LLM-based Visual Code Completion for Aerospace Geometric Design
本文介绍了一种用于航空航天几何设计的基于大语言模型（LLM）的视觉编程副驾驶，其特点是包含一个新的 Grasshopper 插件库（Wingbuilder）和一个专门的数据集（AVPD），该工具经过行业工程师评估，被发现尽管在推理速度方面存在局限性，但仍然具有帮助作用。
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
想象一下，你是一名试图为一架新飞机设计完美机翼的航空航天工程师。你不是在通过输入代码或在屏幕上拖动微小的、抽象的形状，而是正在使用一种名为 Grasshopper 的视觉化编程工具。把它想象成一个巨大的数字乐高板，你可以通过将积木块拼接在一起来构建一个 3D 模型。
然而，制造这些机翼是非常复杂的。你必须连接数十个模块，才能让形状、曲线和结构达到最完美的平衡。这正是该论文介绍了一种全新的“数字助手”（副驾驶/Copilot），它由一个非常聪明的 AI（大语言模型）驱动。
以下是研究人员所做的工作以及他们的发现，使用了简单的类比：
1. 问题所在：“语言障碍”
研究人员注意到，尽管 AI 在编写代码方面已经变得非常出色，但航空航天工业却非常谨慎。他们优先考虑安全性、清晰的解释而非速度。目前，还没有主要的飞机制造商使用 AI 来辅助设计机翼，因为他们不确定 AI 是否足够安全或可靠。
2. 解决方案：一个专门的工具包和一个“聪明实习生”
为了解决这个问题，团队构建了三个主要部分：
- Wingbuilder（专门的工具箱）： 想象一下，如果你的乐高套装里只有通用的积木。现在，想象有一个专门的工具包，里面带有预制的“机翼部件”、“发动机支架”和“飞行表面”，并用通俗易懂的英语进行标注（例如“翼展”或“曲线”）。团队创建了一个名为 Wingbuilder 的插件，其功能正是如此。它将复杂的数学运算转化为易于理解的航空航天术语，让 AI 和人类工程师能够使用同一种语言交流。
- 数据集（练习考试）： 他们创建了一个包含 18 个不同设计挑战的库，范围从“简单”（如添加一个零件）到“困难”（构建一个复杂的多部分机翼）。这作为一个测试库，用来观察 AI 是否真的能胜任这项工作。
- Copilot（“先思考后行动”的实习生）： 这是主角。AI 不仅仅是猜测答案。它使用了一种称为 ReAct（推理与行动）的方法。
- 类比： 把 AI 想象成一个非常聪明但动作稍慢的实习生。当你给它一个任务时，它不会直接交给你完成后的机翼。相反，它会低声诉说它的思考过程：“我需要在这里连接根部，然后我应该检查一下曲线，接着我会添加一个支撑梁。” 然后它执行一个小步骤，检查结果，并重复这个循环，直到任务完成。
3. 他们是如何测试的
他们邀请了两名来自大型飞机公司的资深航空航天工程师来尝试这个工具。工程师们被分配了难度各异的设计任务（简单、中等和困难）。有时他们独立工作，有时则在 AI 副驾驶的帮助下工作。
4. 他们的发现（结果）
结果呈现出一种“对大问题很棒，但对小问题太慢”的特征。
- “慢但聪明”的因素： AI 的“思考”过程（推理）需要时间。对于一个工程师可以在 30 秒内完成的简单任务，等待 AI 思考近两分钟是非常令人烦躁的，这实际上降低了工程师的工作效率。
- “救援”因素： 对于困难的任务，AI 是救命稻草。当工程师们卡壳或不知道从何下手时，AI 的建议帮助他们更快地完成了工作。事实上，对于最难的任务，当有 AI 协助时，工程师们更有可能完成任务。
- 结论： 工程师们喜欢这个工具。他们觉得这些建议很有帮助，尤其是在处理棘手工作时，即使最初跟随这些推理步骤会感到有些困惑。他们表示愿意在未来使用它。
5. 底线
该论文得出结论，这种 AI 副驾驶非常适用于复杂且耗时的设计挑战，在这种情况下，等待 AI “思考”所花费的额外时间是值得的。然而，对于快速、简单的修正，目前的 AI 速度太慢，无法发挥作用。
研究人员还指出，他们使用的是一个非常强大的商业 AI (GPT 5.4)。他们发现，免费的开源 AI 模型目前还不够聪明，还无法准确地完成这种特定的“先思考后行动”的任务，但他们预计随着技术的进步，情况会有所改善。
简而言之： 他们构建了一个专门的“机翼设计乐高套装”，并配备了一个聪明的 AI 助手，帮助工程师构建复杂的机翼。处理小任务时它有点慢，但在工作变得非常困难时，它是一个极好的帮手。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。