ArtisanCAD: 一种基于专家知识蒸馏的工业级CAD智能体

# ArtisanCAD: 一种基于专家知识蒸馏的工业级CAD智能体

来源：https://arxiv.org/html/2607.05750
Yunhan Xu¹,† · Qifeng Wu¹,† · Xunjin Li⁴,† · Yuanwei Bin²,⁴,∗ · Qingsong Yao³,∗ · Jianghang Gu⁴ · Guan Wang⁴ · Weihao Lv⁴ · Huiyu Yang⁴ · Wenfa Luo⁵,∗ · Jiao Xiang⁵ · Yuntian Chen² · Shiyi Chen²

¹北京大学，北京 100871，中国
²东部理工学院，宁波 315200，浙江，中国
³中国人民大学，北京 100872，中国
⁴腾锋科技有限公司，深圳 518000，广东，中国
⁵智己汽车科技有限公司，上海 201210，中国

†同等贡献。∗通讯作者：[email protected], [email protected], [email protected]

###### 摘要

面向工业部件的计算机辅助设计（CAD）需要长视野的程序化建模、稳健的特征依赖关系、可编辑的参数化几何以及生产级的边界表示（B-Rep）执行。现有的文本到CAD方法在从自然语言描述生成CAD程序方面取得了有希望的进展，但当用户提示模糊、不明确或仅描述高层设计意图时，这些方法仍显吃力。它们也很少利用工业工作流中自然存在的专家程序知识，例如CATIA操作记录、宏日志、图纸注释和工程描述。我们提出**ArtisanCAD**，一种基于技能引导、通过专家知识蒸馏实现的工业CAD智能体。ArtisanCAD的核心是**CAD中间表示（CAD-IR）**，一种可执行的程序化表示，它编码了参数、有序操作、MCP工具绑定、依赖关系、生成的实体以及验证规则。CAD-IR扮演两个关键角色：首先，它作为载体，将专家CAD程序蒸馏成可重用的参数化技能；其次，它提供一个程序化骨架，将模糊或中间层级的提示转化为完整的可执行CAD操作。ArtisanCAD检索专家派生技能，实例化并修正CAD-IR，通过专用的CATIA-MCP后端执行生成的程序，并利用多视角视觉反馈进行迭代精炼，最终生成可投入生产的B-Rep模型。在Text2CAD基准测试中，CAD-IR通过将中间提示的平均倒角距离从14.83降低到9.88，展示了其弥合模糊文本意图与可执行CAD构建之间差距的能力。在四个复杂的汽车零部件上，CAD-IR使得专家CATIA记录能够被蒸馏成可重用的技能，从而让ArtisanCAD能够为新的变体请求生成可编辑的CATIA原生B-Rep模型。

***关键词*** CAD智能体 · 计算机辅助设计 · 工业设计 · 几何建模

参见图注

图1：ArtisanCAD概览。专家CATIA记录和图纸注释被蒸馏成可重用的零件技能，包含参数、检查、模板CAD-IR和有序操作。面对模糊的变体请求，ArtisanCAD检索相应的技能，通过智能体循环重写CAD-IR，通过CAD-MCP执行，并生成经过评估、可编辑、可投入生产的B-Rep CAD模型。

## 1 引言

计算机辅助设计（CAD）仍然是现代工程和制造业中知识最密集的工作流程之一。在汽车、航空航天和消费类机械产品设计等工业领域，工程师使用CATIA、Siemens NX和Creo等专业CAD系统来构建具有草图、参考、约束、特征和命名实体的可编辑参数化模型[[15](#bib.bib1), [1](#bib.bib2)]。与随意性3D建模不同，工业CAD创作很少是一次性的形状生成问题。它需要长视野的程序化建模、稳健的特征依赖关系、考虑可制造性的构建，以及在公差、壁厚、拔模约束、装配接口和下游可编辑性等零件特定要求下的反复精炼。对于复杂的工业部件，这种专业知识是通过长期实践积累的，工程师不仅学习创建什么几何体，还学习如何组织参考、暴露参数、安排操作顺序以及避免脆弱的建模程序。

