Resumo Técnico: CADDesigner

Declaração do Problema

A modelagem conceitual de Projeto Assistido por Computador (CAD) geralmente exige altos níveis de expertise para traduzir especificações abstratas ou incompletas em modelos 3D paramétricos precisos. Plataformas CAD tradicionais dependem de fluxos de trabalho manuais e iterativos, que são demorados e propensos a erros para usuários iniciantes. Embora avanços recentes em Modelos de Linguagem de Grande Escala (LLMs) ofereçam oportunidades para automação, as abordagens existentes enfrentam obstáculos significativos:

1. Escassez de Dados e Intensidade de Recursos: O ajuste fino de LLMs de código aberto para CAD requer recursos substanciais de GPU e conjuntos de dados de treinamento de alta qualidade e diversos, que permanecem escassos.
2. Limitações de Representação: Abordagens tradicionais de modelagem paramétrica frequentemente suportam apenas um conjunto restrito de operações (por exemplo, esboço e extrusão) e têm dificuldade com procedimentos de modelagem complexos.
3. Ambiguidade de Contexto: Os Kits de Desenvolvimento de Software (SDKs) de CAD existentes, como o CadQuery, frequentemente dependem de contexto implícito (APIs fluentes) ou operadores simbólicos sobrecarregados, dificultando que os LLMs rastreiem estados intermediários de modelagem, o que leva a ambiguidades e reduz a confiabilidade do código gerado.

Metodologia

Os autores propõem o CADDesigner, um framework de agente baseado em LLM projetado para geração de modelos CAD conceituais. O sistema aceita entradas multimodais (descrições textuais e esboços) e engaja-se em diálogo interativo para refinar requisitos de design.

1. Arquitetura do Agente (Paradigma ReAct)

O CADDesigner emprega um agente estilo ReAct que orquestra o processo de modelagem por meio de raciocínio iterativo, execução de ferramentas e refinamento de feedback. O fluxo de trabalho envolve:

• Refinamento de Requisitos ($T_1$): Converte entradas multimodais do usuário em especificações de design detalhadas por meio de diálogo interativo.
• Geração de Código com Restrições de Conhecimento ($T_2$): Gera código executável de modelagem CAD recuperando anotações de funções relevantes e exemplos de casos de uma base de conhecimento estruturada.
• Execução de Comandos ($T_3$): Executa o código Python gerado para produzir modelos CAD.
• Feedback Visual ($T_4$): Renderiza instantâneos de múltiplas vistas do modelo gerado e utiliza um mecanismo de resposta a perguntas visuais para diagnosticar erros e determinar se o modelo satisfaz a intenção do usuário. Se o modelo falhar, o feedback orienta o agente a refinar o código iterativamente.

2. Paradigma de Comando de Contexto Explícito (ECIP)

Uma inovação central é o Paradigma de Comando de Contexto Explícito (ECIP), um estilo de representação novel implementado via uma camada de API leve (SimpleCADAPI) construída sobre o CadQuery.

• Transições de Estado Explícitas: Diferentemente da API fluente do CadQuery, que depende de estado interno implícito, o ECIP impõe a passagem explícita de todos os objetos de entrada e parâmetros para cada operação ($S_{k+1} = g_k(S_k, p_k)$).
• Design Amigável a LLMs:
  • Tratamento Estruturado de Erros: Erros são retornados como triplas estruturadas (Causa, Localização, Ação Corretiva) para facilitar a depuração automatizada.
  • Anotações de Tipo Explícitas: Nomes de funções seguem um padrão estrito (ActionName_rReturnType) para eliminar ambiguidade de tipo (por exemplo, distinguindo entre Wire e Edge).
  • Operações Autoevolutivas: O sistema suporta a definição de operações compostas (por exemplo, uma "aba" ou "parafuso") que podem ser reutilizadas, permitindo que o agente acumule e aproveite conhecimento de domínio.

3. Base de Conhecimento e Recuperação

O sistema utiliza uma base de conhecimento estruturada ($\mathcal{K}$) contendo anotações de funções e casos de modelos básicos. Isso é integrado via Geração Aumentada por Recuperação (RAG) para fornecer referências semânticas e estruturais, garantindo que o código gerado esteja alinhado com as semânticas da API e reduzindo alucinações.

