CADSmith: Multi-Agent CAD Generation with Programmatic Geometric Validation

O artigo apresenta o CADSmith, um pipeline multi-agente que gera modelos CAD a partir de linguagem natural e utiliza um processo iterativo de refinamento com validação geométrica programática e avaliação visual para corrigir erros e alcançar alta precisão dimensional.

O essencial

Imagine que você quer pedir para um robô desenhar uma peça de engenharia complexa, como uma engrenagem ou uma peça de um motor, apenas descrevendo-a em linguagem natural (falando ou escrevendo). O problema é que os robôs atuais (Inteligências Artificiais) são ótimos em criar "desenhos" que parecem bonitos, mas muitas vezes estão errados nas medidas. É como pedir um bolo de chocolate e receber um que parece igual, mas é feito de plástico: visualmente ok, mas inútil para comer (ou, no caso da engenharia, para fabricar).

O CADSmith é um novo sistema criado por pesquisadores para resolver exatamente esse problema. Eles não deixaram um único robô fazer tudo; em vez disso, criaram uma equipe de especialistas que trabalha juntos, como uma fábrica de alta precisão.

Aqui está como funciona, usando analogias do dia a dia:

1. A Equipe de Especialistas (Os Agentes)

Em vez de um único "gênio" tentando fazer tudo, o CADSmith divide o trabalho em cinco pessoas (agentes) diferentes:

• O Planejador (O Arquiteto): Você diz o que quer ("Quero uma caixa com 5 buracos"). O Planejador não desenha nada; ele apenas organiza as ideias, escreve um plano detalhado e mede tudo em milímetros. Ele transforma sua fala em um "receituário" claro.
• O Programador (O Carpinteiro): Ele pega o plano e escreve o código (a linguagem que o computador entende para criar a peça). Mas ele não chuta! Ele tem um livro de instruções (biblioteca de API) na mão e consulta o que pode ou não fazer, evitando erros comuns.
• O Executor (O Operador de Máquina): Ele tenta construir a peça no computador. Se o código estiver errado e a máquina travar, ele avisa imediatamente.
• O Validador (O Inspetor Chefe): Este é o mais importante. Ele tem dois olhos:
  1. O Olho Matemático: Ele usa uma régua digital superprecisa (OpenCASCADE) para medir o volume, o tamanho e contar quantos furos existem. Nada escapa: se o furo deve ter 5mm e tem 5,1mm, ele nota.
  2. O Olho Humano (IA Visual): Ele olha para a peça gerada em três ângulos diferentes (como se você girasse o objeto na mão) e compara com o que você pediu. Ele verifica se a forma geral faz sentido.
• O Refinador (O Mecânico): Se o Validador encontrar um erro, ele não joga a peça fora. Ele pega o código, vê onde está errado (ex: "o furo está 2mm longe demais") e pede ao Programador para consertar.

2. O Processo de "Correção em Dupla Loop"

A mágica acontece porque o sistema não aceita um "quase certo". Ele usa dois ciclos de correção, como se fosse um jogo de "Quente ou Frio":

• Loop Interno (Consertando o Código): Se o computador não consegue nem rodar o programa (erro de sintaxe), o sistema conserta o código rapidamente, como corrigir uma vírgula em um texto.
• Loop Externo (Consertando a Forma): Se o código roda, mas a peça sai torto ou com medidas erradas, entra o Validador. Ele diz: "A peça tem o tamanho certo, mas está faltando um furo aqui". O Refinador ajusta e tenta de novo. Isso acontece até a peça estar perfeita.

3. Por que isso é diferente dos outros?

Outros sistemas tentam adivinhar a resposta certa de uma vez só (como um aluno que chuta a prova) ou usam apenas fotos para verificar (como alguém que olha uma foto e diz "parece um carro", sem saber se o motor cabe).

O CADSmith é diferente porque:

• Não precisa de "treinamento" eterno: Ele consulta manuais atualizados em tempo real. Se a linguagem de programação mudar amanhã, ele se adapta na hora, sem precisar ser reensinado do zero.
• Mede com precisão cirúrgica: Ele não confia apenas no que "parece" certo. Ele mede milímetro por milímetro.
• Evita o "Eco": O Validador é uma Inteligência Artificial mais inteligente do que a que criou o código. Isso evita que o sistema se engane achando que está certo quando não está (viés de confirmação).

