Zero-to-CAD: Agentic Synthesis of Interpretable CAD Programs at Million-Scale Without Real Data

1. Declaração do Problema

O campo do Design Assistido por Computador (CAD) generativo enfrenta uma escassez crítica de dados. Embora existam conjuntos de dados 3D em grande escala (por exemplo, ABC, Objaverse), eles consistem principalmente em Representações de Fronteira (B-Reps) ou malhas estáticas, que carecem do histórico de construção (receita paramétrica) essencial para edição, gerenciamento de restrições e intenção de design.

• Limitações Existentes: Conjuntos de dados atuais com sequências de construção (por exemplo, DeepCAD, Fusion 360 Gallery) são pequenos, limitados a fluxos de trabalho simples de "esboço e extrusão" e carecem de operações complexas como chanfros, chanfros, uniões booleanas e loft.
• A Lacuna: Não existe um conjunto de dados de programas CAD executável, em grande escala e diversificado que inclua vocabulários ricos de operações e seja legível por humanos. Métodos sintéticos existentes (por exemplo, CAD-Recode) frequentemente produzem código que é sintaticamente válido, mas semanticamente superficial (valores codificados, cadeias de coordenadas) e carece da diversidade estrutural de modelos projetados por humanos.

2. Metodologia: Pipeline Zero-to-CAD

Os autores propõem o Zero-to-CAD, um framework escalável que sintetiza aproximadamente um milhão de sequências de CAD executáveis do zero, sem utilizar arquivos CAD do mundo real. A inovação central é enquadrar a geração de CAD como um problema de busca agente.

A. Loop de Síntese Agente

O sistema incorpora um Modelo de Linguagem de Grande Escala (LLM) em um ambiente de CAD orientado por feedback (usando a biblioteca Python CadQuery). O agente opera em um ciclo fechado:

1. Geração: O LLM gera código CadQuery com base em uma descrição de peça.
2. Execução e Validação: O código é executado em um subprocesso isolado. Se falhar, o agente recebe feedback estruturado de erro (erros de sintaxe, problemas de topologia, falhas de exportação).
3. Uso de Ferramentas: Em caso de falha, o agente pode:
   • Consultar Documentação: Recuperar sintaxe específica da API da documentação do CadQuery (usando TF-IDF e regex).
   • Raciocinar e Reparar: Analisar o erro, consultar a documentação e revisar o código.
4. Iteração: Este processo se repete (até 10 turnos por tentativa) até que o código seja executado com sucesso e passe na validação geométrica.

B. Protocolo de Geração em Duas Etapas

Para garantir diversidade e escala, o pipeline utiliza uma abordagem em duas etapas:

1. Geração de Catálogo: O LLM gera um catálogo diversificado de descrições de peças (por exemplo, "suporte de montagem", "engrenagem") organizado em 65 categorias mecânicas predefinidas.
2. Geração de Código: Para cada descrição, o agente gera código. Para evitar colapso de modo, o sistema utiliza:
   • Fragmentos de Referência: Fornecendo modelos para categorias complexas para guiar a estrutura sem impor a cópia de parâmetros.
   • Variabilidade de Prompt: Injetando aleatoriedade para incentivar soluções de design diversas.

C. Framework de Validação

Um filtro rigoroso em três etapas garante que apenas dados de alta qualidade sejam liberados:

1. Execução de Código: Verifica erros de sintaxe e exceções de tempo de execução.
2. Validação Geométrica: Garante validade topológica (sem auto-interseções), conectividade (corpo sólido único), complexidade mínima (≥7 faces) e volume positivo.
3. Validação de Exportação: Verifica a exportação bem-sucedida para os formatos STL e STEP para detectar defeitos geométricos sutis.

D. Curadoria do Conjunto de Dados

• Escala Total: ~1 milhão de sequências geradas (999.633 aceitas).
• Subconjunto Curado: Um subconjunto de 100.000 modelos selecionado via agrupamento k-means em embeddings visuais DINOv3 para garantir diversidade geométrica máxima.
• Legibilidade: Diferente da transpilação de cadeias de coordenadas, os programas Zero-to-CAD utilizam parâmetros nomeados (por exemplo, espessura_placa, raio_chanfro) e etapas lógicas de construção, tornando-os legíveis e editáveis por humanos.

