CADReasoner: Iterative Program Editing for CAD Reverse Engineering

Resumo Técnico: CADReasoner

1. O Problema

A recuperação de modelos CAD precisos a partir de dados de varredura 3D brutos (como nuvens de pontos ou malhas obtidas por LiDAR/RGB-D) é um desafio fundamental na visão computacional e gráficos.

• A Lacuna: Os dados de varredura real são ruidosos, possuem regiões faltantes, oclusões e imperfeições, enquanto os modelos CAD são representações paramétricas limpas e exatas.
• Limitações das Abordagens Atuais:
  • A maioria dos sistemas de IA existentes realiza uma previsão única (single-pass), sem capacidade de refinar erros iterativamente.
  • Métodos baseados em agentes com VLMs (Large Vision-Language Models) congelados têm uma "ancoragem 3D" fraca e não aprendem com seus próprios erros.
  • Técnicas de Fine-tuning por Reforço (RL) muitas vezes usam recompensas escalares grosseiras que não capturam o raciocínio geométrico detalhado dos engenheiros humanos.
  • A falta de realismo nos dados de treinamento (que geralmente são renderizações sintéticas perfeitas) limita a eficácia em cenários reais de engenharia reversa.

2. Metodologia: CADReasoner

O CADReasoner é um modelo projetado para realizar engenharia reversa iterativa e auto-corretiva, gerando programas Python executáveis (usando a biblioteca CadQuery) que definem o modelo CAD.

Arquitetura e Fluxo de Trabalho:
O sistema opera em um loop fechado onde o modelo refina sua previsão baseada na discrepância geométrica entre a forma de entrada (alvo) e a forma predita anterior.

1. Entradas Multimodais:

   • Imagens Multi-visão (Overlay): O modelo recebe 8 visões (6 ortográficas + 2 isométricas) onde a malha alvo é renderizada no canal Verde e a malha predita anterior no canal Vermelho. A sobreposição (Amarelo) indica áreas coincidentes, enquanto as diferenças (Vermelho/Verde) mostram onde a correção é necessária.
   • Nuvens de Pontos com Vetores de Deslocamento: São extraídos pontos da superfície alvo e da malha predita. Para cada ponto, calcula-se o vetor até o ponto mais próximo na superfície oposta. Isso fornece um sinal de erro métrico local (magnitude e direção).
   • Programa Anterior: O script CadQuery gerado na iteração anterior ($C_{t-1}$) é tokenizado e usado como contexto.

2. Mecanismo de Auto-Edição:

   • O modelo (baseado em Qwen2-VL 2B) atua como um editor que recebe as evidências geométricas e o código anterior para gerar um novo script ($C_t$).
   • O script é executado para renderizar uma nova malha ($S_t$), que é então reavaliada no próximo passo do loop.
   • O sistema mantém o "melhor até agora" (best-so-far) com base na métrica de discrepância geométrica.

3. Protocolo de Simulação de Varredura (Scan-Simulation):

   • Para superar a lacuna de realismo, os autores desenvolveram um pipeline que simula defeitos reais de varredura (ruído, oclusão, buracos, suavização de bordas) aplicando-o tanto no treinamento quanto na avaliação. Isso força o modelo a aprender a lidar com dados imperfeitos, não apenas com geometrias ideais.

4. Estratégia de Treinamento (Curriculum Learning):

   • Fase A (Seed): Treinamento supervisionado (SFT) para gerar o primeiro esboço ($t=1$) a partir do zero.
   • Fase B e C (Refinamento): O modelo é treinado em um conjunto misto de exemplos de iteração 1 e iterações subsequentes ($t=2, 3...$), onde o alvo é sempre o programa ground-truth, mas a entrada contém os erros do modelo anterior. Isso ensina o modelo a corrigir seus próprios erros de forma on-policy.

3. Principais Contribuições

1. Framework Iterativo de Auto-Edição: Introduz o CADReasoner, que trata a engenharia reversa como um processo de loop fechado, permitindo refinamento progressivo e correção de erros geométricos, imitando o fluxo de trabalho humano.
2. Realismo via Simulação de Varredura: Propõe e aplica um protocolo de simulação de varredura durante todo o ciclo de vida do modelo (treino e teste), garantindo que o sistema funcione em condições próximas à realidade física, superando a dependência de dados sintéticos perfeitos.
3. Fusão Multimodal Eficiente: Combina eficazmente overlays de imagens multi-visão (para inconsistências globais e topologia) e nuvens de pontos com vetores de offset (para precisão métrica local), utilizando-os como feedback para guiar a edição do código.
4. Desempenho Superior sem RL: Demonstra que um modelo treinado apenas com SFT (Supervised Fine-Tuning) e feedback geométrico explícito supera métodos que utilizam Reinforcement Learning (RL) complexo, alcançando resultados state-of-the-art.

4. Resultados Experimentais

O modelo foi avaliado em três benchmarks principais: DeepCAD, Fusion360 e MCB, em dois cenários: superfícies limpas (clean) e superfícies com simulação de varredura (scan-sim).

• Precisão e Robustez:

  • O CADReasoner alcançou resultados State-of-the-Art (SOTA) em todos os benchmarks, tanto na pista limpa quanto na pista de simulação de varredura.
  • Redução de Erros: Observou-se uma redução significativa na Taxa de Invalidação (IR) e no Chamfer Distance (CD) à medida que o número de iterações aumentava (de $t=1$ para $t=5$).
  • Comparação com Baselines: Superou métodos supervisionados (como cadrille-SFT) e métodos com RL (cadrille-RL), especialmente em cenários desafiadores com defeitos de varredura.
  • Decodificação Estocástica: O uso de uma busca em feixe estocástica (sampling) guiada pela geometria melhorou ainda mais os resultados, permitindo explorar múltiplas edições e selecionar as trajetórias de código mais precisas.

• Generalização:

  • O treinamento com dados simulados de varredura melhorou a transferência do modelo para dados limpos e vice-versa, demonstrando que a simulação atua como um currículo robusto.

5. Significado e Impacto

O trabalho do CADReasoner representa um avanço significativo na interseção entre IA generativa e engenharia reversa:

• Mudança de Paradigma: Move a abordagem de "previsão única" para "edição iterativa guiada por geometria", alinhando-se melhor com a prática humana de engenharia.
• Viabilidade Industrial: Ao lidar com ruído e imperfeições de varredura real, o modelo torna-se uma ferramenta viável para aplicações industriais reais, onde dados de sensores nunca são perfeitos.
• Eficiência Computacional: Demonstra que é possível obter resultados superiores a métodos complexos de RL através de um treinamento supervisionado bem estruturado com feedback geométrico explícito, reduzindo a necessidade de recompensas de RL instáveis.

Em resumo, o CADReasoner estabelece um novo padrão para a reconstrução de CAD a partir de varreduras, provando que a iteração baseada em evidências geométricas multimodais é a chave para a precisão e robustez necessárias em aplicações de engenharia.