Haz esto", pero el robot podría simplemente pegar los ladrillos en un montón desordenado que se desmorona si intentas mover una sola pieza. O bien, podrías darle una lista de instrucciones larga y rígida como "Toma el ladrillo rojo 4, colócalo sobre el ladrillo azul 2", pero si las herramientas del robot son ligeramente diferentes a las que usaste para escribir la lista, podría agarrar el ladrillo equivocado o quedarse atascado. Este es el desafío actual en un campo llamado Diseño Asistido por Computadora (CAD), donde los ingenieros utilizan software para diseñar todo, desde motores de coches hasta carcasas de teléfonos inteligentes. Durante mucho tiempo, las computadoras solo podían crear formas 3D estáticas o seguir guiones muy específicos y rígidos que se rompían fácilmente si intentabas cambiarlos o moverlos a un programa de software diferente. Pero ahora, con el auge de los "Modelos de Lenguaje Extensos" (IA que entiende el lenguaje humano), estamos empezando a ver computadoras que pueden escuchar una descripción como "haz un engranaje" e intentar construirlo. La gran pregunta es: ¿cómo nos aseguramos de que la computadora construya algo que no solo tenga la forma correcta, sino que también sea fácil de reparar, cambiar y usar en diferentes programas de diseño?

Aquí es donde entra un nuevo sistema llamado CADIR, que actúa como un superinteligente traductor y gestor de proyectos para constructores de IA. Los investigadores detrás de este artículo descubrieron que los métodos existentes eran como darle a un chef una receta escrita en un código secreto que solo una cocina específica podía leer; si intentabas cocinarla en una cocina diferente, los ingredientes no coincidirían o los pasos no tendrían sentido. También notaron que los intentos previos de la IA a menudo construían modelos "estáticos"—como una estatua 3D—que no podías retocar más tarde sin empezar de nuevo. Para resolver esto, el equipo creó CADIR, que significa una "Representación Intermedia Editable de Backend Cruzado" (Cross-Backend Editable Intermediate Representation). Piensa en esto como un registro de construcción universal y paso a paso que no solo registra qué se construyó, sino cómo se construyó, manteniendo el rastro de cada dependencia (como cómo una rueda está unida a un eje) de una manera que cualquier software de diseño importante pueda entender.

En lugar de simplemente escupir una forma 3D final, el sistema CADIR construye un "grafo de construcción". Imagina esto como un diagrama de flujo dinámico donde cada paso del proceso de construcción es un nodo, y las líneas que los conectan muestran cómo un paso depende de otro. Si cambias el tamaño de un agujero en el medio del diseño, el grafo sabe que debe actualizar todo lo que esté conectado a ese agujero, tal como un plano de ingeniería real. El sistema utiliza un truco ingenioso llamado "Emparejamiento de Firma Geométrica" para encontrar las piezas adecuadas. Es como si perdieras un Lego específico en un juego diferente; en lugar de buscar un ladrillo con el mismo número de serie (que podría no existir en el nuevo juego), el sistema busca un ladrillo con la misma forma, tamaño y color, asegurando que el nuevo diseño encaje perfectamente incluso si el software es diferente.

Los investigadores probaron esto pidiéndole a la IA que construyera cientos de piezas mecánicas, desde bloques simples hasta ensamblajes complejos con engranajes y piezas móviles. Descubrieron que CADIR era increíblemente fiable, logrando una "tasa de éxito de ejecución" perfecta de 1.0000, lo que significa que la IA construyó los modelos con éxito sin colapsar ni cometer errores en todas las ocasiones. Cuando compararon CADIR con otros métodos, el sistema produjo formas que estaban mucho más cerca del diseño previsto (mejorando la precisión en aproximadamente un 30% en algunas pruebas) y, lo que es crucial, permitió que los modelos se abrieran y editaran en software popular como FreeCAD, SolidWorks y Fusion 360. De hecho, cuando intentaron editar estos modelos reconstruidos, el sistema tuvo éxito al reparar o cambiar las piezas casi el 100% de las veces en FreeCAD y Fusion 360.

Lo que hace que esto sea particularmente emocionante es que el sistema no solo construye desde cero; también puede "recordar" diseños pasados. Los investigadores dieron a la IA una biblioteca de grafos de construcción anteriores y descubrieron que, cuando la IA buscaba formas o piezas similares utilizando texto o imágenes, podía encontrar los bloques de construcción adecuados mucho más rápido y con mayor precisión que si solo estuviera buscando a través de código bruto. Esto significa que la IA puede aprender de su propia historia, reutilizando pequeñas estructuras ingeniosas (como una forma específica de sujetar un mango) para construir cosas más complejas más adelante. Si bien el artículo señala que algunas características muy específicas en ciertos softwares todavía no pueden editarse perfectamente debido a las limitaciones únicas de esos programas, el resultado general es un salto masivo hacia adelante. Sugiere que nos dirigimos hacia un futuro donde la IA no solo puede diseñar máquinas complejas, sino que también puede entregarlas a ingenieros humanos en un formato que esté listo para ser retocado, probado y mejorado, cerrando la brecha entre una idea simple y un producto real y funcional.