O Resultado

Os pesquisadores testaram o sistema com 100 desafios, desde formas simples (como um cubo) até peças complexas de engenharia (como um eixo com flange).

• Sem o sistema: O robô acertava a execução do código em 95% dos casos, mas a peça final muitas vezes estava errada nas medidas.
• Com o CADSmith: O sistema atingiu 100% de sucesso em criar peças que funcionam. A precisão melhorou drasticamente: o erro médio de distância entre a peça ideal e a criada caiu de um valor enorme (como se a peça estivesse a 28mm de onde deveria estar) para quase zero (0,74mm).

Em resumo

O CADSmith é como ter um engenheiro sênior (que mede tudo com régua) trabalhando em dupla com um artista experiente (que vê a forma geral), ambos supervisionados por um chefe rigoroso. Juntos, eles transformam uma ideia simples em uma peça de engenharia real, pronta para ser fabricada, eliminando os erros que costumam acontecer quando deixamos a IA trabalhar sozinha.

Resumo técnico

1. O Problema

A geração de modelos CAD (Desenho Assistido por Computador) a partir de texto natural enfrenta desafios fundamentais que diferenciam essa tarefa de outras aplicações de IA generativa:

• Precisão Dimensional e Topológica: Diferente de imagens ou textos, um modelo CAD deve ser geometricamente válido, dimensionalmente exato e pronto para fabricação. Um erro de alguns milímetros ou uma topologia com faces faltantes torna a peça inutilizável.
• Limitações das Abordagens Atuais:
  • Métodos de "passada única" (one-shot) não possuem verificação geométrica, resultando em erros de dimensão e topologia.
  • Sistemas que usam feedback visual (como BLIP-2) são "perdidos" (lossy); eles não conseguem resolver erros dimensionais precisos (escala de milímetros).
  • Sistemas baseados apenas em métricas numéricas (kernel geométrico) podem validar dimensões, mas falham em detectar se a forma geral está fundamentalmente errada (convergência falsa).
• Hallucinações de LLMs: Grandes Modelos de Linguagem (LLMs) tendem a alucinar dimensões e usar incorretamente APIs de CAD, exigindo um mecanismo de correção iterativa robusto.

2. Metodologia: O Pipeline CADSmith

O CADSmith é um sistema de multi-agentes que gera código CadQuery (uma API Python para OpenCASCADE) através de um processo de refinamento iterativo em dois loops aninhados. O sistema não utiliza fine-tuning (ajuste fino) do modelo, mas sim Geração Aumentada por Recuperação (RAG) sobre a documentação da API.

Arquitetura de Agentes

O fluxo envolve cinco agentes especializados:

1. Planner: Converte o prompt de linguagem natural em um plano de design estruturado (JSON), definindo componentes, dimensões e restrições geométricas.
2. Coder: Gera o script CadQuery. Utiliza RAG para consultar duas bases de conhecimento:
   • KB1: Documentação da API CadQuery (155 métodos).
   • KB2: Padrões de erros e soluções (25 padrões comuns de falha).
3. Executor: Roda o código em um subprocesso Python isolado. Se falhar, captura o traceback. Se bem-sucedido, extrai métricas exatas do kernel OpenCASCADE (OCCT): volume, dimensões da caixa delimitadora, contagem de faces/arestas/vértices e validade do sólido.
4. Validator (O Juiz): Um agente baseado em um modelo de Visão-Linguagem (VLM) mais forte (Claude Opus) que atua como juiz independente. Ele recebe:
   • O prompt original e o código gerado.
   • Métricas exatas do kernel (OCCT).
   • Três imagens renderizadas do modelo (Isométrica, Visão Traseira de Alto Ângulo, Perfil Frontal).
   • O Validator cruza as evidências visuais com as métricas numéricas para decidir se o modelo passou ou falhou, fornecendo feedback analítico.
5. Refiner: Recebe o feedback do Validator (incluindo discrepâncias numéricas exatas e avaliação visual) e o histórico de tentativas anteriores para gerar uma versão corrigida do código.

