跳到主要内容
返回时间线
arXiv来源发表:

CADFather 用视觉语言助手协调学习、几何与优化三类工具,在六个 CAD 重建基准上把无效输出降到零

核心概要

CADFather 是一个无需额外训练的自主智能体,用视觉语言助手在候选 CAD 程序池上决定扩展哪个程序、调用哪种工具以及采样多少提案,把学习式提案生成、基于几何拟合的算法式提案与参数优化统一在同一 CadQuery 表示中,并在 DeepCAD、Fusion360、MCB 全测试集上取得零无效率和更高的平均 IoU、GMS 与更低的中位 Chamfer 距离。

Source-provided article image: CADFather: Autonomous CAD Reconstruction through Coordinated Tool Use
Figure 1 · arXiv

深度剖析

系统把三类互补工具放进同一个候选池与同一表示:学习式提案来自预训练的 CADENA-RL 操作生成器,算法式提案通过对目标网格做截面挤出拟合产生,参数优化只改草图坐标、半径与挤出深度而不改操作序列。 此前方法通常固定单一操作来源,或反复编辑同一个程序;CADFather 让视觉助手在每一步同时决定“继续哪个候选”和“用哪个工具”,并保留早期候选以便回溯。 方法描述完整,工具接口、候选表字段、预算与终止规则均有明确说明;学习与助手模型均为冻结权重,不使用额外训练。

在 DeepCAD、Fusion360、MCB 全测试集上,平均 IoU 分别为 0.987、0.976、0.913,高于 CADENA-RL sampling 的 0.966、0.952、0.895;无效率为 0.0000,即每个零件都以封闭实体结束。 学习工具使用同一个 CADENA-RL 检查点,因此提升并非来自更强的生成器,而是来自工具协调与候选搜索。 三个数据集规模分别为 8046、1725、5000 个零件;IoU 增益在三个数据集上幅度相近(0.018–0.024),GMS 与两种采样密度下的中位 Chamfer 距离也一致更优。

消融显示算法式提案贡献最大:去掉它后 MCB 上无效率从 0 升到 0.124,平均分下降幅度与同时去掉两类工具相当;去掉优化器只使平均分下降 0.004–0.006 且无效率保持为 0。 这区分了“提供可继续的封闭实体基础”与“微调已有参数”两类作用,说明在机械零件上能否从有效基座出发比参数精度更关键。 消融在三个数据集的固定 1000 零件子集上进行,预算、限制与模型服务一致,报告了逐零件配对差分的 95% bootstrap 置信区间。

在 CADENA-Bench 上无效率为 0,平均 IoU 0.909、GMS 0.721,优于已发表的 CADENA-RL greedy(0.876、0.670);在 BenchCAD 上体素 IoU 0.968 且无无效预测,高于同为网格输入的 CADENA-RL 0.910。 把同一配置推广到机械零件家族与工业零件家族基准,并给出与图像输入系统及带工具前沿模型的对照。 CADENA-Bench 含 3396 个零件、六个家族;BenchCAD 含 17900 个 CadQuery 程序、106 个工业家族、三个难度层级,IoU 与 GMS 随难度单调下降。

启示与展望

该结果面向以单个零件网格为输入、需要可执行且可编辑 CAD 程序的场景,例如只有扫描件或缺失建模历史的部件;系统在 DeepCAD、Fusion360、MCB 全测试集上以零无效率结束,在 CADENA-Bench 上同样为零,在 CADBench 上 18000 个零件中仅 12 个未得到有效预测。对希望复用该流程的读者,可直接使用其公开代码仓库,并沿用其候选池、受保护最优结果与预算机制;算法式提案在“采样首操作无法得到封闭实体”的零件上最关键,因此对机械零件工作流尤其值得优先配置。评估覆盖几何重建与程序有效性,不涉及原始设计历史、制造意图或工程约束,也不覆盖装配体、公差或经仿真验证的设计。

助手依据不完整的视觉与数值证据做决策,其选择可能受提示、模型行为与当前可见候选影响,因此不保证找到最优重建;参数优化无法纠正不合适的操作序列,保留早期候选也无法弥补从未生成的有用替代方案。搜索步数与时间上限可能终止本可成功的轨迹。消融使用固定预算但限于 1000 零件子集,且未匹配实际消耗的计算量,也未单独隔离助手选择策略的贡献;与其他 CAD 智能体的直接对比仍属未来工作。MCB 上平均 GMS 为 0.766,明显低于 IoU,提示体积匹配不等于表面结构匹配,这一差距值得在机械零件上进一步观察。CADBench 上有效形状率低于 CADFit,原因是 576 个零件超出评估器 30 秒限制,这一成本边界对实际部署的影响仍需读者自行权衡。