CADSmith: Multi-Agent CAD Generation with Programmatic Geometric Validation

Il paper presenta CADSmith, un sistema multi-agente che genera modelli CAD da linguaggio naturale attraverso un processo iterativo di correzione basato su validazione geometrica programmatica e valutazione visiva, ottenendo risultati significativamente superiori rispetto ai metodi esistenti in termini di precisione e affidabilità.

L'essenziale

🛠️ Il Problema: L'Architetto che Sogna, ma non Costruisce

Immagina di voler costruire una macchina complessa usando solo la voce. Chiedi a un'intelligenza artificiale (un "Architetto Digitale") di disegnare un ingranaggio o un telaio per un drone.
Il problema è che queste intelligenze sono bravissime a parlare e a scrivere codice, ma spesso sono disastrose a misurare. Possono dirti: "Ecco un ingranaggio!", ma se lo guardi da vicino, i denti sono storti di 2 millimetri o manca un buco per la vite.
Nella progettazione reale (CAD), un errore di un millimetro rende il pezzo inutile: non si assembla, non funziona, è spazzatura. I metodi precedenti erano come un architetto che disegna su un foglio di carta: se sbaglia, deve ricominciare da capo o non si accorge dell'errore finché non è troppo tardi.

🤖 La Soluzione: CADSmith, la Squadra di Esperti

CADSmith non è un singolo robot che fa tutto da solo. È come un capo cantiere che ha assunto una squadra di specialisti, ognuno con un compito preciso, che lavorano insieme in un ciclo continuo di correzione.

Ecco come funziona la "Squadra CADSmith":

1. Il Pianificatore (Il Traduttore): Tu gli parli in italiano ("Fammi un albero con una flangia..."). Lui non disegna nulla, ma traduce le tue parole in un piano di lavoro dettagliato, come una ricetta di cucina con le misure esatte.
2. Il Programmatore (Il Cuoco): Prende la ricetta e scrive il codice (il linguaggio che il computer usa per disegnare). Ma non indovina: ha un manuale di istruzioni (una biblioteca di documenti) sempre a portata di mano per non sbagliare le ricette.
3. L'Esecutore (Il Cuoco che prova il piatto): Esegue il codice. Se il codice ha un errore di sintassi (come dire "aggiungi sale" invece di "aggiungi zucchero"), lo ferma subito e chiede aiuto.
4. Il Controllore (Il Giudice Supremo): Questo è il cuore del sistema. Quando il pezzo è "disegnato", il Controllore lo ispeziona in due modi:
   • Il Righello Magico (OpenCASCADE): Misura tutto con precisione chirurgica. "Il volume è corretto? Le dimensioni sono esatte al millimetro? Il pezzo è solido o ha dei buchi invisibili?"
   • L'Occhio Esperto (Vision-Language Model): Guarda il pezzo disegnato da tre angolazioni diverse (come se un ingegnere lo girasse tra le mani). Chiede: "Sembra davvero quello che ho chiesto? Ci sono tutti i buchi? La forma è giusta?"

🔄 Il Ciclo Magico: "Prova, Controlla, Ripara"

La vera magia di CADSmith sta nel fatto che non si arrende mai alla prima stesura. Funziona come un ciclo di due livelli:

• Il Cerchio Interno (Riparare l'errore tecnico): Se il codice non parte, il sistema corregge l'errore di programmazione e riprova.
• Il Cerchio Esterno (Riparare la forma): Se il codice parte ma il pezzo è "storto" (es. troppo largo, buco sbagliato), il Controllore dice: "Ehi, questo non va bene. Manca un buco e sei 5mm più alto del previsto".
  • Il Rifinitore (un altro membro della squadra) legge questo feedback, capisce l'errore, riscrive il codice e riprova.

Questo ciclo continua finché il pezzo non è perfetto sia matematicamente (misure esatte) che visivamente (sembra quello che volevi).

🏆 I Risultati: Perché è un gioco da ragazzi?

Gli autori hanno fatto una gara con 100 sfide, dalle forme semplici (un cubo) a quelle complesse (un telaio per drone).