Loops de Correção

• Loop Interno (Erro de Execução): Se o código não roda, o Error Refiner usa o traceback e o RAG para corrigir erros de sintaxe ou lógica de execução (até 3 tentativas).
• Loop Externo (Refinamento Geométrico): Se o código roda, mas a geometria está errada, o Refiner ajusta o código com base no feedback do Validator (até 5 iterações).

3. Principais Contribuições

• Arquitetura Multi-Agente: Substitui abordagens monolíticas por um pipeline decomposto (Planner, Coder, Executor, Validator, Refiner).
• Validação Geométrica Programática em Duplo Loop: Combina um loop interno para erros de execução com um loop externo que utiliza medições exatas do kernel OpenCASCADE para correção geométrica iterativa.
• Avaliação Independente VLM-as-Judge: Utiliza um modelo de visão-linguagem (Claude Opus) diferente do gerador de código (Claude Sonnet) para evitar viés de autoconfirmação. O juiz combina métricas numéricas com inspeção visual de três vistas.
• RAG sobre Documentação de API: Elimina a necessidade de fine-tuning, permitindo que o sistema se adapte a atualizações da biblioteca CadQuery sem retreinamento.
• Benchmark Personalizado: Criação de um conjunto de dados com 100 prompts em três níveis de dificuldade (T1: Primitivos, T2: Peças de Engenharia, T3: Partes Complexas com lofts, sweeps, etc.), com scripts de referência escritos à mão e validados.

4. Resultados

O sistema foi avaliado em 100 prompts comparando o pipeline completo (com visão), uma versão sem visão e uma linha de base zero-shot.

• Taxa de Execução: O CADSmith alcançou 100% de sucesso na execução do código (vs. 95% no zero-shot).
• Precisão Geométrica (Métricas Absolutas em mm):
  • Distância de Chamfer (Média): Redução drástica de 28.37 (zero-shot) para 0.74 (full pipeline). Isso indica uma correção massiva de erros catastróficos.
  • F1 Score (Mediana): Melhorou de 0.9707 para 0.9846.
  • IoU Volumétrico (Mediana): Melhorou de 0.8085 para 0.9629.
• Impacto da Visão: A remoção das imagens de 3 vistas (ablação) causou uma degradação severa em peças complexas (T3), aumentando a Distância de Chamfer média de 1.42 para 49.68. Isso demonstra que as métricas numéricas sozinhas não detectam "convergência falsa" (formas que têm o volume certo, mas a estrutura errada).
• Desempenho por Nível: O sistema atingiu quase perfeição em T1 e T2 (F1 > 0.99), mantendo um F1 mediano de 0.886 em T3 (partes complexas), superando significativamente a linha de base.

5. Significado e Conclusão

O CADSmith demonstra que a refinamento em loop fechado, fundamentado em feedback geométrico programático exato e avaliação visual holística, é essencial para a geração confiável de CAD por IA.

• Superação de Limitações: O sistema resolve o dilema entre precisão numérica e consciência de forma global, algo que métodos anteriores não conseguiam fazer simultaneamente.
• Aplicabilidade Industrial: Ao garantir que os modelos sejam dimensionalmente exatos e topologicamente válidos, o sistema avança a viabilidade de usar IA para fluxos de trabalho de manufatura reais, reduzindo a barreira para a criação de geometria de engenharia válida.
• Limitações e Futuro: O estudo identificou falhas sutis (como pequenos gaps em junções) que podem escapar das 3 vistas fixas. Trabalhos futuros sugerem a seleção adaptativa de visualizações e o uso de crops de alta resolução para detectar erros em escala microscópica.

Em suma, o CADSmith estabelece um novo padrão para a geração de CAD, provando que a combinação de agentes especializados, validação de kernel e modelos de visão-linguagem supera as abordagens de geração única, tornando a automação de CAD uma realidade prática e precisa.