🤖 AI

ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation

O ArtisanCAD é um agente de CAD de nível industrial que utiliza destilação de conhecimento fundamentada em especialistas e uma representação intermediária executável (CAD-IR) para transformar comandos ambíguos de linguagem natural e dados procedimentais de especialistas em modelos B-Rep editáveis e prontos para produção, com precisão e robustez aprimoradas.

Autores originais: Yunhan Xu, Qifeng Wu, Xunjin Li, Yuanwei Bin, Qingsong Yao, Jianghang Gu, Guan Wang, Weihao Lv, Huiyu Yang, Wenfa Luo, Jiao Xiang, Yuntian Chen, Shiyi Chen

Publicado 2026-07-08

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yunhan Xu, Qifeng Wu, Xunjin Li, Yuanwei Bin, Qingsong Yao, Jianghang Gu, Guan Wang, Weihao Lv, Huiyu Yang, Wenfa Luo, Jiao Xiang, Yuntian Chen, Shiyi Chen

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ensinar um robô a construir um móvel complexo, como uma porta de carro personalizada ou um suporte de motor. Você não pode apenas dizer: "Faça uma porta". O robô precisa saber exatamente como construí-la: onde desenhar a primeira linha, qual furo furar primeiro e como garantir que as peças se encaixem perfeitamente. Se você der instruções vagas, o robô pode construir algo bambo ou ficar travado no meio do caminho.

Este artigo apresenta o ARTISANCAD, um assistente robótico inteligente projetado para resolver esse problema para engenheiros industriais. Veja como ele funciona, dividido em conceitos simples:

1. O Problema: Instruções Vagas vs. Segredos de Especialistas

As ferramentas de IA atuais são boas em transformar textos simples em formas 3D, mas têm dificuldade com peças industriais do mundo real.

O Problema: Se você disser a uma IA padrão: "Faça uma placa de dobradiça mais profunda", ela pode adivinhar a forma errada ou esquecer de adicionar furos necessários. Ela carece da "memória muscular" de um especialista humano.
A Peça Faltante: Engenheiros reais têm anos de experiência. Eles possuem vídeos gravados de seu trabalho, notas escritas em desenhos e salvaram "logs de macros" (gravações digitais de seus cliques de mouse e comandos). As ferramentas de IA existentes ignoram esse tesouro de conhecimento.

2. A Solução: A "Receita Mestra" (CAD-IR)

A inovação central do ARTISANCAD é algo chamado CAD-IR (Computer-Aided Design Intermediate Representation). Pense nisso como uma Receita Mestra ou um Projeto para um Projeto.

Em vez de a IA tentar adivinhar a forma final do zero, ela usa o CAD-IR para organizar o processo:

É um Tradutor: Ele pega as gravações bagunçadas de um engenheiro especialista do mundo real (como um vídeo dele usando o software CATIA) e as transforma em uma lista limpa e passo a passo de instruções.
É um Checklist: Ele não diz apenas "faça um furo". Ele diz: "Primeiro, desenhe um círculo. Segundo, certifique-se de que está centralizado. Terceiro, fure. Quarto, verifique se está liso."
É uma Biblioteca de Habilidades: A IA transforma essas receitas em "Habilidades" (Skills). Se um engenheiro sabe como construir uma porta de carro, essa "Habilidade" é salva. Mais tarde, se alguém pedir uma porta mais larga, a IA não começa do zero; ela pega a "Habilidade de Porta" e apenas ajusta a largura.

3. Como o Robô Funciona (O Ciclo)

Quando um usuário faz um pedido (ex: "Faça este painel de capô de carro mais alto"), o ARTISANCAD passa por um ciclo:

Recuperação (Retrieval): Ele procura em sua biblioteca pela "Habilidade de Painel de Capô" criada por um especialista humano.
Adaptação (Adaptation): Ele pega a "Receita Mestra" (CAD-IR) do especialista e atualiza os números com base no pedido do usuário (ex: "Mudar altura de 10cm para 15cm").
Execução (Execution): Ele envia essas instruções atualizadas para um software profissional de backend (CATIA) para realmente construir o modelo 3D.
Os "Olhos" (Feedback Visual): Este é um passo crucial. O robô gera o modelo, tira fotos dele de oito ângulos diferentes (frente, trás, topo, lateral, etc.) e as mostra a um inspetor de IA.
- O Inspetor pergunta: "Isso parece um painel de capô alto? Nós deletamos os furos acidentalmente?"
- Se a resposta for "Não", o robô reescreve a "Receita Mestra" (CAD-IR) e tenta novamente.

