🤖 AI

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

ArtisanCAD 是一款工业级 CAD 智能体，它利用基于专家知识蒸馏的可执行中间表示（CAD-IR），将模糊的自然语言提示和专家程序化数据转化为具有更高准确性和鲁棒性的生产就绪且可编辑的 B-Rep 模型。

原作者： 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

发布于 2026-07-08

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： 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

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，你正在试图教一个机器人如何制造一件复杂的家具，比如一个定制的车门或一个发动机支架。你不能只说“做一个门”。机器人需要知道具体如何建造它：第一条线画在哪里，第一个孔先钻哪个，以及如何确保零件能够完美契合。如果你给出的指令含糊不清，机器人可能会造出一个摇摇晃晃的废品，或者在执行到一半时卡住。

这篇论文介绍了一种名为 ARTISANCAD 的智能机器人助手，旨在为工业工程师解决这一问题。以下是它的工作原理，通过简单的概念进行拆解：

1. 问题所在：模糊的指令 vs. 专家的秘密

目前的 AI 工具擅长将简单的文本转化为 3D 形状，但在处理现实世界的工业零件时却显得力不从心。

问题点： 如果你告诉标准的 AI，“把铰链板加深一点”，它可能会猜错形状，或者忘记添加必要的孔位。它缺乏人类专家的“肌肉记忆”。
缺失的一环： 真正的工程师拥有多年的经验。他们留下了工作的视频记录、在图纸上写下了笔记，并保存了“宏命令日志”（即他们鼠标点击和指令的数字记录）。现有的 AI 工具忽略了这些知识宝库。

2. 解决方案：“大师级食谱” (CAD-IR)

CAD-IR（计算机辅助设计中间表示）是 ARTISANCAD 的核心创新。你可以把它看作是一份大师级食谱，或者说是蓝图的蓝图。

AI 不再尝试从零开始猜测最终形状，而是利用 CAD-IR 来组织整个过程：

它是一个翻译官： 它将专家工程师杂乱的现实世界记录（例如他们在使用 CATIA 软件时的视频）转化为一份清晰、循序渐进的指令清单。
它是一个检查清单： 它不仅仅是说“钻一个孔”。它会说：“第一步，画一个圆；第二步，确保它居中；第三步，钻孔；第四步，检查是否平滑。”
它是一个技能库： AI 将这些食谱转化为“技能（Skills）”。如果一位工程师知道如何制作一个车门，那么这个“车门技能”就会被保存下来。稍后，如果有人要求做一个更宽的车门，AI 不会从零开始，而是提取“车门技能”并仅调整宽度。

3. 机器人的运作方式（循环流程）

当用户给出一个请求（例如“把这个引擎盖面板调高”）时，ARTISANCAD 会经历一个循环：

检索（Retrieval）： 它在库中寻找由人类专家创建的“引擎盖面板技能”。
适配（Adaptation）： 它获取专家的“大师级食谱”（CAD-IR），并根据用户的请求更新数值（例如，“将高度从 10cm 改为 15cm”）。
执行（Execution）： 它将这些更新后的指令发送到专业的软件后端（CATIA）来实际构建 3D 模型。
“眼睛”（视觉反馈）： 这是至关重要的一步。机器人生成模型后，会从八个不同的角度（前、后、顶、侧等）拍摄照片，并将其展示给一个 AI“检查员”。
- 检查员会问： “这看起来像是一个加高的引擎盖面板吗？我们是不是不小心把孔给删掉了？”
- 如果答案是“不是”，机器人会重写“大师级食谱”（CAD-IR）并再次尝试。

4. 结果：从“大概如此”到“生产就绪”