大型语言模型的最新进展推动了越来越多的AI驱动CAD生成方法。早期的CAD生成工作通过建模草图、约束以及草图-拉伸命令序列，将CAD形式化为一种结构化的生成语言[[14](#bib.bib4), [3](#bib.bib8), [13](#bib.bib10), [19](#bib.bib5), [20](#bib.bib12), [23](#bib.bib14), [7](#bib.bib13), [16](#bib.bib9), [5](#bib.bib11)]。最近的文本到CAD系统进一步将自然语言描述映射到参数化CAD程序、命令序列或可执行建模代码[[6](#bib.bib18), [10](#bib.bib19), [8](#bib.bib21), [18](#bib.bib20), [4](#bib.bib22), [17](#bib.bib23), [22](#bib.bib24)]。更近期，CAD智能体探索了工具使用、程序执行、视觉反馈、B-Rep接地和迭代修正，以实现更可控的CAD生成[[11](#bib.bib25), [17](#bib.bib23), [9](#bib.bib37)]。这些努力表明，语言模型可以在设计意图和可执行CAD建模之间提供直观的接口。

然而，现有的文本到CAD系统与工业CAD实践之间仍然存在巨大差距。当前方法主要是在相对简单的零件或短草图-拉伸程序上进行开发和评估，而实际工业部件需要包含曲面B-Rep表面、扫掠、分割、基准构建、混合曲面-实体操作、可重用参考和可编辑特征依赖关系在内的长视野程序。在这种复杂的建模工作流中，经验丰富的工程师拥有丰富的程序知识，这些知识直接决定了CAD构建的质量、稳健性和效率。他们通常会留下宏日志、特征树、操作历史、参数表和建模模板，这些内容编码了如何分解部件、组织参考、参数化尺寸、安排依赖特征的顺序以及修复建模失败。有效提取和重用这些知识可以在两个方面有益于工业CAD生成：它为生成高质量、可编辑、面向生产的CAD模型提供了强大的程序先验，并将重复的专家操作转化为可重用的技能，从而提高工程师的生产力[[12](#bib.bib39), [21](#bib.bib38)]。

表1：与代表性已接受的文本到CAD和CAD智能体方法的比较。与先前方法不同，ArtisanCAD明确地将专家CAD程序转化为可执行的CAD-IR和可重用技能，并通过工业CATIA后端执行它们。

在本文中，我们提出**ArtisanCAD**，一种工业级CAD智能体，通过将CAD生成建立在专家程序知识之上来生成复杂的面向生产的CAD部件。ArtisanCAD支持一种专家知识蒸馏工作流：专家CATIA操作记录、宏日志、图纸注释和工程描述被解析为结构化的建模程序，转换为CAD中间表示（CAD-IR），并进一步蒸馏成可重用的参数化技能。在生成过程中，这些技能被检索并适应用户提供的变体请求，使智能体能够重用专家操作顺序、参数模式和建模模板，而无需从头重新发现工业CAD工作流。ArtisanCAD也被设计为多后端CAD智能体。其程序在IR级别表示，可以分派到不同的CAD执行后端；在本工作中，我们实现了一个专用的CATIA-MCP后端，将CAD-IR操作映射到CATIA原生命令，并生成可编辑的、面向生产的B-Rep模型。一个轻量级的视觉反馈循环进一步评估生成CAD模型的多视角渲染结果，并在观察到视觉或结构不一致时重写CAD-IR。

ArtisanCAD的核心是**CAD-IR**，一种用于工业CAD程序的可执行中间表示。CAD-IR扮演两个互补的角色。首先，它作为专家知识蒸馏的载体：专家宏记录被转化为有序操作、参数模式、后端工具绑定、依赖关系、生成的实体和验证规则，这些随后可以作为技能模板重用。其次，它作为模糊和变体用户请求的程序化骨架。对于可能只指定高层更改的请求，CAD-IR允许智能体填充缺失的参数、保留专家派生的操作顺序、实例化所需的MCP工具链，并生成满足预期设计约束的完整可执行CAD程序。这种设计将规划、专家知识重用、后端执行和基于反馈的修复统一在一个表示中。

我们在公开的文本到CAD任务和工业汽车CAD案例上评估ArtisanCAD。在Text2CAD数据集上，我们通过禁用专家技能库并直接从中间层级提示生成CAD-IR，来隔离CAD-IR的效果。即使没有部件特定的专家知识，CAD-IR也显著提高了生成质量：与直接中间提示生成相比，它将平均倒角距离从14.83降低到9.88，并将平均实体IoU从0.632提高到0.654。这表明CAD-IR本身为将模糊文本描述转化为可执行CAD操作提供了有用的程序化骨架。除了公开基准测试，我们还记录了四个复杂汽车部件的专家CATIA宏演示，将它们蒸馏成CAD-IR和可重用技能，并要求专家提供额外的变体请求。结果表明，技能引导的CAD-IR生成能够为这些工业部件生成CATIA原生的可编辑B-Rep模型，而没有专家派生技能的生成则无法完成长视野的建模程序。