• Senza il sistema (Zero-shot): L'IA provava una volta sola. Spesso falliva o produceva pezzi che sembravano giusti ma erano sbagliati di misura.
• Con CADSmith:
  • Il 100% dei pezzi è stato costruito con successo (nessun codice rotto).
  • La precisione è aumentata drasticamente. Se prima il pezzo era "vicino" alla forma giusta, ora è esatto.
  • La distanza tra il pezzo sbagliato e quello giusto è crollata da un valore enorme a quasi zero.

💡 La Metafora Finale

Immagina di dover dipingere un ritratto.

• Il metodo vecchio era: "Disegna un volto. Se non ti piace, cancella tutto e ricomincia."
• CADSmith è come avere un maestro d'arte che ti guarda mentre dipingi. Se sbagli il naso, ti dice: "È troppo a sinistra di 2 millimetri". Se il colore è sbagliato, ti dice: "Sembra un pomodoro, non una mela". Tu correggi, lui controlla di nuovo. Alla fine, hai un capolavoro perfetto, non un abbozzo.

In Sintesi

CADSmith dimostra che per creare oggetti reali con l'Intelligenza Artificiale non basta farle "sognare" il codice. Serve un sistema che misuri, guardi e corregga continuamente, trasformando un'idea vaga in un oggetto fisico pronto per essere costruito. È un passo enorme verso il futuro in cui potremo dire "Costruiscimi questo" e riceverlo esattamente come lo abbiamo immaginato.

Sommario tecnico

1. Il Problema

La generazione di modelli CAD (Computer-Aided Design) partendo da descrizioni testuali rappresenta una sfida complessa per i modelli linguistici (LLM). I metodi esistenti presentano due limiti fondamentali:

• Mancanza di verifica geometrica: Molti approcci operano in un'unica passata (single-pass) senza validazione, producendo codice che potrebbe non essere eseguibile o geometricamente errato.
• Feedback visivo "lossy": Sistemi che utilizzano feedback visivo (come immagini generate) spesso perdono la precisione dimensionale necessaria per correggere errori millimetrici. Un modello può apparire visivamente corretto ma avere dimensioni errate o topologie mancanti, rendendolo inutilizzabile per la manifattura.

Il cuore del problema è la necessità di un feedback quantificabile e preciso (misure esatte, validità del solido) combinato con una consapevolezza globale della forma per evitare che il modello converga su geometrie strutturalmente sbagliate ma numericamente accettabili.

2. Metodologia: CADSmith

CADSmith è una pipeline multi-agente progettata per generare codice CadQuery (una libreria Python per CAD parametrico basato su OpenCASCADE) partendo da prompt in linguaggio naturale. Il sistema si basa su un processo di raffinamento iterativo con due loop di correzione annidati:

Architettura Multi-Agente

Il flusso di lavoro coinvolge cinque agenti specializzati:

1. Planner: Converte il prompt naturale in una specifica di progettazione strutturata (JSON), definendo componenti, dimensioni target, vincoli geometrici e vincoli di simmetria.
2. Coder: Genera lo script CadQuery. Utilizza un approccio RAG (Retrieval-Augmented Generation) su due basi di conoscenza:
   • KB1: Documentazione API di CadQuery (metodi, esempi, trappole note).
   • KB2: Pattern di errori e soluzioni per CadQuery/OpenCASCADE.
   • Nota: Non utilizza fine-tuning, mantenendo il sistema aggiornato con l'evoluzione delle librerie CAD.
3. Executor: Esegue lo script in un processo Python isolato.
   • Se fallisce (errore di sintassi/esecuzione), attiva il Loop Interno.
   • Se ha successo, estrae metriche geometriche esatte dal kernel OpenCASCADE (volume, bounding box, validità del solido, conteggio facce/bordi/vertici).
4. Validator (Judge): Un agente basato su un modello Vision-Language (VLM) più potente (Claude Opus) rispetto a quello che genera il codice (Claude Sonnet), per evitare bias di auto-conferma.
   • Riceve: Prompt originale, codice, metriche del kernel e tre immagini renderizzate (isometrica, vista posteriore ad alto angolo, profilo frontale).
   • Esegue una validazione incrociata tra le misure numeriche, il codice e l'evidenza visiva.
5. Refiner: Riceve il feedback del Validator (discrepanze numeriche e valutazioni visive) e modifica il codice per correggere gli errori.