论文通过两种方式测试了它：

“盲测”测试： 他们要求 AI 在没有任何专家帮助的情况下，根据模糊的描述构建形状。
- 没有“大师级食谱”（CAD-IR）时： AI 会犯错，遗漏掉诸如孔位或薄支撑件之类的细节。
- 有了“大师级食谱”后： AI 构建出的形状要准确得多，能够填补那些模糊提示中未明确说明的细节。
“现实世界”测试： 他们将其应用于四个复杂的汽车零件（如引擎盖面板和锁板）。
- 他们记录了人类专家构建这些零件的过程，将这些记录转化为“技能”，然后要求 AI 进行变体制作（例如，“让它变宽”、“让它变深”）。
- 结果： AI 成功创建了全新的、可编辑的、专业级的 3D 模型，工程师可以直接使用。如果没有这些专家“技能”的辅助，由于指令过于复杂，AI 会完全失败。

总结类比

想象一下你想烤一个复杂的蛋糕。

旧款 AI： 你说，“做一个蛋糕。” AI 开始瞎猜配料，最后烤出了一个坑洼不平的烂摊子，因为它不知道搅拌的顺序或烘焙时间。
ARTISANCAD： 你说，“做一个更高的蛋糕。” AI 会调出由烘焙大师（专家）编写的大师级食谱。它清楚地知道该用哪个模具，以及如何根据“更高”的要求来调整烘焙时间。它烤好蛋糕后，会拍张照片检查是否长高了，如果稍微有点偏差，它会调整食谱并重新烘焙，直到完美为止。

简而言之： ARTISANCAD 通过教 AI 学习人类专家的“肌肉记忆”，将他们的经验转化为可重用的、可编辑的数字技能，从而弥合了模糊的人类想法与精确的工业制造之间的鸿沟。

技术摘要：ARTISANCAD

问题陈述

用于汽车和航空航天等领域的工业级计算机辅助设计（CAD）需要长程程序化建模、鲁棒的特征依赖关系以及生产级的边界表示（B-Rep）执行。与业余 3D 建模不同，工业 CAD 涉及复杂的流程，包括草图、约束和可编辑的参数化几何体。

现有的文本生成 CAD 方法虽然前景广阔，但在应用于工业场景时面临显著局限性：

歧义处理能力不足： 当用户提示存在歧义、描述不足，或仅描述高层设计意图而缺乏底层构建细节时，这些方法难以应对。
缺乏专家知识： 它们很少利用工业工作流中天然存在的丰富程序化知识，例如 CATIA 操作录制、宏日志、工程图纸说明和工程描述。
复杂度差距： 当前的方法通常在简单的零件或短程草图-拉伸程序上进行评估，无法处理复杂工业组件所需的长程程序、曲面 B-Rep 以及混合操作。

方法论

本文提出了 ARTISANCAD，一种通过名为“专家引导知识蒸馏”（Expert-Grounded Knowledge Distillation）的机制将生成过程锚定在专家程序化知识中的工业级 CAD 智能体。该系统通过两个主要阶段运行：

1. 专家到技能的获取（离线阶段）

此阶段将一次性的专家 CAD 记录转化为可重用的参数化技能。

输入： 异构专家数据，包括 CATIA 宏录制、图纸说明、特征树和工程描述。
过程： 一个面向代码的智能体（Codex-xHigh）将这些记录解析为结构化的建模程序。
输出（部件技能）： 一个技能 $s$ $s$ 被定义为一个元组 $(D_s, O_s, P_s, Z_s)$ $(D_{s}, O_{s}, P_{s}, Z_{s})$ ：
- $D_s$ ：基础部件描述（功能角色、几何特征）。
- $O_s$ ：专家操作顺序（一种可重用的程序化先验，而非固定脚本）。
- $P_s$ ：参数模式（如宽度、半径等可编辑参数，及其有效范围）。
- $Z_s$ ：模板 CAD-IR（核心的可执行程序化模板）。