Contribuições Principais

1. Framework CADDesigner: Um agente de propósito geral que integra análise de requisitos, geração de código com restrições de conhecimento e correção de erros baseada em visão para gerar scripts CAD a partir de entradas multimodais.
2. Paradigma de Comando de Contexto Explícito (ECIP): Um novo paradigma de geração de código que desacopla operações CAD, melhora a qualidade do código por meio de anotações de tipo explícitas e representações de erro, e suporta uma ampla gama de operações (extrusão, revolução, chanfro, loft, etc.).
3. Feedback Visual Iterativo: Um mecanismo que utiliza renderização de múltiplas vistas e geração de perguntas visuais para validar a geometria do modelo contra a intenção do usuário, permitindo autocorreção sem intervenção humana durante o loop.
4. Acúmulo Estruturado de Conhecimento: Um mecanismo para armazenar casos de design bem-sucedidos em uma base de conhecimento estruturada, facilitando a aprendizagem contínua e a melhoria da geração de código.

Resultados Experimentais

Os autores avaliaram o CADDesigner no conjunto de dados DeepCAD (aproximadamente 178 mil modelos), utilizando um subconjunto de teste de 1.000 modelos para comparação com baselines e 200 modelos para estudos de ablação.

• Desempenho vs. Baselines: O CADDesigner superou baselines representativos (Text2CAD, cadrille, CADCodeVerify) em métricas de fidelidade geométrica (IoU, Distância de Chamfer, Distância de Hausdorff) e alinhamento semântico. Notavelmente, embora o cadrille tenha alcançado alto sucesso sintático (SUC), suas saídas frequentemente careciam de alinhamento semântico com as instruções de entrada.
• Estudos de Ablação:
  • Componentes ECIP: A remoção do tratamento estruturado de erros ou das anotações de tipo degradou significativamente o desempenho (menor Pass@1, maior número de tentativas, menor SUC), confirmando a necessidade de contexto explícito e sinais de erro.
  • Modos de Entrada: A combinação de entradas de texto e imagem produziu os melhores resultados, demonstrando que pistas visuais resolvem ambiguidades que o texto sozinho não consegue.
  • Backends de LLM: O sistema demonstrou desempenho robusto em diferentes backends de LLM (Claude-4-Sonnet, Gemini-2.5-Pro, GPT-5.2-Codex), com o Claude-4-Sonnet mostrando fidelidade geométrica ligeiramente superior.
• Comparação com Outros Paradigmas: Quando comparado aos estilos de representação do CadQuery e do build123d dentro do mesmo framework de agente, o ECIP alcançou a maior Interseção sobre União (IoU) e Taxa de Sucesso (SUC), indicando que a representação de contexto explícito é superior para geração orientada a LLM, apesar da latência mais rápida do build123d.

Significado e Alegações

O artigo afirma que o CADDesigner reduz com sucesso a barreira de entrada para a modelagem CAD conceitual ao automatizar a tradução de ideias abstratas em modelos paramétricos precisos. Seu significado reside em:

• Redução de Requisitos de Expertise: Ao lidar com o refinamento iterativo e a correção de erros de forma autônoma, permite que usuários com expertise limitada em CAD gerem modelos 3D complexos.
• Melhoria da Confiabilidade do Código: O paradigma ECIP aborda as limitações específicas dos LLMs no rastreamento de estado implícito, resultando em geração de código mais confiável e interpretável em comparação com APIs fluentes ou simbólicas existentes.
• Escalabilidade: O sistema suporta uma ampla gama de operações e componentes padrão (por exemplo, abas, parafusos), indo além da modelagem baseada apenas em extrusão.

Os autores reconhecem limitações, observando que a latência de ponta a ponta permanece não negligenciável para modelos complexos e que o framework atual carece de conhecimento específico de domínio industrial (por exemplo, restrições de fabricação, tolerâncias). Trabalhos futuros visam incorporar entradas de nuvem de pontos e otimizar a eficiência de inferência para aplicações industriais.