我们的贡献总结如下：

- • 我们提出了一种用于工业CAD生成的**专家到技能获取机制**。它将异构的专家知识，包括CATIA操作记录、宏日志、图纸注释、工程描述和简单CAD指令，蒸馏成**CAD-IR**，一种具有显式参数、有序操作、工���绑定、输出、依赖关系和验证规则的可执行中间表示。通过进一步将CAD-IR抽象为可重用且可参数化的CAD技能，该机制使得同一部件族内的专家建模程序能够适应新的变体请求。
- • 我们开发了**ArtisanCAD**，一种具有多后端执行支持的技能引导工业CAD智能体。ArtisanCAD检索专家派生技能，在IR级别实例化和修正CAD程序，并将可执行操作分派到不同的CAD后端。在本工作中，我们实现了一个专用的**CATIA-MCP**后端，用于CATIA原生的工业B-Rep建模，并整合了一个轻量级的多视角视觉反馈循环，以在迭代生成过程中精炼CAD-IR。
- • 我们在公开的文本到CAD任务和复杂的工业汽车部件上实证验证了ArtisanCAD。在Text2CAD数据集上，CAD-IR在中间层级提示下提高了生成性能，展示了其在弥合模糊文本描述与可执行CAD程序之间的有效性。此外，我们记录了四个复杂汽车部件的专家宏演示，将其转换为CAD-IR和可重用技能，并证明ArtisanCAD能够通过CATIA-MCP生成工业级CAD模型。

## 2 相关工作

### 2.1 文本引导的CAD生成与CAD智能体

基于学习的CAD生成已逐步从最终形状预测转向结构化程序化建模。早期工作将CAD设计表示为草图、约束、图或命令序列，使CAD历史成为可学习的目标，而不是将最终几何体视为孤立的3D形状。SketchGraphs对草图实体和约束之间的关系结构进行建模[[14](#bib.bib4)]，而Computer-Aided Design as Language将CAD草图序列化为结构化标记，并将语言建模技术应用于草图生成[[3](#bib.bib8)]。Fusion 360 Gallery发布了大规模的人类设计序列，支持对程序化CAD构建的数据驱动研究[[19](#bib.bib5)]。DeepCAD进一步将3D CAD模型表示为草图-拉伸命令序列，并学习基于Transformer的生成模型[[20](#bib.bib12)]。SkexGen通过解耦拓扑、几何和拉伸信息改进了可控的CAD序列生成[[23](#bib.bib14)]。这些方法确立了程序化CAD建模作为一个有前景的方向，但它们主要针对基准规模的参数化程序和相对规则的草图-拉伸几何体。

最近的文本到CAD方法引入了自然语言作为CAD生成的更直观接口。Text2CAD将文本描述映射到不同描述粒度下的参数化CAD命令序列[[6](#bib.bib18)]。CAD Translator研究跨CAD相关模态和表示的翻译[[10](#bib.bib19)]。CAD-GPT和CAD-LLaMA探索使用大型语言模型从文本生成CAD命令或程序[[18](#bib.bib20), [8](#bib.bib21)]。CADFusion进一步结合多模态条件以提高可控性[[17](#bib.bib23)]。除了直接的序列或程序生成，最近的CAD智能体系统将语言模型与可执行CAD工具连接起来。CAD-Assistant使用多模态语言模型和CAD工具执行进行交互式建模[[11](#bib.bib25)]，而FutureCAD研究基于B-Rep感知的文本查询CAD生成[[9](#bib.bib37)]。这些工作表明，语言模型可以将设计意图与可执行CAD操作连接起来，并且工具执行和反馈对提高可控性是有用的。

尽管取得了这些进展，现有的文本引导CAD系统仍远未达到工业CAD工作流的要求。大多数方法仅依靠文本生成命令序列或CAD程序，并且在几何和程序复杂性有限的公开基准上进行评估。它们没有显式利用工业实践中自然存在的专家建模记录，如宏日志、特征树、操作历史、参数表和可重用建模模板。因此，它们缺乏将人类程序知识转移到新CAD任务的机制。相比之下，ArtisanCAD专注于基于专家的