2. 技能引导的变体 CAD 生成（在线阶段）

给定用户对新变体的请求（例如“让板材更深”），智能体不会从头生成后端脚本，而是适配现有的技能。

技能检索： 智能体根据用户查询从知识库中检索最相关的技能。
CAD-IR 实例化： 智能体使用新请求来实例化模板 CAD-IR ( $Z_s$ )。它会填充缺失的参数，更新操作参数，并保留专家衍生的依赖关系和验证规则。
CAD-IR（中间表示）： 核心创新在于 CAD-IR，这是一种可执行的程序化表示，定义为 $Z = (P, T, O, E, V)$ $Z = (P, T, O, E, V)$ ：
- $P$ ：全局部件参数。
- $T$ ：所需的后端工具（MCP 绑定）。
- $O$ ：有序的 CAD 操作列表（意图、工具调用、参数、输出、依赖关系、验证）。
- $E$ ：生成的实体及依赖关系。
- $V$ ：验证规则。
后端执行： 生成的 CAD-IR 被分发至 CATIA-MCP 后端，该后端将 IR 操作转换为原生的 CATIA 命令，以生成可编辑的 B-Rep 模型。
视觉反馈循环： 一个轻量级的多视图视觉反馈系统用于评估生成的模型。如果发现不一致之处，智能体会重写 CAD-IR（而非后端脚本）以修正参数或操作，通过迭代直至模型通过视觉和结构检查。

核心贡献

专家到技能的获取机制： 一种全新的工作流，将异构专家知识（宏、日志、笔记）蒸馏为 CAD-IR 和可重用的参数化技能。这使得专家建模程序能够被适配到同一组件族中的新变体请求中。
ARTISANCAD 智能体： 一种具有多后端支持的技能引导型工业 CAD 智能体。它负责检索技能、在 IR 层级进行实例化和修订，并通过专门的 CATIA-MCP 后端执行。它结合了多视图视觉反馈循环以进行迭代优化。
CAD-IR 作为程序化支架： 本文证明了将 CAD 生成表示为显式的、可执行的中间表示，可以弥合模糊文本描述与复杂的、可执行的 CAD 构建之间的鸿沟。

实验结果

作者从两个方面对 ARTISANCAD 进行了评估：

1. 公共 Text2CAD 基准测试

设置： 在未使用任何专家知识库的情况下，在 100 个中等难度提示词上进行测试（以隔离 CAD-IR 的效果）。
发现：
- 倒角距离 (Chamfer Distance, CD)： 将平均 CD 从 14.83（未使用 IR 的 ARTISANCAD）降低至 9.88（带有 IR 的 ARTISANCAD）。
- 实体交并比 (Solid IoU)： 从 0.614 提升至 0.646。
- 对比： 带有 IR 的 ARTISANCAD 显著优于基准模型 Text2CAD (CD 29.80) 和 CAD-Coder (CD 14.16)。
- 意义： 即使没有专家技能，CAD-IR 也为将模糊提示转化为可执行操作提供了卓越的程序化支架。

2. 工业汽车零部件

设置： 应用于四个复杂的汽车部件（铰链加强板、引擎盖面板、外板支架、锁加强板）。专家宏录制被蒸馏为技能。
发现：
- 通过适配蒸馏的技能，ARTISANCAD 成功地为新的变体请求（如改变深度、宽度或孔位布局）生成了可编辑的、生产就绪的 B-Rep 模型。
- 消融实验： 若不使用技能引导的 CAD-IR，尝试生成这些复杂组件将会失败，因为智能体无法仅从简短的提示词中推断出必要的长程操作顺序和依赖关系。

重要性与主张

本文声称 ARTISANCAD 代表了从生成孤立的基准测试序列向面向生产的 CAD 自动化的转变。

弥合差距： 该系统有效地弥合了模糊的用户意图与工业设计所需的严谨、长程程序之间的鸿沟。
知识复用： 通过将专家宏录制蒸馏为可重用的技能，该系统允许工程师利用积累的程序化知识，而不是从头开始重新探索工作流。
鲁棒性： 使用 CAD-IR 作为中间层允许进行操作层级的修订和视觉反馈集成，使得系统相比于直接生成后端脚本，在面对模糊输入和执行错误时更加稳健。

作者总结道，虽然目前的 text-to-CAD 系统受限于缺乏程序化先验，但 ARTISANCAD 证明了将生成过程锚定在基于专家衍生的技能和可执行中间表示之上，对于将 CAD 智能体扩展到实际工业工作流至关重要。