🤖 AI

CADIR: A Cross-Backend Editable Intermediate Representation for Agentic CAD Generation

Este artigo apresenta o CADIR, uma representação intermediária executável cross-backend construída sobre o kernel OCCT que permite a geração de CAD agêntica com grafos de construção explícitos e correspondência de assinatura geométrica para alcançar a reconstrução de modelos de alta fidelidade e editáveis através de diversos sistemas CAD como FreeCAD, SolidWorks e Fusion 360.

Autores originais: Yu Liu, Jingzhe Ni, Yiming Chen, Junqi Huang, Ruofeng Tong, Min Tang, Peng Du

Publicado 2026-08-04

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yu Liu, Jingzhe Ni, Yiming Chen, Junqi Huang, Ruofeng Tong, Min Tang, Peng Du

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 esteja tentando ensinar um robô a construir um castelo de Lego complexo. Você poderia dar ao robô uma foto do castelo pronto e dizer: "Faça isto", mas o robô poderia apenas colar os tijolos de forma desordenada, criando uma pilha bagunçada que desmorona se você tentar mover uma única peça. Ou, você poderia dar ao robô uma lista de instruções longa e rígida como "Pegue o tijolo vermelho 4, coloque-o sobre o tijolo azul 2", mas se as ferramentas do robô forem ligeiramente diferentes das que você usou para escrever a lista, ele pode pegar o tijolo errado ou ficar travado. Este é o desafio atual em um campo chamado Design Auxiliado por Computador (CAD), onde engenheiros usam softwares para projetar de tudo, desde motores de carros até capas de smartphones. Por muito tempo, os computadores só conseguiam criar formas 3D estáticas ou seguir scripts muito específicos e rígidos que quebravam facilmente se você tentasse alterá-los ou movê-los para um programa de software diferente. Mas agora, com o surgimento dos "Large Language Models" (IA que entende a linguagem humana), estamos começando a ver computadores que podem ouvir uma descrição como "faça uma engrenagem" e tentar construí-la. A grande questão é: como garantimos que o computador construa algo que não seja apenas a forma correta, mas também fácil de consertar, mudar e usar em diferentes programas de design?

É aqui que um novo sistema chamado CADIR entra, atuando como um super-inteligente tradutor e gerente de projeto para construtores de IA. Os pesquisadores por trás deste artigo descobriram que os métodos existentes eram como dar a um chef uma receita escrita em um código secreto que apenas uma cozinha específica conseguia ler; se você tentasse cozinhar em uma cozinha diferente, os ingredientes não combinariam ou as etapas não fariam sentido. Eles também notaram que tentativas anteriores de IA frequentemente construíam modelos "estáticos" — como uma estátua 3D — que você não conseguia ajustar posteriormente sem começar do zero. Para resolver isso, a equipe criou o CADIR, que significa uma "Representação Intermediária Editável Cross-Backend". Pense nisso como um registro de construção universal e passo a passo que não registra apenas o que foi construído, mas como foi construído, rastreando cada dependência (como uma roda sendo presa a um eixo) de uma forma que qualquer software de design importante possa entender.

Em vez de apenas cuspir uma forma 3D final, o sistema CADIR constrói um "grafo de construção". Imagine isso como um fluxograma dinâmico onde cada etapa do processo de construção é um nó, e as linhas que os conectam mostram como uma etapa depende da outra. Se você alterar o tamanho de um furo no meio do design, o grafo sabe atualizar tudo o que estiver conectado a esse furo, exatamente como um projeto de engenharia real. O sistema usa um truque inteligente chamado "Geometric Signature Matching" para encontrar as peças certas. É como se você perdesse um Lego específico em um conjunto diferente; em vez de procurar por um tijolo com o mesmo número de série (que pode não existir no novo conjunto), o sistema procura por um tijolo com a mesma forma, tamanho e cor, garantindo que o novo design se encaixe perfeitamente, mesmo que o software seja diferente.

