CAD生成模型体积几乎全对,DrawScore却从三视图曲线上挑出制造级小错
核心概要
自动CAD生成常用体积IoU、Chamfer距离和表面F-score打分,这些指标对只占零件体积或表面积很小比例的局部错误几乎不惩罚,例如孔位放错或槽开在错误的面上。DrawScore把候选模型与真值分别投影成带可见线和隐藏线的三视图,沿投影曲线施加饱和惩罚,使局部错误的权重只随尺寸线性衰减。在六个智能体配置产出的1,188个输出中,IoU不低于0.95的1,007个里有190个(18.9%)DrawScore低于0.95;反过来DrawScore不低于0.95的827个里只有10个(1.2%)IoU低于0.95。
深度剖析
CAD生成模型的几何相似度打分换了一个比较对象:不再比实体体积或表面,而是比工程图上的投影曲线。 体积IoU、Chamfer距离、表面F-score和Edge Chamfer距离都在体积、表面或尖锐棱边上度量差异,零件整体尺寸或形状错时反应强烈,但漏掉或放错一个小孔、小槽时权重很低。 在六个智能体配置的1,188个有效输出上,IoU不低于0.95的1,007个输出中DrawScore分布在0.4218到1.0000之间,其中190个(18.9%)低于0.95;而DrawScore不低于0.95的827个输出中,只有10个(1.2%)IoU低于0.95。
做法是把两个模型都投影成三张正交视图,图上同时画出可见线和隐藏线,再比较两组曲线是否重合。 DrawScore用CAD内核的隐藏线消除算法沿三个正交方向投影,对真值曲线上的每个点量它到同可见性候选曲线的距离,用高斯饱和惩罚把超过位置容差的偏差压到接近1。 每个视图按弧长计算召回率和精确率,取调和平均,最终分数取三个视图中的最低分;在35个真值模型构造的53组受控对照上,五种指标的拟合衰减阶数与积分维度分析相差都小于0.2。
这个分数还能直接当训练奖励和推理时的候选筛选器,不需要三维真值。 以DrawScore为强化学习奖励训练Qwen3.5-4B,有效输出占比从75.2%升到89.5%,其余三项指标也都优于SFT模型;而Edge Chamfer距离奖励虽然提高有效性,却把DrawScore压到SFT以下。 在BenchCAD的20个有效Public T1案例上,Qwen3.8-max配合codex框架为每例生成8个候选,按DrawScore与输入图纸比对选优,相对单次生成基线在IoU、CD和表面F-score上的增益分别达到Oracle增益的4.7%、17.2%和13.0%。
启示与展望
演示范围是带可见线和隐藏线的三张正交视图上的投影曲线比较,受控实验覆盖35个真值模型构造的53组对照,智能体输出实验覆盖六个配置的1,188个有效输出,训练与选优实验分别在Ortho2CAD、Fusion360和BenchCAD的Public T1案例上进行。
三张正交视图对少数零件不能唯一确定几何,阶梯孔和内部空腔只以重叠的隐藏线出现;推理时选优假设输入图纸已是矢量形式,栅格图需先矢量化;DrawScore计算比其他指标慢,因为要对每个模型沿多个视角做隐藏线消除。