I Due Loop di Correzione

• Loop Interno (Errori di Esecuzione): Se il codice non esegue, un "Error Refiner" analizza lo stack trace e corregge il codice fino a 3 tentativi.
• Loop Esterno (Raffinamento Geometrico): Se il codice esegue ma la geometria è errata, il Validator fornisce feedback strutturato. Il Refiner modifica il codice e il ciclo si ripete fino a 5 iterazioni o al superamento della validazione.

3. Contributi Chiave

• Architettura Multi-Agente: Sostituisce gli approcci monolitici con una pipeline decomposta (Planner, Coder, Executor, Validator, Refiner).
• Validazione Geometrica Programmatica a Doppio Loop: Combina misure esatte del kernel OpenCASCADE (precisione dimensionale) con la valutazione olistica di un VLM (consapevolezza della forma).
• VLM-as-Judge Indipendente: L'uso di un modello VLM più potente come giudice, separato dal generatore, elimina il bias di auto-conferma tipico dei metodi di auto-correzione a singolo modello.
• RAG su Documentazione API: Elimina la necessità di fine-tuning, permettendo al sistema di adattarsi dinamicamente agli aggiornamenti della libreria CAD.
• Benchmark Rigoroso: Un nuovo dataset di 100 prompt divisi in tre livelli di difficoltà (T1: primitivi, T2: parti ingegneristiche, T3: parti complesse con loft/sweep), con script di riferimento scritti a mano e verificati.

4. Risultati

Il sistema è stato valutato su 100 prompt confrontando tre configurazioni: Zero-shot (nessun loop), No-vision (solo metriche kernel) e Full Pipeline (con visione).

• Successo di Esecuzione: La pipeline completa raggiunge il 100% di successo di esecuzione (contro il 95% dello zero-shot).
• Precisione Geometrica:
  • Chamfer Distance (Media): Ridotta drasticamente da 28.37 (zero-shot) a 0.74 (full pipeline).
  • F1 Score (Mediana): Migliorato da 0.9707 a 0.9846.
  • IoU (Mediana): Migliorato da 0.8085 a 0.9629.
• Impatto della Visione: La rimozione delle immagini (configurazione No-vision) causa un degrado significativo sulle parti complesse (T3), con la Chamfer Distance media che sale da 1.42 a 49.68. Questo dimostra che le sole metriche numeriche non riescono a rilevare la "falsa convergenza" (forme strutturalmente errate ma con volumi corretti).
• Performance per Livello: Le parti semplici (T1) e ingegneristiche (T2) ottengono punteggi quasi perfetti (F1 > 0.99), mentre le parti complesse (T3) mostrano un F1 mediano di 0.886, confermando la capacità di gestire operazioni multi-step.

5. Significato e Conclusioni

CADSmith dimostra che un'architettura multi-agente con feedback geometrico programmatico chiuso supera significativamente la generazione in singola passata per il CAD text-to-3D.

• Affidabilità: La combinazione di misure esatte (kernel) e visione (VLM) risolve il compromesso tra precisione dimensionale e coerenza strutturale.
• Manifattura: Il sistema produce geometrie che non sono solo "visivamente simili" ma dimensionalmente accurate e topologicamente valide, prerequisiti essenziali per la produzione industriale.
• Limiti e Futuro: Il paper riconosce che le viste fisse potrebbero non catturare piccoli difetti (es. micro-gap tra giunzioni), suggerendo futuri lavori su viste adattive e risoluzioni più elevate.

In sintesi, CADSmith stabilisce un nuovo standard per la generazione automatizzata di CAD, dimostrando che l'integrazione di validazione numerica rigorosa e valutazione visiva intelligente è la via per rendere l'IA affidabile nei flussi di lavoro ingegneristici critici.