Resumen Técnico: CADIR – Una Representación Intermedia Editable y Multi-Backend para la Generación de CAD Agéntica

Declaración del Problema

Los enfoques actuales para generar modelos de Diseño Asistido por Computadora (CAD) utilizando Modelos de Lenguaje Extensos (LLMs) enfrentan limitaciones significativas para preservar el historial de construcción, mantener referencias topológicas estables y permitir la editabilidad a nivel de característica entre diferentes sistemas CAD.

Métodos de Geometría Estática: Las técnicas como la generación de B-Rep o mallas (ej. BrepGen, AutoBrep) producen geometría final sin historial de construcción, lo que impide la edición paramétrica o a nivel de característica.
Métodos de Scripts Secuenciales: Los enfoques basados en secuencias (ej. DeepCAD, Text2CAD) a menudo conservan solo un historial parcial (secuencias de boceto-extrusión) o dependen de scripts planos específicos de un backend. Estos scripts carecen de dependencias explícitas, restricciones y referencias topológicas estables, lo que los hace frágiles cuando los parámetros cambian o al intentar transferir modelos entre diferentes núcleos (kernels) de CAD.
Frameworks Basados en Agentes: Aunque frameworks como CAD-Assistant y ProCAD introducen retroalimentación de ejecución, permanecen ligados a entornos CAD específicos y carecen de una representación intermedia (IR) estructurada capaz de la reconstrucción multi-backend o de la recuperación granular de subestructuras de modelado.

Consecuentemente, existe la necesidad de una representación intermedia que sea ejecutable, amigable para agentes y capaz de reconstruir historiales de características nativas y editables a través de backends heterogéneos (ej. FreeCAD, SolidWorks, Fusion 360).

Metodología: El Sistema CADIR

Los autores proponen CADIR, una representación intermedia ejecutable y amigable para agentes, construida sobre el núcleo de geometría OpenCASCADE (OCCT) a través de la interfaz OCP (Open Cascade Python). El sistema opera mediante tres componentes principales:

1. API de Modelado Amigable para Agentes

CADIR aborda las limitaciones de las interfaces de Python para CAD existentes (como CadQuery), que a menudo dependen de planos de trabajo implícitos y encadenamiento de métodos con estado que oscurecen el contexto para los LLMs.

Operaciones Explícitas: Expone 115 operaciones de modelado composicionales y públicas directamente sobre el núcleo OCCT.
Diagnósticos Estructurados: Cada llamada a la API devuelve geometría analítica precisa, topología, registros de diagnóstico y errores de ejecución, permitiendo a los agentes localizar fallos.
Selector de Topología (TS): Para superar la falta de fiabilidad de la selección de aristas/caras por índice (que cambia tras operaciones booleanas), CADIR introduce un Selector de Topología. Esta es una operación de selección explícita definida por una gramática: Select(τ, ρ)[Traverse(π)][Where(ϕ)].... Permite a los agentes seleccionar entidades basadas en etiquetas semánticas, predicados geométricos y el recorrido de fronteras, registrando la lógica de selección en el grafo de construcción.
Restricciones de Ensamblaje: Se proporcionan operaciones explícitas para restricciones fijas, prismáticas, de revolución y otras, junto con un verificador de colisiones estático.

2. Grafo de Construcción Multi-Backend

En lugar de transferir geometría estática o scripts específicos de una plataforma, CADIR registra la ejecución del programa como un Grafo de Construcción ( $G_{CADIR}$ ) independiente del backend.

Estructura del Grafo: El grafo consiste en nodos (operaciones de construcción canónicas), aristas dirigidas (dependencias de operación), registros de nodos estructurados (parámetros, etiquetas, contexto y cambios topológicos inducidos) y nodos de resultado.
Coincidencia de Firma Geométrica (GSM): Una innovación crítica para la reconstrucción multi-backend. Dado que los índices topológicos son inestables entre diferentes núcleos de CAD, CADIR asigna una Firma Geométrica canónica ( $\sigma$ $σ$ ) a cada entidad seleccionada. Esta firma incluye caja delimitadora (bounding box), tipo geométrico, centro, longitud/área, puntos finales y normal de superficie.
- Durante la reconstrucción, los adaptadores para los backends objetivo (FreeCAD, SolidWorks, Fusion 360) recorren el grafo y utilizan la GSM para emparejar las firmas de origen con la geometría reconstruida en el objetivo.
- El algoritmo gestiona casos donde una arista de origen se divide en múltiples aristas de destino o múltiples aristas de origen se fusionan en una sola, rechazando mapeos ambiguos para asegurar una reconstrucción fiable de la dependencia de las características.

3. Recuperación de Grafo de Construcción

Para soportar la generación compleja, CADIR emplea un mecanismo de generación aumentada por recuperación (RAG) utilizando los grafos de construcción como índices estructurados.

