🤖 machine learning

AutoRegressive Generation with B-rep Holistic Token Sequence Representation

本文提出了 BrepARG，一种将边界表示（B-rep）的几何与拓扑信息统一编码为分层整体令牌序列的方法，并首次利用基于 Transformer 的自回归生成模型实现了序列化的 B-rep 生成，从而取得了最先进的性能。

原作者： Jiahao Li, Yunpeng Bai, Yongkang Dai, Hao Guo, Hongping Gan, Yilei Shi

发布于 2026-03-31

📖 1 分钟阅读☕ 轻松阅读

原作者： Jiahao Li, Yunpeng Bai, Yongkang Dai, Hao Guo, Hongping Gan, Yilei Shi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种名为 BrepARG 的新方法，它能让计算机像写小说一样，自动“写”出复杂的 3D 工业零件设计图（称为 B-rep）。

为了让你轻松理解，我们可以把3D 零件设计想象成建造一座乐高城堡。

1. 以前的难题：拆散了积木和说明书

在 BrepARG 出现之前，让 AI 设计 3D 零件非常困难，主要有两个痛点：

把“形状”和“结构”分家了：以前的方法像是让两个不同的人分工。一个人只管把积木块（几何形状）拼好，另一个人只管把说明书（拓扑结构，即哪块积木连哪块）写出来。结果往往是：积木拼得很漂亮，但说明书是乱的，或者说明书对了，积木却拼不起来。
无法“一气呵成”：因为形状和结构是分开的，AI 不能像人类设计师那样，一边想“这里加个圆角”，一边想“这个圆角要连到那个面上”。这种割裂导致 AI 生成的零件经常出错（比如面没闭合、结构不连通）。

2. BrepARG 的绝招：把一切变成“单词”

BrepARG 的核心思想是：把整个 3D 零件变成一串“单词”，然后像大语言模型（LLM）写文章一样，一个词一个词地把它“写”出来。

它是怎么做到的呢？它发明了三种特殊的“单词”（Token）：

形状单词（Geometry Tokens）：
- 比喻：就像乐高积木的颜色和纹理。
- 它把零件的每一个面（比如一个圆形的盖子）和每一条边，都压缩成几个数字代码。不管这个面是弯曲的还是平直的，AI 都能把它变成一串固定的代码。
位置单词（Position Tokens）：
- 比喻：就像积木在桌子上的坐标。
- 它告诉 AI，这个积木块应该放在哪里（长、宽、高、X/Y/Z 轴位置）。以前这很难数字化，但 BrepARG 发明了一种简单的“刻度尺”方法，把位置变成了精确的数字代码。
连接单词（Face Index Tokens）：
- 比喻：就像乐高积木上的编号标签。
- 这是最关键的部分！它给每个面编个号（比如“面 A"、“面 B"）。当 AI 生成一条边时，它会写上“这条边连接了面 A 和面 B"。这样，AI 就不仅知道积木长什么样，还知道它们是怎么连在一起的。

3. 怎么“写”出零件？（序列构建）

有了这些单词，AI 怎么把它们串起来呢？这就好比整理书架：

第一步：打包
把每个“面”和“边”打包成一个“小包裹”。每个包裹里包含：位置信息 + 形状信息 + 连接标签。
第二步：排序（这是天才之处）
如果随机把包裹扔进序列，AI 会晕头转向。BrepARG 设计了一套智能排序法：
- 面怎么排？ 它先挑出“最核心”的面（连接边最多的面），然后像**走迷宫（深度优先搜索）**一样，顺着连接关系把相邻的面排在一起。这样，AI 在生成时，刚写完一个面，下一个要写的就是紧挨着它的邻居，逻辑非常顺畅。
- 边怎么排？ 把边排在它所属的面后面，确保 AI 在写边的时候，面的信息就在“眼前”。
第三步：组装
最后，把所有面的包裹排好队，再在所有边的包裹排好队，中间加个“分隔符”，开头加个“开始”，结尾加个“结束”。这就形成了一串完整的“零件说明书”。

4. 结果如何？

像写诗一样流畅：因为把复杂的 3D 结构变成了线性的“单词序列”，AI 可以直接使用目前最强大的Transformer 架构（就像 ChatGPT 背后的技术）来学习。它不再需要分步骤，而是一次性同时学会形状和结构。
又快又好：
- 质量高：生成的零件不仅形状逼真，而且结构完全正确（没有破洞、没有断连），比以前的方法（SOTA）都要好。
- 速度快：以前训练这种模型可能需要几天，现在只需要 1.2 天；以前生成一个零件要 8 秒，现在只要 1.5 秒。

总结

BrepARG 就像给 AI 发了一本“乐高字典”。
以前，AI 只能看着散乱的积木和断断续续的说明书，拼出来的东西总是歪歪扭扭。
现在，BrepARG 把积木的形状、位置和连接关系都翻译成了 AI 最擅长的“语言”（单词序列）。AI 只需要像写故事一样，顺着逻辑“写”出这串单词，就能自动还原出一个完美、精密、结构合理的 3D 工业零件。

这不仅是 3D 设计的一大步，也证明了把复杂的物理世界“翻译”成语言序列，是让 AI 理解并创造世界的强大新途径。

BrepARG：基于整体 Token 序列表示的 B-rep 自回归生成技术总结

1. 研究背景与问题 (Problem)

