기술 요약: FllumaOne

문제 정의

파라메트릭 컴퓨터 보조 설계(CAD) 모델은 단순히 최종 기하학적 형상뿐만 아니라, 편집, 설계 재사용 및 제조 분석을 가능하게 하는 스케치, 피처, 파라미터 및 종속성의 순차적인 생성 이력에 의해 정의됩니다. 대규모 기하학적 저장소(예: ModelNet, ShapeNet)와 구성 인지 데이터셋(예: DeepCAD, Fusion 360 Gallery)이 형상 학습과 명령 시퀀스 생성을 발전시켜 왔으나, 실질적인 격차가 존재합니다. 기존 리소스들은 상용 CAD 라이선스 없이도 검사 가능한 생성 기록, 재생 가능한 실행 코드, 커널로 검증된 기하학, 그리고 정렬된 멀티모달 입력을 결함 없이 제공하는 데 한계가 있습니다. 또한, 많은 데이터셋이 구성 이력을 최종 형상과는 별개의 표현 문제로 취급하여, 편집 가능하고 유효하며 파라미터화된 설계를 생성하는 모델을 훈련하는 능력을 제한합니다.

방법론

저자들은 이 격차를 해소하기 위해 설계된 코드 네이티브 멀티모달 CAD 데이터셋인 FllumaOne을 소개합니다. 이 데이터셋은 Python 프로그램을 실행하여 모델을 구축하는 OpenCASCADE 커널 기반의 Qt/C++ CAD 시스템인 Flluma를 사용하여 생성되었습니다.

생성 파이프라인

1. 제어된 절차적 생성: 스케줄러가 53개의 파라메트릭 템플릿 패밀리 라이브러리에서 선택하여 4가지 복잡도 레벨(L1–L4)에 할당함으로써, 원시적(primitive) 형태와 복잡한 이력 간의 균형 잡힌 분포를 보장합니다.
2. 실행 가능한 코드 합성: 각 샘플에 대해 정규화된 Flluma API를 사용하여 Python 프로그램을 생성합니다. 이 API는 명시적인 연산 이름, 타입이 지정된 인자, 안정적인 인자 순서, 그리고 중간 객체에 대한 직접적인 변수 바인딩을 강제합니다.
3. 커널 루프 내 검증 (Kernel-in-the-Loop Validation): 생성된 프로그램은 헤드리스(headless) FllumaCLI 환경에서 실행됩니다. 기하학적 검증(예: 잘못된 불리언 결과, 퇴화된 면, 비매니폴드 기하 구조) 또는 STEP 내보내기 체크를 통과하지 못한 후보는 탈락됩니다. 유효한 OpenCASCADE B-Rep 솔리드를 생성하는 샘플만 수용됩니다.
4. 중복 제거: 커널 실행 전 구성 이력에 대한 정준적(canonical) 생성 시그니처 체크를 통해 정확히 일치하는 중복 샘플을 방지합니다.
5. 멀티모달 정렬: 수용된 샘플은 다음과 같은 통합된 모달리티 세트로 내보내집니다:
   • 소스(Source): 실행 가능한 program.py 및 구조화된 feature_tree.json.
   • 훈련 타겟(Training Target): 피처 트리를 직렬화한 압축된 training_ir.txt.
   • 기하학(Geometry): STEP 파일(AP214 스키마) 및 표면 포인트 클라우드(법선 벡터를 포함한 2,048개 포인트).
   • 시각 자료(Visuals): 포토리얼리즘보다는 가시적 에지에 집중한 8개의 정준 뷰(직교 뷰 6개, 등각 뷰 2개).
   • 텍스트(Text): 기하학적 사실을 보존하면서 자연어의 다양성을 부여하기 위해 로컬 Qwen2.5-7B 모델을 사용한 결정론적 설명(metadata 및 LLM 강화 프롬프트 기반).

베이스라인 평가

저자들은 80,000개의 훈련 샘플에 대해 LoRA로 미세 조정된 Qwen2.5-Coder-1.5B 모델을 사용하여 텍스트-투-CAD 생성에 대한 데이터셋의 유용성을 평가합니다. 작업은 자연어 설명을 실행 가능한 Python 프로그램으로 매핑하는 것입니다. 평가는 여러 단계에 걸쳐 수행됩니다:

• 코드 레벨: Python 구문 유효성 및 API 정확도.
• 실행 레벨: Flluma 내에서의 성공적인 로딩 및 빌드.
• 기하학 레벨: 커널 솔리드 검증, STEP 내보내기 성공, 그리고 참조 포인트 클라우드에 대한 정규화된 Chamfer Distance.

