PR-CAD: Progressive Refinement for Unified Controllable and Faithful Text-to-CAD Generation with Large Language Models

1. Il Problema

La modellazione CAD (Computer-Aided Design) tradizionale è un processo laborioso che richiede competenze specializzate e una profonda conoscenza delle interfacce software e dei principi di modellazione geometrica. Sebbene i recenti progressi nei Modelli Linguistici su Larga Scala (LLM) abbiano ispirato la ricerca sulla generazione di CAD da testo, le approcci esistenti presentano limitazioni critiche:

• Separazione tra Generazione e Modifica: Le metodologie attuali trattano la creazione iniziale e la modifica (editing) dei modelli come compiti disgiunti. In pratica, il design è un processo iterativo; i progettisti raramente ottengono un modello perfetto al primo tentativo, ma lo affinano attraverso una serie di modifiche (aggiunte, rimozioni, alterazioni).
• Mancanza di Unificazione: I sistemi esistenti non offrono un framework unificato per questo affinamento progressivo, costringendo gli utenti a tornare alla modifica manuale o ad accettare modelli subottimali.
• Dipendenza da Prompt Tecnici: Molti metodi richiedono prompt testuali altamente dettagliati e tecnici, difficili da formulare per utenti non esperti.
• Dati di Addestramento Limitati: I dataset esistenti per l'editing spesso si basano su modifiche casuali e semplificate, non catturando la natura guidata dall'intento e le sfumature delle raffinazioni di design reali (sia qualitative che quantitative).

2. Metodologia: PR-CAD

Il paper propone PR-CAD, un framework di "affinamento progressivo" che unifica la generazione e la modifica controllata e fedele di modelli CAD basati su testo. La metodologia si articola in tre componenti principali:

A. Dataset di Interazione ad Alta Fedeltà

Per supportare sia la generazione che l'editing, gli autori hanno curato un dataset interattivo che copre l'intero ciclo di vita del CAD:

• Copertura Completa: Include descrizioni qualitative (es. "rendi la base più spessa") e quantitative (es. "riduci il raggio di 6mm").
• Simulazione Umana: Il processo di annotazione simula le azioni umane. Per l'editing, vengono rimossi sistematicamente operazioni S-E (Sketch-Extrude) o loop dai modelli esistenti per creare coppie di modelli "prima/dopo". Vengono poi generate istruzioni testuali per queste modifiche.
• Rappresentazioni Multiple: I dati sono convertiti in diverse rappresentazioni di sequenza CAD (DSL, Structured Text, GPL) utilizzando strumenti di traduzione del codice e LLM, garantendo compatibilità con i modelli linguistici.

B. Framework di Ragionamento Potenziato da RL

PR-CAD integra la comprensione dell'intento, la stima dei parametri e la localizzazione precisa delle modifiche in un unico agente:

• Structured Chain-of-Thought (SCoT): Viene utilizzato un formato di testo strutturato per guidare il ragionamento dell'LLM in quattro passaggi chiave:
  1. Comprensione dell'intento: Allineamento tra il modello CAD corrente e le istruzioni dell'utente.
  2. Analisi della modellazione: Identificazione degli elementi e delle relazioni (es. <sketch>, </sketch>).
  3. Calcolo dei parametri: Esecuzione di calcoli necessari per trasformazioni geometriche.
  4. Identificazione della posizione: Determinazione delle parti del modello da modificare e output della sequenza di azioni.
• Post-Training Ibrido:
  • SFT (Supervised Fine-Tuning): Addestra il modello (basato su Qwen2.5-7B) a mappare le istruzioni su linguaggi specifici per il dominio (DSL) utilizzando dati strutturati.
  • Reinforcement Learning (RL): Utilizza l'algoritmo GRPO (Generalized Reward Optimization) per ottimizzare ulteriormente il modello. La funzione di ricompensa ($R$) combina quattro componenti:
    • $R_{chamfer}$: Ricompensa densa basata sulla distanza di Chamfer (similitudine geometrica).
    • $R_{format}$: Penalità per output con formato errato.
    • $R_{exec}$: Penalità per codice non eseguibile.
    • $R_{length}$: Penalità per sequenze eccessivamente lunghe.

C. Sistema ChatCAD

Per dimostrare l'applicabilità reale, è stato sviluppato ChatCAD, un sistema che permette agli utenti di affinare i modelli CAD attraverso dialoghi multi-turno, supportando transizioni fluide tra passaggi di design.

3. Contributi Chiave

1. Framework Unificato PR-CAD: Una soluzione "all-in-one" che unisce generazione e modifica iterativa in un unico agente controllabile, superando la disconnessione dei metodi precedenti.
2. Dataset di Interazione ad Alta Fedeltà: Un nuovo dataset che copre l'intero ciclo di vita del CAD, supportando tipi di editing diversi e modalità descrittive sia qualitative che quantitative, con dati generati in modo da imitare le interazioni umane.
3. Metodo di Ragionamento Ibrido: Un approccio innovativo che combina SFT, SCoT e RL per ottimizzare la fedeltà geometrica, l'esecutibilità e l'allineamento con l'intento dell'utente.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti su benchmark pubblici e valutazioni umane, confrontando PR-CAD con metodi come GPT-4o, Text2CAD, FLEXCAD e CAD-Editor.

• Prestazioni Quantitative:
  • Generazione: PR-CAD ottiene il tasso di invalidità (IR) più basso (0.62%) e la minima distanza di Chamfer (5.87), superando significativamente GPT-4o e Text2CAD.
  • Modifica (Editing): Nel task di editing, PR-CAD raggiunge un IR di 0.91% e una distanza di Chamfer di 6.30, superando metodi specializzati come CAD-Editor.
  • Fedeltà all'Intento: PR-CAD ottiene il punteggio più alto nella valutazione VLM-Eval (77.83), dimostrando una migliore capacità di preservare l'intento dell'utente rispetto alle alternative.
• Valutazione Umana:
  • Tasso di Successo: Gli esperti hanno raggiunto il 100% di successo con l'approccio multi-turno, mentre i principianti hanno raggiunto l'81.25% (rispetto al 31.25% con la generazione single-turn).
  • Usabilità: I punteggi SUS (System Usability Scale) sono stati molto alti (93.125 per esperti, 80.625 per principianti), indicando che il paradigma di affinamento progressivo rende la modellazione CAD accessibile anche ai non esperti.
• Studi di Ablazione: La rimozione di SFT, RL o SCoT ha portato a cali significativi nelle prestazioni, confermando che tutti i componenti sono essenziali per il successo del sistema.

5. Significato e Impatto

PR-CAD rappresenta un passo avanti fondamentale verso la democratizzazione della progettazione CAD.

• Accessibilità: Riduce drasticamente la curva di apprendimento, permettendo a utenti non esperti di creare e modificare modelli complessi tramite linguaggio naturale.
• Efficienza: Unifica il flusso di lavoro, eliminando la necessità di passare tra strumenti di generazione e strumenti di editing manuali.
• Fideltà e Controllo: Dimostra che è possibile ottenere modelli geometricamente precisi e fedeli alle specifiche (sia qualitative che quantitative) attraverso un processo iterativo guidato da LLM potenziati da RL.
• Riproducibilità: Gli autori hanno promesso di rilasciare codice, dataset e modelli pre-addestrati, favorendo la ricerca futura in questo settore.

In sintesi, PR-CAD risolve il problema della frammentazione tra creazione e modifica nel CAD, offrendo un sistema robusto, controllabile e user-friendly che supera lo stato dell'arte sia in termini di accuratezza geometrica che di soddisfazione dell'utente.