边界表示法 (B-rep) 是计算机辅助设计 (CAD) 中描述实体模型的核心范式。然而，现有的 B-rep 生成方法面临以下主要挑战：

几何与拓扑的解耦与碎片化：传统方法通常将几何特征（参数化面、边）和拓扑结构（连接关系）分开建模（多阶段流水线），导致表示碎片化，无法捕捉两者之间复杂的相互依赖性。
难以利用高效的序列生成架构：现有的基于图 (Graph-based) 的表示方法虽然能表达拓扑，但限制了高效 Transformer 架构（如自回归模型）的应用，因为 Transformer 通常需要序列输入。
异构性编码困难：B-rep 包含连续的参数化几何和离散的拓扑结构，这种异构性使得将其直接编码为适合深度生成模型的整体形式非常困难。

2. 核心方法论 (Methodology)

论文提出了 BrepARG，这是首个将 B-rep 的几何和拓扑编码为整体 Token 序列 (Holistic Token Sequence) 的自回归生成框架。其核心流程包括三个部分：

2.1 整体 Token 化 (Holistic Tokenization)

将 B-rep 离散化为三种类型的 Token，形成统一的词汇表：

几何 Token (Geometry Tokens)：
- 对面和边在 UV 参数域进行规则采样（面为 $32 \times 32$ ，边为 $32$ 点）。
- 利用 VQ-VAE (Vector Quantized Variational Autoencoder) 将采样特征压缩。通过最近邻搜索将潜在向量映射到码本索引，每个面/边最终由 4 个索引 Token 表示。
位置 Token (Position Tokens)：
- 针对面和边的 3D 包围盒 (Bounding Box, 6 个标量值)。
- 提出了一种新的均匀标量量化 (Uniform Scalar Quantization) 算法，将每个坐标独立映射到离散索引，避免了 VQ-VAE 在处理大范围包围盒时的精度损失问题。
拓扑 Token (Topology Tokens)：
- 使用面索引 Token (Face Index Tokens) 显式表示拓扑连接。
- 每个面分配唯一索引；每条边分配两个面索引，以编码“边 - 面”的邻接关系。

2.2 序列构建 (Sequence Construction)

为了适应自回归模型的因果掩码 (Causal Masking) 并保留局部结构，设计了分层序列构建策略：

几何块构建：将上述三种 Token 组合成“面块 (Face Block)"和“边块 (Edge Block)"。
拓扑感知排序 (Topology-aware Sequentialization)：
- 面块排序：采用 DFS (深度优先搜索) 策略，从最高度 (degree) 的面开始，优先访问低度邻居，使拓扑相邻的面在序列中距离更近。
- 边块排序：采用 MAX-IDX-A 策略，按相邻面索引的最大值升序排列，确保边与其关联的面在序列中靠近，减少长程依赖。
- 重索引 (Re-indexing)：在排序后对 Face Index Token 进行随机重索引，以增强模型的泛化能力。
最终组装：序列格式为 [START, 面块序列, SEP, 边块序列, END]。

2.3 生成模型 (Generation Framework)

采用 Decoder-only Transformer 架构进行自回归训练。
任务定义为下一个 Token 预测 (Next-token Prediction)，模型学习整体 Token 序列的联合分布。
训练完成后，通过 Detokenization 过程：利用 VQ-VAE 解码器恢复几何特征，利用标量量化公式恢复位置，并通过并查集 (Union-Find) 算法根据共享的面索引重建顶点和完整的 B-rep 拓扑结构。

3. 主要贡献 (Key Contributions)

首创整体 Token 序列表示：提出了一种将 B-rep 的连续几何和离散拓扑统一编码为单一 Token 序列的新方法，解决了传统方法中几何与拓扑割裂的问题。
端到端自回归框架：开发了基于 Transformer 的自回归生成模型，能够在一个流中协同生成几何形状和拓扑连接，消除了多阶段流水线的误差累积，显著提高了效率。
SOTA 性能验证：在 DeepCAD、ABC 和 Furniture 数据集上进行了广泛实验，证明了该方法在生成质量、有效性和效率上均达到了最先进水平 (SOTA)。

4. 实验结果 (Results)

生成质量：在 DeepCAD 数据集上，BrepARG 在覆盖率 (COV)、最小匹配距离 (MMD)、Jensen-Shannon 散度 (JSD) 等分布指标上均优于 BrepGen、DTGBrepGen 等基线模型。
有效性 (Validity)：生成的 B-rep 模型中，87.6% 是 watertight（水密）且拓扑一致的，显著高于其他方法（如 DTGBrepGen 的 79.8%）。
效率：
- 训练：在 4 张 NVIDIA H20 GPU 上训练 DeepCAD 数据集仅需约 1.2 天（对比 BrepGen 的 7.5 天）。
- 推理：在单张 RTX 4090 上生成一个 B-rep 仅需 1.5 秒。
消融实验：证明了拓扑感知的排序策略（DFS 面排序和 MAX-IDX-A 边排序）对提升生成稳定性和几何连贯性至关重要。

5. 意义与影响 (Significance)

范式转变：BrepARG 证明了将复杂的工业 CAD 数据（B-rep）转化为类似自然语言的序列表示是可行的，为将大语言模型 (LLM) 的自回归能力引入 3D CAD 生成开辟了新方向。
工业应用潜力：极高的生成有效性和推理速度使其具备在实际 CAD 辅助设计、自动化建模和逆向工程中应用的潜力。
技术启发：其提出的“几何 - 拓扑联合编码”和“拓扑感知序列排序”策略，为其他复杂结构化数据的生成任务提供了重要的参考。

总结：BrepARG 通过创新的 Token 化方案和自回归架构，成功打破了 B-rep 生成中几何与拓扑的壁垒，实现了高质量、高效率且端到端的 CAD 模型生成，是目前该领域的突破性工作。