Os pesquisadores testaram isso pedindo à IA para construir centenas de peças mecânicas, desde blocos simples até montagens complexas com engrenagens e partes móveis. Eles descobriram que o CADIR foi incrivelmente confiável, alcançando uma "taxa de sucesso de execução" perfeita de 1,0000, o que significa que a IA construiu os modelos com sucesso, sem travar ou cometer erros todas as vezes. Quando compararam com outros métodos, o CADIR produziu formas muito mais próximas do design pretendido (melhorando a precisão em cerca de 30% em alguns testes) e, crucialmente, permitiu que os modelos fossem abertos e editados em softwares populares como FreeCAD, SolidWorks e Fusion 360. De fato, quando tentaram editar esses modelos reconstruídos, o sistema conseguiu corrigir ou alterar as partes quase 100% das vezes no FreeCAD e no Fusion 360.

O que torna isso particularmente emocionante é que o sistema não constrói apenas do zero; ele também pode "lembrar" de designs passados. Os pesquisadores deram à IA uma biblioteca de grafos de construção anteriores e descobriram que, quando a IA buscava por formas ou peças semelhantes usando texto ou imagens, ela conseguia encontrar os blocos de construção de forma muito mais rápida e precisa do que se estivesse apenas pesquisando através de código bruto. Isso significa que a IA pode aprender com seu próprio histórico, reutilizando estruturas inteligentes (como uma maneira específica de fixar uma alça) para construir coisas mais complexas depois. Embora o artigo observe que alguns recursos muito específicos em certos softwares ainda não podem ser perfeitamente editados devido às limitações únicas desses programas, o resultado geral é um salto enorme. Isso sugere que estamos caminhando para um futuro onde a IA pode não apenas projetar máquinas complexas, mas também entregá-las a engenheiros humanos em um formato que está pronto para ser ajustado, testado e melhorado, preenchendo a lacuna entre uma ideia simples e um produto real e funcional.

Resumo Técnico: CADIR – Uma Representação Intermediária Editável Cross-Backend para Geração de CAD Agêntica

Declaração do Problema

As abordagens atuais para gerar modelos de Desenho Auxiliado por Computador (CAD) utilizando Grandes Modelos de Linguagem (LLMs) enfrentam limitações significativas na preservação do histórico de construção, na manutenção de referências topológicas estáveis e na viabilização de editabilidade ao nível de recurso entre diferentes sistemas CAD.

Métodos de Geometria Estática: Técnicas como geração de B-Rep ou malha (ex: BrepGen, AutoBrep) produzem a geometria final sem o histórico de construção, impedindo a edição paramétrica ou ao nível de recurso.
Métodos de Scripts Sequenciais: Abordagens baseadas em sequências (ex: DeepCAD, Text2CAD) retêm apenas um histórico parcial (sequências de esboço-extrusão) ou dependem de scripts planos específicos de um backend. Esses scripts carecem de dependências explícitas, restrições e referências topológicas estáveis, tornando-os frágeis quando os parâmetros mudam ou quando se tenta transferir modelos entre diferentes kernels de CAD.
Frameworks Baseados em Agentes: Embora frameworks como CAD-Assistant e ProCAD introduzam feedback de execução, eles permanecem vinculados a ambientes de CAD específicos e carecem de uma representação intermediária estruturada capaz de reconstrução cross-backend ou de recuperação refinada de subestruturas de modelagem.

Consequentemente, há uma necessidade de uma representação intermediária que seja executável, amigável para agentes e capaz de reconstruir históricos de recursos nativos e editáveis através de backends heterogêneos (ex: FreeCAD, SolidWorks, Fusion 360).

Metodologia: O Sistema CADIR

Os autores propõem o CADIR, uma representação intermediária amigável para agentes e executável, construída sobre o kernel de geometria OpenCASCADE (OCCT via interface OCP - Open Cascade Python). O sistema opera através de três componentes principais:

1. API de Modelagem Amigável ao Agente

O CADIR aborda as limitações das interfaces de CAD em Python existentes (como o CadQuery), que frequentemente dependem de planos de trabalho implícitos e encadeamento de métodos com estado, o que obscurece o contexto para os LLMs.

