Procedura: 代理式三维建模与程序化控制
摘要
Procedura 引入了一个新颖的三维建模代理,它使用 LLMs 从文本提示创建可编辑的、部件结构化的组件,在质量和可编辑性方面优于现有方法。
查看缓存全文
缓存时间: 2026/08/28 07:24
论文页面 - Procedura:基于程序化控制的代理3D建模
来源:https://huggingface.co/papers/2608.26238
摘要
Procedura 是一个3D建模代理,能够根据文本提示生成可编辑的、具有部件结构的程序化组件,这些组件拥有精确的几何形状和经过验证的关节运动。
原生3D生成器(https://huggingface.co/papers?q=Native%203D%20generators)现在可以从单张图片恢复出令人印象深刻的网格几何形状。然而,密集网格在需要精确加工的位置仍显圆滑,缺乏部件分解,也不提供用户可编辑的参数。为解决这些问题,我们探索了将3D形状视为代码的范式,利用并扩展了大语言模型的编程能力以用于3D建模。我们引入了Procedura,一个创新的3D建模代理框架,它将物体编写为一个程序化组件(https://huggingface.co/papers?q=procedural%20assembly),即一个参数化程序(https://huggingface.co/papers?q=parametric%20program),其命名部件通过类型化、可机器检查的配合关系连接。根据文本提示,该代理将物体规划为一个装配图(https://huggingface.co/papers?q=assembly%20graph),并逐部件编写程序,每个部件的放置都基于配合框架求解,而非猜测,且仅在编译、配合和连通性检查通过后才接受该部件。随后,一个解耦的视觉评审模块(https://huggingface.co/papers?q=vision%20critic)每次针对一个诊断出的问题来优化装配。此外,同一个装配图还承载着逐部件的材质信息和一个经过模拟器验证的关节运动(https://huggingface.co/papers?q=articulation)。我们在P3D-Bench上以其装配评判标准进行了评估,并在同一标准下评估了我们的硬表面基准测试集MechBench-36。在这两个基准上,Procedura在评判质量方面均优于当前最先进的原生3D生成器(https://huggingface.co/papers?q=native%203D%20generators)和所有先前的3D代码代理,生成了我们评估的所有方法中最为锐利的边缘,并且是唯一一个输出为可编辑、部件结构化程序的方法。
查看arXiv页面 (https://arxiv.org/abs/2608.26238) 查看PDF (https://arxiv.org/pdf/2608.26238) 项目页面 (https://spatiaos.github.io/projects/procedura/) GitHub40 (https://github.com/SpatiaOS/Procedura) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.26238)
在你的代理中获取此论文:
hf papers read 2608.26238
还没有最新版CLI?curl -LsSf https://hf.co/cli/install.sh | bash
引用此论文的模型 0
没有模型链接此论文
在模型的README.md中引用 arxiv.org/abs/2608.26238 以从本页链接它。
引用此论文的数据集 0
没有数据集链接此论文
在数据集的README.md中引用 arxiv.org/abs/2608.26238 以从本页链接它。
引用此论文的Spaces 0
没有Space链接此论文
在Space的README.md中引用 arxiv.org/abs/2608.26238 以从本页链接它。
包含此论文的合集 0
没有合集包含此论文
将此论文添加到一个合集 (https://huggingface.co/new-collection) 以从本页链接它。
相似文章
构建了一个代理循环,其中LLM编写Python代码以生成可动3D CAD模型。您可以固定一个部件进行编辑。
构建了一个代理循环,其中LLM编写Python代码以生成可动3D CAD模型,并可固定一个部件进行编辑。
具身CAD:基于求解器的LLM智能体用于参数化B-Rep装配建模
介绍具身CAD(Embodied CAD),一个闭环框架,将LLM智能体置于CAD执行环境中,用于参数化B-Rep装配建模,利用求解器反馈进行规划和优化。
ProcAgent:一种在边缘设备上支持人在回路中的程序性任务指导的智能体框架
ProcAgent 是一个完全在设备端运行的、基于视觉的智能体程序助手,采用提出-验证架构,在 NVIDIA Jetson AGX Orin 上实现实时自适应指导。它支持反应式和主动式两种模式,并支持人在回路中的确认,实现响应式交互,并在用户研究中获得积极评价。
管理LLM智能体中的程序性记忆:控制、适应与评估
介绍了AFTER,一个包含382个企业任务的基准,用于评估LLM智能体中的程序性记忆,表明技能迁移能提升跨任务、角色和模型骨干的性能,部分技能广泛泛化,而另一些则专业化。
用于三维框架系统自动化结构分析的智能体大语言模型
本文提出了一种基于自然语言输入的三维框架系统自动化结构分析的智能体大语言模型框架,通过多智能体流水线在十个代表性三维框架上实现了90%的准确率。