PR-CAD：利用大语言模型渐进式优化，实现统一、可控且高保真的文本到 CAD 生成

# PR-CAD：面向统一可控且忠实文本生成 CAD 的渐进式精修框架  
来源：https://arxiv.org/html/2604.19773  
Jiyuan An¹²、Jiachen Zhao¹²、Fan Chen³、Liner Yang¹²、Zhenghao Liu⁴、Hongyan Wang⁵、Weihua An¹、Meishan Zhang⁶、Erhong Yang¹²  
¹ 国家语委平面媒体语言资源监测与研究分中心，北京语言大学，中国  
² 北京语言大学 信息科学学院，中国  
³ 北京交通大学 计算机与信息技术学院，中国  
⁴ 东北大学 计算机科学与工程学院，中国  
⁵ 清华大学 计算机系，中国  
⁶ 哈尔滨工业大学（深圳） 计算机科学与技术学院，中国  
{lineryang}@gmail\.com  

###### 摘要  
CAD 模型构建长期依赖人工操作与专业经验。大语言模型（LLM）的最新进展催生了“文本→CAD”研究，但现有方法普遍将生成与编辑视为割裂任务，实用性受限。本文提出 PR-CAD，一个渐进精修框架，将生成与编辑统一于可控、忠实的文本驱动 CAD 建模流程。为此，我们构建了覆盖 CAD 全生命周期的高保真交互数据，涵盖多种 CAD 表示及定性与定量描述；系统定义编辑操作类型，生成高度拟人化的交互数据。基于面向 LLM 的 CAD 表示，我们提出强化学习增强的推理框架，将意图理解、参数估计与精准编辑定位整合为单一智能体，实现“设计-修改一体化”。大量实验表明，生成与编辑任务相互增强，定性、定量模态协同提升。在公开基准上，PR-CAD 在生成与精修场景均取得 SOTA 可控性与忠实度，同时显著提升 CAD 建模效率，用户体验友好。  

---  
图 1：PR-CAD 通过渐进精修实现用户友好、可控的 CAD 生成。每幅子图下方为文本指令，上方为对应 CAD 输出。支持从零开始生成并渐进增删改，用户可灵活选用定性或定量描述，直至获得理想设计。  

## 1 引言  
计算机辅助设计（CAD）是现代制造与工业设计的基石，但传统建模高度依赖专家经验与繁琐操作。大语言模型（LLM）为“文本→CAD”带来新机遇，然而主流方法把生成与编辑割裂，违背设计天然“迭代”本质：设计师极少一次成稿，而是持续增删改。现有系统缺乏统一精修框架，用户只能接受次优初稿或退回手工编辑，极大限制实用性。此外，多数方法依赖冗长技术提示，非专家难以撰写；少量编辑工作亦仅基于随机合成数据，无法捕捉真实意图驱动的细粒度修改。  

为此，我们提出 PR-CAD，一个渐进精修框架，统一文本驱动的 CAD 生成与编辑，核心贡献如下：  
- 提出 PR-CAD 框架，将生成与编辑纳入单一可控智能体，实现“创建-修改”无缝流程。  
- 构建覆盖 CAD 全生命周期的高保真交互数据集，支持多元编辑类型与描述模态。  
- 设计强化学习增强推理：监督微调（SFT）+ 结构化思维链（SCoT）+ 强化学习（RL），在几何精度、可执行性与用户意图对齐上全面优化，并经 ChatCAD 实验验证。  

## 2 相关工作  
**CAD 模型生成**  
传统参数化 CAD 需要逐序描述草图-拉伸等操作。DeepCAD 等大型数据集推动基于 Transformer 的文本生成 CAD 研究，如 Text2CAD、GeoCAD、Seek-CAD 等，但平均需约 100 词描述一步操作，提示负担沉重。  

**CAD 模型编辑**  
FLEXCAD 探索随机参数编辑，CAD-Editor 支持定向修改，然而训练数据多为随机增删，定量编辑稀缺，真实可用性不足。  

**CAD 序列表示**  
DeepCAD 提出 DSL，Text-to-CAD 采用 GPL（Python+cadquery），FLEXCAD 使用结构化文本（ST）。各表示差异大，难以互通。  

**LLM 推理**  
SFT、RL、SCoT 已在数学、代码等任务验证有效。应用于 CAD，可缓解对技术提示的依赖，实现更直观、精准的生成与编辑，为 PR-CAD 奠定方法论基础。  

## 3 方法  
PR-CAD 统一文本驱动生成与编辑，核心包括：  
1. 高保真拟人交互数据标注（§3.1）  
2. 面向渐进精修的后训练策略（§3.2）  

### 3.1 高保真拟人交互数据标注  
覆盖 CAD 全生命周期，含定性/定量文本描述与增删改操作标签。  

**生成任务**  
- 定性：对 CAD 渲染 9 视角图 + JSON，输入大视觉模型生成高阶设计描述。  
- 定量：JSON 直接输入 LLM，生成精确操作序列与参数。  
- 表示兼容：使用 LogoUp 3D、ST、DSL、GPL（Python）等多种序列格式，由代码翻译工具与 LLM 互相转换，选取最适配大模型推理的形式。