Operações Explícitas: Ele expõe 115 operações de modelagem composicionais públicas diretamente no kernel OCCT.
Diagnósticos Estruturados: Cada chamada de API retorna geometria analítica precisa, topologia, logs de diagnóstico e erros de execução, permitendo que os agentes localizem falhas.
Seletor de Topologia (TS): Para superar a falta de confiabilidade na seleção de arestas/faces por índice (que muda após operações booleanas), o CADIR introduz um Topology Selector. Este é uma operação de seleção explícita definida por uma gramática: Select(τ, ρ)[Traverse(π)][Where(ϕ)].... Ele permite que os agentes selecionem entidades com base em tags semânticas, predicados geométricos e travessia de fronteira, registrando a lógica de seleção no grafo de construção.
Restrições de Montagem: São fornecidas operações explícitas para restrições fixas, prismáticas, revolutas e outras, juntamente com um verificador de colisão estático.

2. Grafo de Construção Cross-Backend

Em vez de transferir geometria estática ou scripts específicos de plataforma, o CADIR registra a execução do programa como um Grafo de Construção ( $G_{CADIR}$ ) independente de backend.

Estrutura do Grafo: O grafo consiste em nós (operações de construção canônicas), arestas direcionadas (dependências de operação), registros de nós estruturados (parâmetros, tags, contexto e mudanças topológicas induzidas) e nós de resultado.
Correspondência de Assinatura Geométrica (GSM): Uma inovação crítica para a reconstrução cross-backend. Como os índices topológicos são instáveis entre diferentes kernels de CAD, o CADIR atribui uma Assinatura Geométrica ( $\sigma$ $σ$ ) canônica a cada entidade selecionada. Esta assinatura inclui caixa delimitadora (bounding box), tipo geométrico, centro, comprimento/área, pontos finais e normal da superfície.
- Durante a reconstrução, os adaptadores para os backends de destino (FreeCAD, SolidWorks, Fusion 360) percorrem o grafo e utilizam a GSM para corresponder a assinatura de origem com a geometria reconstruída no destino.
- O algoritmo lida com casos onde uma aresta de origem se divide em múltiplas arestas de destino ou múltiplas arestas de origem se fundem em uma, rejeitando mapeamentos ambíguos para garantir uma reconstrução confiável da dependência de recursos.

3. Recuperação de Grafo de Construção

Para suportar gerações complexas, o CADIR emprega um mecanismo de geração aumentada por recuperação (RAG) utilizando os grafos de construção como índices estruturados.

Arquitetura de Duas Torres: Dois modelos de duas torres treinados independentemente lidam com consultas de texto e imagem. Eles mapeiam consultas para um espaço de grafo consciente de CAD usando um Graph Transformer para modelar dependências de longo alcance e passagem de mensagens com portão (gated message passing) para dependências locais.
Recuperação de Grafo Completo e Subgrafo: O sistema suporta a recuperação de modelos inteiros (grafos completos) e subestruturas de modelagem reutilizáveis (subgrafos, ex: uma sequência específica de esboço-extrusão-chanfro). Os subgrafos são codificados durante o indexamento offline, permitindo a recuperação zero-shot de padrões de construção locais sem supervisão explícita para subgrafos durante o treinamento.

Arquitetura do Agente

O Agente CADIR consiste em cinco agentes especializados ( $A_m, A_r, A_c, A_v, A_e$ ) coordenando o fluxo de trabalho, análise de requisitos, geração/reparo de código, verificação visual e consolidação de experiência. Ele utiliza uma biblioteca de casos recuperável, indexada por grafos de construção, para refinar a geração através de loops de feedback iterativos.