3. Contribuições Principais

1. Conjunto de Dados Zero-to-CAD: O primeiro conjunto de dados em escala de milhões de sequências de construção de CAD executáveis e interpretáveis com ampla cobertura de operações (booleanas, chanfros, chanfros, loft, varreduras, cascas).
2. Framework de Síntese Agente: Um pipeline inovador que demonstra que LLMs, quando ancorados em um ambiente CAD com acesso a ferramentas e documentação, podem se autocorrigir para produzir designs válidos e complexos sem dados reais de treinamento.
3. Legibilidade e Editabilidade: O código gerado imita práticas de engenharia humana (variáveis nomeadas, fluxo lógico), preenchendo a lacuna entre geração sintética e usabilidade prática.
4. Capacidade de Bootstrap: Prova de que dados sintéticos podem inicializar modelos de geração de sequências, permitindo que eles reconstruam CAD editável a partir de imagens sem nunca ter visto históricos de construção reais.

4. Resultados Experimentais

A. Qualidade e Diversidade do Conjunto de Dados

• Comparação: Comparado com CAD-Recode e ABC.
• Métricas: O Zero-to-CAD alcança uma distância Fréchet menor em relação ao conjunto de dados ABC do mundo real (0,164 vs. 0,268) e maior cobertura de k-bola.
• Complexidade: A contagem média de faces (46,2) corresponde estreitamente a peças do mundo real (ABC: 50,7), enquanto o CAD-Recode é significativamente mais simples (16,4).
• Validade: 0% das peças Zero-to-CAD são sólidos multicorpo desconectados ou abaixo do limite de 7 faces, comparado a 56,3% e 12,9% respectivamente para o CAD-Recode.

B. Reconstrução Imagem-para-Sequência (Bootstrap)

Os autores ajustaram finamente um Modelo Visão-Linguagem (VLM) Qwen3-VL-2B no conjunto de dados Zero-to-CAD para reconstruir código CAD editável a partir de 8 imagens de múltiplas vistas.

• Desempenho In-Distribution: O modelo ajustado finamente alcançou uma taxa de sucesso de 82,1% com um IoU médio de 0,747 no conjunto de testes Zero-to-CAD.
• Comparação com Linha de Base: Superou significativamente o modelo Qwen base (6,6% de sucesso) e o GPT-5.2 (72,2% de sucesso, 0,485 IoU).
• Generalização Out-of-Distribution (OOD): Quando testado no conjunto de dados ABC do mundo real (projetado por humanos), o modelo manteve uma taxa de sucesso de 61,0% e IoU médio de 0,377, superando variantes do GPT-5.2 em fidelidade geométrica (IoU e Distância de Chamfer), apesar de ter sido treinado apenas em dados sintéticos.

5. Significado

• Resolvendo o Gargalo de Dados: O Zero-to-CAD demonstra que a escassez de dados CAD editáveis pode ser superada através de síntese agente escalável, eliminando a necessidade de extração de dados proprietários.
• Conectando Geometria e Intenção: Ao fornecer código paramétrico e legível, o conjunto de dados permite que a próxima geração de IA de CAD não apenas gere formas, mas gere designs que engenheiros possam modificar.
• Viabilidade da Supervisão Sintética: Os resultados provam que os priores de LLMs sobre design mecânico, quando validados por ambientes de execução, podem ser convertidos em dados de treinamento de alta qualidade. Isso permite que modelos menores e especializados (2 bilhões de parâmetros) superem modelos de fronteira massivos (GPT-5.2) em tarefas específicas de CAD, oferecendo um caminho custo-efetivo para a adoção de IA industrial.
• Liberação de Recursos: Os autores liberam o conjunto de dados completo, o subconjunto curado, embeddings pré-computados e o modelo ajustado finamente, fornecendo um recurso vital para a comunidade de pesquisa.