⌁ Awesome AI4CAD Hub 论文 · 数据集 · 项目
English GitHub

汇总分析

研究分析

跨论文归纳研究共性、关键差异、主流方向与趋势演进。

280 篇论文

method

New AI methods for CAD generation, reconstruction, editing, retrieval, or reasoning.

37 方法质量 78 近期性 43 可复现性 25 主题相关性

文献综述归纳

研究路线

LLM驱动的多模态参数化CAD生成

将自然语言或多模态提示转化为可执行的参数化CAD程序（如CadQuery脚本、构建树），实现设计自动化。

尚未覆盖：生成程序常无法满足可制造性或可装配性等工程约束，对模糊提示的鲁棒性有限。
基于优化的网格到CAD重建

通过增量拟合参数化操作和几何反馈验证，从离散3D数据（网格、点云）中恢复可编辑的CAD序列。

尚未覆盖：复杂拓扑的可扩展性、重建精度与程序有效性的平衡尚未解决；跨类别泛化研究不足。
统一多模态多任务基准与评估协议

提供跨数据集、模态和任务的标准化评估，揭示失败模式，超越几何相似度比较模型能力。

尚未覆盖：现有指标难以捕捉工程就绪度（如功能间隙、可装配性）；自动评判器与人类专家评估仅部分一致。
交互式与主动澄清CAD智能体

通过允许模型在生成前向用户澄清规格，提升对模糊输入的鲁棒性，减少错误。

尚未覆盖：交互成本与生成质量之间的权衡，以及澄清策略在不同设计场景下的泛化性尚不明确。

研究共性

  • 参数化CAD表示（B-Rep或构建序列）对于可编辑性和下游工程使用至关重要。
  • 程序可执行性和体积相似度（如IoU、Chamfer距离）是主要评估指标，但被公认不足以反映实际设计质量。
  • 纯端到端生成难以处理复杂几何和工程约束；混合方法（优化+学习或智能体工作流）被视为有前景的方向。
  • 多模态输入（文本、图像、网格、点云）逐渐被支持，以契合真实设计工作流。

关键差异

  • 表示方式：一些方法使用CadQuery或领域特定脚本语言，另一些采用层次化构建树或非结构化文本基元表示。
  • 监督信号：训练策略不同——在精选数据集上监督微调、用于几何对齐的强化学习，以及结合几何反馈的混合优化。
  • 评测目标：部分基准强调几何保真度和程序有效性，其他则目标可制造性、功能性和可装配性等工程级标准。
  • 交互模式：多数系统一次生成，而ProCAD引入主动澄清循环，将假设从完全指定输入转为欠指定输入。

开放问题

  • 生成CAD模型能否自动验证工程约束（如应力、制造成本）而无需专家审查？
  • 模型如何从有限的参数化CAD数据泛化到新物体类别或高度复杂的装配体？
  • 设计任务中自动化生成与人在回路澄清之间的最佳平衡是什么？
  • 当前指标在多大程度上预测真实世界可用性和下游任务（如仿真、制造）的成功？
CVAILGGRCLSEROCG

230 篇论文

benchmark

CAD datasets, evaluation tasks, geometric validity metrics, or design benchmarks.

44 方法质量 79 近期性 38 可复现性 28 主题相关性

文献综述归纳

研究路线

基准任务与数据集设计

为AI辅助CAD生成、逆向工程和问答创建共享的标准化评估设置，使不同方法可公平比较。

尚未覆盖：任务分布和对象类别是否覆盖真实机械设计的全部范围，包括复杂装配体、噪声输入以及公差、材料等工程约束。
指标与压力测试设计

通过按几何复杂度分层采样、测量多种失败模式和评估设计意图对齐，超越总分，检验预测质量、可控性和鲁棒性。

尚未覆盖：这些代理指标与工程师真正关心的下游决策（如可制造性、成本）之间的一致性尚未实证验证，且VLM评判器对领域偏移的敏感性不明。
可比基线与报告规范

提供统一数据集、评估协议和公开排行榜，使结果可审计，模型在一致条件下可比较。

尚未覆盖：基准结论在不同实现、算力预算下的稳定性，以及基于LLM的评判器的可复现性尚未系统研究。

研究共性

  • 评估正从单一几何指标（如Chamfer距离）转向多维度评估，包含可执行性、程序紧凑性和工程标准。
  • 采用阶段性评估协议，将代码语法、形状有效性和设计意图的错误分离，而非压缩为单一分数。
  • 基于大语言或视觉语言模型的自动评判器越来越多地用于评估CAD模型的语义和功能方面，以扩展评估规模。
  • 基准设计旨在暴露特定失败模式（如模态转换下的脆弱性、几何复杂度增加时的性能下降），而非仅对模型排名。

关键差异

  • 任务定义存在差异：部分基准关注从文本或图像生成程序，另一些则关注从网格逆向重建参数化序列，导致评估设置不兼容。
  • 输入模态从单视图图像、点云到多视图渲染和草图各不相同，跨基准比较困难，且哪个模态最能反映实际使用需求尚无定论。
  • 对成功CAD模型的定义不同：一类工作以几何保真度为主，另一类则强调设计意图、可制造性和可装配性，往往需要人工或VLM评判。
  • 交互模式处理方式不同：多数基准假设单轮生成，但有一类工作引入主动澄清智能体，挑战了提示词即自包含规格的假设。