Principais Contribuições

Interface CADIR: Uma interface de CAD executável construída sobre OCP/OCCT que expõe operações composicionais explícitas, seleção de topologia semântica consciente e diagnósticos estruturados, superando a natureza de "caixa preta" das APIs de CAD com estado para LLMs.
Reconstrução Cross-Backend: Um método que utiliza o grafo de construção e a Correspondência de Assinatura Geométrica (GSM) para estabelecer correspondência topológica entre diferentes sistemas de CAD, permitindo a reconstrução de históricos de recursos nativos e editáveis no FreeCAD, SolidWorks e Fusion 360.
Recuperação de Grafo de Construção: Um mecanismo de recuperação para consultas de texto e imagem que suporta a recuperação de grafos completos e subgrafos, permitindo que os agentes utilizem modelos completos e subestruturas de modelagem específicas para tarefas de geração complexas.

Resultados Experimentais

Os autores avaliaram o CADIR contra representações existentes (CQ, build123d, HistCAD, etc.) e métodos de geração (Text2CAD, CADDesigner) usando 200 modelos amostrados do DeepCAD e da Fusion 360 Gallery.

Desempenho da Representação Intermediária: O CADIR alcançou o maior Intersection over Union (IoU) de 0.2702 (um aumento de ~4.85% sobre o melhor baseline, build123d com 0.2577) e as menores Distâncias de Chamfer (18.36) e Hausdorff (0.2272). Alcançou uma taxa de sucesso de execução perfeita de 1.0000, enquanto outros métodos variaram de 0.8850 a 0.9850.
Precisão de Recuperação: O indexamento por Grafo de Construção (CG) superou significativamente o indexamento direto por programa de CAD (CP). Para consultas de texto com um pool de candidatos de 1.000, o CG alcançou R@5 de 0.7495 e R@10 de 0.8054, comparado a 0.2733 e 0.4046 do CP.
Qualidade de Geração: Na geração de texto-para-CAD, o CADIR melhorou o IoU em ~30.55% e reduziu a Distância de Chamfer em 43.0% em comparação com o baseline mais forte (CADDesigner), mantendo uma taxa de sucesso de execução de 1.0000.
Reconstrução Cross-Backend: Usando GSM, o CADIR alcançou uma Taxa de Reconstrução de Nó (NRR) de 1.0000 entre FreeCAD, Fusion 360 e SolidWorks. Em contraste, os baselines baseados em índice e amostragem de pontos alcançaram NRRs entre 0.3175 e 0.5342.
Edição Pós-Reconstrução: A Taxa de Sucesso de Edição (ESR) foi de 1.0000 para FreeCAD, 0.9796 para Fusion 360 e 0.9184 para SolidWorks. A ligeira redução no SolidWorks e Fusion 360 é atribuída a recursos específicos que carecem de implementações editáveis nativas equivalentes nesses ambientes.

Significância e Alegações

O artigo afirma que o CADIR representa um passo significativo à frente na geração de CAD agêntico ao resolver o "trilema" de preservar o histórico de construção, garantir referências topológicas estáveis e permitir a editabilidade cross-backend.

Confiabilidade: Ao se afastar de scripts implícitos e com estado para uma representação explícita baseada em grafos com correspondência de assinatura geométrica, o sistema atinge uma confiabilidade de execução e reconstrução cross-backend quase perfeitas.
Reutilização: O mecanismo de recuperação de grafo de construção demonstra que os agentes podem reutilizar efetivamente não apenas modelos inteiros, mas também subestruturas de modelagem específicas, melhorando a fidelidade geométrica dos designs gerados.
Interoperabilidade: A capacidade de reconstruir históricos de recursos nativos e editáveis nos principais ambientes de CAD comercial e open-source (FreeCAD, SolidWorks, Fusion 360) preenche a lacuna entre o código gerado por IA e os fluxos de trabalho de engenharia prática.

Os autores observam que trabalhos futuros focarão na incorporação de validação baseada em simulação (análise cinemática e dinâmica) e na integração de conhecimento de domínio para implantação na engenharia real. O código está disponível publicamente para facilitar novas pesquisas neste domínio.