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

1. Problema e Motivação

O desenho assistido por computador (CAD) é fundamental para a manufatura e engenharia, mas o modelamento tradicional é intensivo em mão de obra, exigindo expertise profunda e interfaces complexas. Embora os Grandes Modelos de Linguagem (LLMs) tenham avançado na geração de CAD a partir de texto, as abordagens existentes apresentam limitações críticas:

• Separação entre Geração e Edição: Os métodos atuais tratam a criação inicial e a edição (refinamento) como tarefas disjointas. Na prática, o design é um processo iterativo onde os usuários precisam modificar, adicionar ou remover recursos continuamente. A falta de um framework unificado força os usuários a aceitar modelos subótimos ou recorrer à edição manual externa.
• Dependência de Prompts Técnicos: Muitos sistemas exigem descrições textuais altamente detalhadas e técnicas, o que é difícil para usuários não especialistas.
• Dados de Edição Limitados: Os conjuntos de dados existentes para edição de CAD frequentemente utilizam edições aleatórias e simplificadas, falhando em capturar a natureza intencional e refinada das interações humanas reais (tanto qualitativas quanto quantitativas).

2. Metodologia: PR-CAD

O PR-CAD é um framework unificado que integra geração e edição de CAD em um único agente controlável, operando sob um paradigma de refinamento progressivo. A metodologia baseia-se em três pilares principais:

A. Criação de um Dataset de Interação de Alta Fidelidade

Para superar a escassez de dados realistas, os autores criaram um dataset abrangente que cobre todo o ciclo de vida do CAD:

• Geração: Utiliza o dataset DeepCAD para criar instruções textuais (qualitativas e quantitativas) a partir de visualizações 3D e descrições JSON, utilizando modelos de visão e linguagem.
• Edição: Desenvolveu um método multiestágio para simular ações humanas. Isso envolve remover operações de esboço/extrusão (S-E) de modelos existentes para criar pares de "deleção/adicionamento". Instruções qualitativas são geradas para essas alterações, e o modelo é treinado para reconstruir ou modificar o modelo com base nessas instruções.
• Representação: O dataset suporta múltiplas representações de CAD, incluindo Linguagem Específica de Domínio (DSL), Texto Estruturado (ST) e Linguagem de Propósito Geral (GPL), garantindo compatibilidade com LLMs.

B. Framework de Raciocínio Aprimorado por RL

O modelo utiliza uma estratégia de pós-treinamento em três etapas para otimizar a geração e edição:

1. Ajuste Fino Supervisionado (SFT) com Cadeia de Pensamento Estruturada (SCoT):
   • O modelo é treinado com dados que seguem uma estrutura lógica de quatro passos: Compreensão da Intenção, Análise de Modelagem, Cálculo de Parâmetros e Identificação de Posição.
   • Isso força o LLM a planejar a lógica geométrica antes de gerar o código final, melhorando a interpretabilidade e a precisão.
2. Reinforcement Learning (RL) com Otimização de Recompensa Generalizada (GRPO):
   • Uma função de recompensa composta é utilizada para refinar o modelo:
     • $R_{chamfer}$: Recompensa densa baseada na distância de Chamfer (similaridade geométrica) entre o modelo gerado e o ground truth.
     • $R_{format}$: Penalidade por violação do formato de saída.
     • $R_{exec}$: Penalidade por código não executável ou erros em tempo de execução.
     • $R_{length}$: Penalidade por sequências de saída excessivamente longas, incentivando eficiência.

C. Arquitetura do Modelo

• Base: Utiliza o Qwen2.5-7B-Instruct.
• Saída: Para tarefas de geração, utiliza-se uma DSL (LogoUp 3D); para edição, Texto Estruturado (ST) mostrou-se mais eficaz.
• Agente Único: O mesmo modelo lida com a criação do zero e com a iteração (adição, modificação, deleção) baseada em diálogos.

3. Principais Contribuições

1. Framework Unificado (PR-CAD): A primeira abordagem a unificar geração e edição de CAD em um único agente iterativo, permitindo refinamento progressivo (adicionar, modificar, deletar) a partir de instruções naturais.
2. Dataset de Interação Humana: Um novo dataset de alta fidelidade que cobre todo o ciclo de vida do CAD, incluindo operações de edição realistas e descrições mistas (qualitativas e quantitativas).
3. Método de Raciocínio Híbrido: A combinação de SFT, SCoT e RL para otimizar simultaneamente a fidelidade geométrica, a executabilidade do código e o alinhamento com a intenção do usuário.
4. Sistema ChatCAD: Uma interface demonstrativa que permite o modelamento de CAD através de diálogos multi-turno, validando a usabilidade prática do sistema.

4. Resultados Experimentais

Os experimentos foram conduzidos em benchmarks públicos e incluem avaliações quantitativas e qualitativas:

• Desempenho Quantitativo:

  • Geração: O PR-CAD alcançou a menor taxa de invalidade (IR = 0,62%) e a menor Distância de Chamfer Média (CD = 5,87), superando modelos como GPT-4o (zero-shot/few-shot), Text2CAD e Text-to-CadQuery.
  • Edição: No cenário de edição, obteve IR = 0,91% e CD = 6,30, superando significativamente métodos especializados como FLEXCAD e CAD-Editor.
  • Avaliação de Intenção (VLM-Eval): O modelo obteve 77,83 pontos, demonstrando alta fidelidade à intenção do usuário em comparação com concorrentes.

• Avaliação Humana e Usabilidade:

  • Taxa de Sucesso: Usuários especialistas atingiram 100% de sucesso e novatos 81,25% usando a interação multi-turno do PR-CAD, comparado a taxas muito menores em geração de um único turno.
  • Escalabilidade de Usabilidade (SUS): O sistema recebeu pontuações de usabilidade excepcionais (93,125 para especialistas e 80,625 para novatos), indicando que o paradigma de refinamento progressivo torna o CAD acessível a não especialistas.
  • Estudo de Ablação: A remoção de qualquer componente (SFT, RL ou SCoT) resultou em quedas drásticas no desempenho, confirmando a necessidade de todos os módulos para o sucesso do sistema.

5. Significado e Impacto

O PR-CAD representa um avanço significativo na democratização do design CAD. Ao unificar geração e edição em um fluxo de trabalho iterativo e controlável, o sistema:

• Reduz a barreira de entrada para usuários não especialistas, permitindo que criem e refinem modelos complexos através de linguagem natural.
• Resolve o problema da "desconexão" entre a criação inicial e o refinamento, alinhando a tecnologia de IA ao processo real de design iterativo.
• Estabelece um novo estado da arte (SOTA) em precisão geométrica e fidelidade à intenção, provando que LLMs podem ser agentes robustos para tarefas de engenharia complexas quando adequadamente treinados com dados de alta fidelidade e estratégias de raciocínio estruturado.

Em suma, o PR-CAD transforma a interação com CAD de uma tarefa técnica e estática para um processo colaborativo, dinâmico e acessível.