4. Os Resultados: De "Talvez" para "Pronto para Produção"

O artigo testou isso de duas maneiras:

O Teste "Cego": Eles pediram à IA para construir formas a partir de descrições vagas sem usar ajuda de especialistas.
- Sem a "Receita Mestra" (CAD-IR): A IA cometeu erros, omitindo detalhes como furos ou suportes finos.
- Com a "Receita Mestra": A IA construiu formas muito mais precisas, preenchendo os detalhes que faltavam no comando vago.
O Teste do "Mundo Real": Eles usaram o sistema em quatro peças de carro complexas (como um painel de capô e uma placa de trava).
- Eles gravaram especialistas humanos construindo essas peças, transformaram essas gravações em "Habilidades" e depois pediram à IA para fazer variações (ex: "Faça mais largo", "Faça mais profundo").
- Resultado: A IA criou com sucesso novos modelos 3D editáveis e de nível profissional que os engenheiros podem realmente usar. Sem as "Habilidades" dos especialistas, a IA falhou completamente porque as instruções eram complexas demais para serem adivinhadas.

Analogia de Resumo

Imagine que você quer assar um bolo complexo.

IA Antiga: Você diz: "Faça um bolo". A IA adivinha os ingredientes e assa uma massa disforme porque não conhece a ordem de mistura ou os tempos de cozimento.
ARTISANCAD: Você diz: "Faça um bolo, mas mais alto". A IA puxa uma Receita Mestra escrita por um mestre confeiteiro (o especialista). Ela sabe exatamente qual forma usar e como ajustar o tempo de cozimento para um bolo mais alto. Ela assa o bolo, tira uma foto para verificar se cresceu corretamente e, se estiver um pouco errado, ajusta a receita e assa novamente até que esteja perfeito.

Em resumo: O ARTISANCAD preenche a lacuna entre ideias humanas vagas e a manufatura industrial precisa, ensinando a IA a aprender com a "memória muscular" de especialistas humanos, transformando sua experiência em habilidades digitais reutilizáveis e editáveis.

Resumo Técnico: ARTISANCAD

Declaração do Problema

O Desenho Auxiliado por Computador (CAD) industrial para setores como automotivo e aeroespacial exige modelagem procedural de longo horizonte, dependências de recursos robustas e execução de Representação de Fronteira (B-Rep) de nível de produção. Diferente da modelagem 3D casual, o CAD industrial envolve fluxos de trabalho complexos com esboços, restrições e geometria paramétrica editável.

Os métodos atuais de texto-para-CAD, embora promissores, enfrentam limitações significativas quando aplicados a contextos industriais:

Tratamento de Ambiguidade: Eles têm dificuldade quando os comandos do usuário são ambíguos, subespecificados ou descrevem apenas a intenção de design de alto nível sem os detalhes de construção de baixo nível.
Falta de Conhecimento Especialista: Raramente exploram o rico conhecimento procedural naturalmente disponível em fluxos de trabalho industriais, como gravações de operações do CATIA, logs de macros, notas de desenho e descrições de engenharia.
Lacuna de Complexidade: Os métodos atuais são frequentemente avaliados em peças simples ou programas de esboço-extrusão curtos, falhando em lidar com os procedimentos de longo horizonte, superfícies B-Rep curvas e operações híbridas exigidas para componentes industriais complexos.

Metodologia

O artigo apresenta o ARTISANCAD, um agente de CAD de nível industrial que fundamenta a geração no conhecimento procedural especializado através de um mecanismo chamado Destilação de Conhecimento Baseada em Especialistas (Expert-Grounded Knowledge Distillation). O sistema opera através de dois estágios primários:

1. Aquisição de Especialista-para-Habilidade (Offline)

Este estágio transforma registros de CAD de especialistas isolados em habilidades reutilizáveis e parametrizadas.

Entrada: Dados heterogêneos de especialistas, incluindo gravações de macros do CATIA, notas de desenho, árvores de recursos e descrições de engenharia.
Processo: Um agente orientado a código (Codex-xHigh) analisa esses registros em procedimentos de modelagem estruturados.
Saída (Part Skill): Uma habilidade $s$ $s$ é definida como uma tupla $(D_s, O_s, P_s, Z_s)$ $(D_{s}, O_{s}, P_{s}, Z_{s})$ :
- $D_s$ : Descrição básica da peça (função, características geométricas).
- $O_s$ : Ordem de operação do especialista (um prior procedural reutilizável, não um script fixo).
- $P_s$ : Esquema de parâmetros (parâmetros editáveis como largura, raio, com intervalos válidos).
- $Z_s$ : Template CAD-IR (o núcleo do template procedural executável).

2. Geração de Variantes de CAD Guiada por Habilidade (Online)

Dado um pedido de usuário para uma nova variante (ex: "torne a placa mais profunda"), o agente não gera um script de backend do zero. Em vez disso, ele adapta uma habilidade existente.