주요 기여

1. 쌍을 이루는 구성 표현: 데이터셋은 동일한 편집 가능한 모델링 이력을 서로 다른 추상화 수준에서 설명하는 정준 피처 트리, 실행 가능한 Python 프로그램, 그리고 압축된 훈련 IR을 제공하여 교차 모달 검증을 가능하게 합니다.
2. 커널 기반 멀티모달 릴리스: 최종 메쉬나 검증되지 않은 시퀀스에 의존하는 데이터셋과 달리, FllumaOne은 100,000개의 샘플을 커널로 검증된 STEP 기하학, 표면 포인트 클라우드, 정준 뷰 및 텍스트와 정렬하여 모든 샘플이 물리적으로 유효한 솔리드를 나타내도록 보장합니다.
3. 감사 가능한 생성 및 무결성: 릴리스에는 모달리티 완결성, 분할 멤버십, 프로그램/피처 트리/솔리드 시그니처 간의 정확한 중복 체크에 대한 종합적인 보고서가 포함되어 데이터 무결성을 보장합니다.
4. 실행 가능한 베이스라인 및 평가 도구: 저자들은 구문부터 커널 검증 및 기하학적 유사성까지 성공 여부를 측정하는 전체 평가 파이프라인과 함께 재현 가능한 텍스트-투-프로그램 베이스라인을 제공하여, 폐쇄 루프 평가 경로를 구축합니다.

결과

주요 릴리스인 FllumaOne-100K는 4가지 복잡도 레벨(L1: ~3%, L2: ~17%, L3: ~55%, L4: ~25%)에 걸쳐 수용된 100,000개의 샘플을 포함합니다.

• 베이스라인 성능: Qwen2.5-Coder-1.5B LoRA 베이스라인은 다음을 달성했습니다:
  • 99.98% Python 구문 유효성.
  • 99.97% Flluma 빌드 성공률.
  • 99.14% STEP 내보내기 유효성.
  • 99.14% 커널 솔리드 유효성.
• 기하학적 정확도: 성공적으로 포인트 클라우드로 변환된 9,909개의 예측값에 대해, 평균 정규화 Chamfer Distance는 0.002124였으며, 중앙값은 0.001491이었습니다.
• 복잡도 분석: 데이터셋은 중앙값 피처 수 6개, 중앙값 이력 깊이 4개를 보여주며, 이는 고립된 원시 객체가 아닌 다단계 편집 가능 이력에 초점을 맞추고 있음을 나타냅니다. 연산 어휘(operation vocabulary)는 44개의 토큰으로 구성되며, "Hole Pattern"이 가장 빈번한 피처 트리 레이블(14.2%)입니다.
• 무결성: 프로그램 해시, 피처 트리 해시, 훈련 IR 해시 또는 솔리드 시그니처 전반에서 정확히 일치하는 중복 항목은 발견되지 않았습니다.

의의 및 주장

본 논문은 FllumaOne을 최종 형상 데이터셋과 독점적인 네이티브 CAD 이력 사이의 단절을 해결하는 실질적인 솔루션으로 위치시킵니다. 검사 가능한 생성 기록과 재생 가능한 코드를 쌍으로 제공함으로써, 이 데이터셋은 수정 가능한 결과물이 아닌 편집 가능한 출력이 필요한 편집 가능한 CAD 재구성, 피처 트리 예측, 역설계 연구를 가능하게 합니다.

저자들은 데이터셋이 언어로부터 실행 가능하고 기하학적으로 비교 가능한 CAD 출력으로 이어지는 재현 가능한 경로를 지원한다고 주장합니다. 그러나 이 결과가 미지의 템플릿 패밀리나 오픈 도메인 설계로의 일반화라기보다는 **제어된 생성기 분포 내에서의 보간(interpolation)**임을 겸허히 밝히고 있습니다. 데이터셋은 그 절차적 생성기(템플릿 패밀리, 파라미터 범위)의 편향을 그대로 물려받으며, 인간이 작성한 산업 디자인 워크플로우의 완전한 다양성을 복제한다고 주장하지 않습니다. 핵심 가치는 코드, 피처 이력, 커널 출력, 그리고 내보내기 과정 전반에 걸친 실패를 추적할 수 있는 능력에 있으며, 이를 통해 형상 생성과 더불어 편집 가능성과 기하학적 유효성을 우선시하는 모델 개발을 촉진합니다.