Arquitectura de Doble Torre: Dos modelos de doble torre entrenados independientemente gestionan consultas de texto e imagen. Mapean las consultas a un espacio de grafos consciente de CAD utilizando un Graph Transformer para modelar dependencias de largo alcance y paso de mensajes con compuertas para dependencias locales.
Recuperación de Grafo Completo y de Subgrafos: El sistema soporta la recuperación de modelos completos (grafos completos) y subestructuras de modelado reutilizables (subgrafos, ej. una secuencia específica de boceto-extrusión-chaflán). Los subgrafos se codifican durante el indexado offline, permitiendo la recuperación zero-shot de patrones de construcción locales sin supervisión explícita de subgrafos durante el entrenamiento.

Arquitectura del Agente
El Agente CADIR consta de cinco agentes especializados ( $A_m, A_r, A_c, A_v, A_e$ ) que coordinan el flujo de trabajo, el análisis de requisitos, la generación/reparación de código, la verificación visual y la consolidación de experiencias. Utiliza una librería de casos recuperable indexada por grafos de construcción para refinar la generación mediante bucles de retroalimentación iterativos.

Contribuciones Clave

Interfaz CADIR: Una interfaz de CAD ejecutable construida sobre OCP/OCCT que expone operaciones composicionales explícitas, selección consciente de la topología semántica y diagnósticos estructurados, superando la naturaleza de "caja negra" de las APIs de CAD con estado para los LLMs.
Reconstrucción Multi-Backend: Un método que aprovecha el grafo de construcción y la Coincidencia de Firma Geométrica (GSM) para establecer la correspondencia topológica entre diferentes sistemas CAD, permitiendo la reconstrucción de historiales de características editables y nativas en FreeCAD, SolidWorks y Fusion 360.
Recuperación de Grafo de Construcción: Un mecanismo de recuperación para consultas de texto e imagen que soporta la recuperación tanto de grafos completos como de subgrafos, permitiendo a los agentes aprovechar modelos completos y subestructuras de modelado específicas para tareas de generación complejas.

Resultados Experimentales

Los autores evaluaron CADIR frente a representaciones existentes (CQ, build123d, HistCAD, etc.) y métodos de generación (Text2CAD, CADDesigner) utilizando 200 modelos muestreados de DeepCAD y la Galería de Fusion 360.

Rendimiento de la Representación Intermedia: CADIR logró el Intersection over Union (IoU) más alto de 0.2702 (una mejora de ~4.85% sobre el mejor baseline, build123d con 0.2577) y la menor Distancia de Chamfer (18.36) y Distancia de Hausdorff (0.2272). Alcanzó una tasa de éxito de ejecución perfecta de 1.0000, mientras que otros métodos oscilaron entre 0.8850 y 0.9850.
Precisión de Recuperación: El indexado por Grafo de Construcción (CG) superó significativamente al indexado directo por Programa de CAD (CP). Para consultas de texto con un pool de 1,000 candidatos, el CG logró un R@5 de 0.7495 y un R@10 de 0.8054, comparado con el 0.2733 y 0.4046 del CP.
Calidad de Generación: En la generación de texto a CAD, CADIR mejoró el IoU en ~30.55% y redujo la Distancia de Chamfer en un 43.0% respecto al baseline más fuerte (CADDesigner), manteniendo una tasa de éxito de ejecución de 1.0000.
Reconstrucción Multi-Backend: Usando GSM, CADIR logró una Tasa de Reconstrucción de Nodos (NRR) de 1.0000 en FreeCAD, Fusion 360 y SolidWorks. En contraste, los baselines basados en índices y muestreo de puntos lograron NRR entre 0.3175 y 0.5342.
Edición Post-Reconstrucción: La Tasa de Éxito de Edición (ESR) fue de 1.0000 para FreeCAD, 0.9796 para Fusion 360 y 0.9184 para SolidWorks. La ligera reducción en SolidWorks y Fusion 360 se atribuye a características específicas que carecen de implementaciones editables nativas equivalentes en esos entornos.

Significado y Reivindicaciones

El artículo afirma que CADIR representa un paso significativo hacia la generación de CAD agéntica al resolver el "trilema" de preservar el historial de construcción, asegurar referencias topológicas estables y permitir la editabilidad multi-backend.

Fiabilidad: Al alejarse de los scripts implícitos y con estado hacia una representación explícita basada en grafos con coincidencia de firma geométrica, el sistema logra una fiabilidad de ejecución casi perfecta y una reconstrucción multi-backend.
Reutilización: El mecanismo de recuperación de grafos de construcción demuestra que los agentes pueden reutilizar eficazmente no solo modelos completos, sino también subestructuras de modelado específicas, mejorando la fidelidad geométrica de los diseños generados.
Interoperabilidad: La capacidad de reconstruir historiales de características editables y nativas en los principales entornos de CAD comerciales y de código abierto (FreeCAD, SolidWorks, Fusion 360) cierra la brecha entre el código generado por IA y los flujos de trabajo de ingeniería prácticos.

Los autores señalan que el trabajo futuro se centrará en incorporar la validación basada en simulación (análisis cinemático y dinámico) e integrar el conocimiento de dominio para el despliegue en ingeniería del mundo real. El código está disponible públicamente para facilitar mayor investigación en este dominio.