Recuperação de Habilidade: O agente recupera a habilidade mais relevante da base de conhecimento com base na consulta do usuário.
Instanciação de CAD-IR: O agente instancia o template CAD-IR ( $Z_s$ ) com a nova solicitação. Isso preenche parâmetros ausentes, atualiza argumentos de operação e preserva dependências e regras de verificação derivadas de especialistas.
CAD-IR (Representação Intermediária): A inovação central é o CAD-IR, uma representação procedural executável definida como $Z = (P, T, O, E, V)$ $Z = (P, T, O, E, V)$ :
- $P$ : Parâmetros globais da peça.
- $T$ : Ferramentas de backend necessárias (vinculações MCP).
- $O$ : Lista ordenada de operações de CAD (intenção, chamadas de ferramenta, argumentos, saídas, dependências, verificação).
- $E$ : Entidades geradas e relações de dependência.
- $V$ : Regras de verificação.
Execução de Backend: O CAD-IR gerado é enviado para um backend CATIA-MCP, que traduz as operações de IR em comandos nativos do CATIA para produzir modelos B-Rep editáveis.
Loop de Feedback Visual: Um sistema de feedback visual de múltiplas visões leve avalia o modelo gerado. Se inconsistências forem encontradas, o agente reescreve o CAD-IR (não o script de backend) para corrigir parâmetros ou operações, iterando até que o modelo passe nas verificações visuais e estruturais.

Principais Contribuições

Mecanismo de Aquisição de Especialista-para-Habilidade: Um fluxo de trabalho inovador que destila conhecimento heterogêneo de especialistas (macros, logs, notas) em CAD-IR e habilidades parametrizadas reutilizáveis. Isso permite que procedimentos de modelagem de especialistas sejam adaptados a novos pedidos de variantes dentro da mesma família de componentes.
Agente ARTISANCAD: Um agente de CAD industrial guiado por habilidades com suporte a múltiplos backends. Ele recupera habilidades, instancia e revisa procedimentos no nível de IR e os executa via um backend CATIA-MCP dedicado. Incorpora um loop de feedback visual de múltiplas visões para refinamento iterativo.
CAD-IR como um Andaime Procedural: O artigo demonstra que representar a geração de CAD como uma representação intermediária explícita e executável preenche a lacuna entre descrições textuais vagas e a construção complexa e executável de CAD.

Resultados Experimentais

Os autores avaliaram o ARTISANCAD em duas frentes:

1. Benchmark Público Text2CAD

Configuração: Testado em 100 prompts de nível intermediário sem utilizar nenhum banco de dados de conhecimento especializado (isolando o efeito do CAD-IR).
Descobertas:
- Distância de Chamfer (CD): Reduziu a média de CD de 14,83 (ARTISANCAD sem IR) para 9,88 (ARTISANCAD com IR).
- Solid IoU: Melhorou de 0,614 para 0,646.
- Comparação: O ARTISANCAD com IR superou significativamente os baselines como Text2CAD (CD 29,80) e CAD-Coder (CD 14,16).
- Significância: Mesmo sem habilidades de especialistas, o CAD-IR fornece um arcabouço procedural superior para converter prompts ambíguos em operações executáveis.

2. Componentes Automotivos Industriais

Configuração: Aplicado a quatro peças automotivas complexas (Placa de Reforço de Dobradiça, Painel do Capô, Suporte de Painel Externo, Placa de Reforço de Trava). Gravações de macros de especialistas foram destiladas em habilidades.
Descobertas:
- O ARTISANCAD gerou com sucesso modelos B-Rep editáveis e prontos para produção para novos pedidos de variantes (ex: alteração de profundidade, largura ou layout de furos) ao adaptar as habilidades destiladas.
- Ablação: Tentativas de gerar esses componentes complexos sem o CAD-IR guiado por habilidades falharam, pois o agente não conseguiu inferir os necessários procedimentos de longo horizonte e dependências a partir de prompts curtos.

Significância e Alegações

O artigo afirma que o ARTISANCAD representa uma mudança da geração de sequências de CAD isoladas para a automação de CAD orientada à produção.

Preenchendo a Lacuna: O sistema efetivamente preenche a lacuna entre a intenção ambígua do usuário e os procedimentos rigorosos de longo horizonte exigidos no design industrial.
Reuso de Conhecimento: Ao destilar gravações de macros de especialistas em habilidades reutilizáveis, o sistema permite que engenheiros aproveitem o conhecimento procedural acumulado em vez de redescobrir fluxos de trabalho do zero.
Robustez: O uso do CAD-IR como uma camada intermediária permite revisões ao nível de operação e integração de feedback visual, tornando o sistema mais robusto a entradas ambíguas e erros de execução em comparação com a geração direta de scripts de backend.

Os autores concluem que, embora os sistemas atuais de texto-para-CAD sejam limitados pela falta de priors procedurais, o ARTISANCAD demonstra que fundamentar a geração em habilidades derivadas de especialistas e representações intermediárias executáveis é essencial para escalar agentes de CAD para fluxos de trabalho industriais práticos.