开放问题

  • 基于VLM的评判器在评估功能性和可制造性等工程标准时的可靠性如何，与专家人工评估相比又如何？
  • 当前基准是否覆盖了真实制造约束的多样性（包括公差、材料选择和装配流程），还是仅限于理想化几何形状？
  • 当任务定义和成功指标根本不同时，一个基准（如网格到CAD）的发现能否迁移到另一个基准（如文本到CAD）？
  • 在实现细节、算力预算或所选用评估样本子集变动时，报告的模型排名稳定性如何？
CVAILGGRCLSEROCG

192 篇论文

system

Runnable CAD systems, toolkits, agents, pipelines, plugins, or design platforms.

40 方法质量 78 近期性 39 可复现性 27 主题相关性

文献综述归纳

研究路线

文本/多模态到CAD程序生成

将自然语言描述、图像或点云直接转换为可执行的参数化CAD程序，实现快速设计原型制作，并降低非专业用户的使用门槛。

尚未覆盖：对模糊或欠约束提示的鲁棒性；保证生成程序产生可制造且功能正确的装配体；对未见设计意图和复杂多部件结构的泛化能力。
网格/点云到参数化CAD逆向工程

从3D扫描或网格中恢复可编辑的CAD构建序列，支持遗留零件数字化和设计重用。

尚未覆盖：处理高几何复杂度、噪声和数据缺失；确保逆向工程序列紧凑且语义合理；在真实扫描零件（而非合成网格）上的验证。
CAD生成的统一基准与评估协议

提供标准化的多模态数据集、指标和评估流程，以便公平比较不同的CAD生成和重建方法。

尚未覆盖：几何和有效性指标是否与下游工程可用性相关；缺乏大规模评估可制造性、功能性和可装配性的多阶段基准；自动化评判器与人类专家评估的可靠性。
交互式与智能体驱动的CAD生成（含澄清机制）

通过智能体在代码合成前主动请求澄清，提高模糊用户提示下的生成质量。

尚未覆盖：交互成本与输出质量之间的最优权衡；如何将澄清对话扩展到复杂工程约束；该方法能否扩展到多轮协作设计流程。

研究共性

  • 参数化CAD程序（构建序列、基于B-Rep的脚本）是优先选择的输出表示，因为它们保留了可编辑性和制造历史。
  • 几何保真度和可执行性是主要评估维度；大多数工作都报告交并比、Chamfer距离和无效比率。
  • 大语言模型和视觉语言模型是主要技术路线，通常在精心策划的CAD数据集上微调。
  • 逐渐认识到纯几何指标不足，基准必须纳入设计意图对齐、可制造性和功能性要求。

关键差异

  • 生成CAD程序时采用一次性生成还是迭代优化与逐步验证：一次性方法更简单但精度较低，逐步方法提高保真度但计算成本更高。
  • CAD脚本语言和表示的选择：一些工作以CadQuery为目标，其他工作使用自定义构建树或基于特征的步骤，这影响了可移植性和与现有CAD工具的兼容性。
  • 评估粒度：部分基准关注单零件几何，另一些推进到带工程约束的多部件装配体，导致对模型能力的结论不同。
  • 交互的作用：ProCAD等系统引入了显式澄清循环，而大多数其他工作假定输入是自包含的，这反映出在用户是否在环是实际部署必要条件上的分歧。

开放问题

  • 当前的文本到CAD系统能否生成满足真实制造约束（如公差、材料属性、装配配合）的输出，而无需人工后处理？
  • 基于VLM的评判器在评估设计意图时有多可靠，其判断能否与领域专家评估对齐？
  • 解决文本到CAD中大多数实际模糊性所需的最少澄清交互集是什么？主动澄清在真实用户研究中是否能改善结果？
  • 网格到CAD逆向工程方法在多大程度上能泛化到带有缺陷、遮挡和非理想拓扑的扫描工业零件？
  • 社区如何构建一个随CAD工具链演进并覆盖机械、建筑和电子设计领域多样性的活体基准？
CVAILGGRSECLHCSY

143 篇论文

application

Applied CAD workflows such as mechanical design, manufacturing, architecture, CAE, CAM, or 3D printing.

44 方法质量 77 近期性 39 可复现性 28 主题相关性

文献综述归纳

研究路线

参数化CAD逆向工程

从网格、点云或图像恢复可编辑的CAD构建序列或程序，支持再设计与制造复用。

尚未覆盖：复杂工业零件的可扩展性、未见操作与真实噪声扫描的泛化，以及重建程序是否反映真实设计意图而非仅逼近几何。
端到端多模态CAD生成

利用大型视觉语言模型直接从文本、图像或草图生成CAD代码或构建序列，在单一框架中统一多种CAD任务。

尚未覆盖：对分布外输入的鲁棒性、生成代码在训练类别外的语法正确性与语义有效性，以及保证可制造性和遵循隐式设计规则的能力。
可控生成与设计意图

诊断如设计意图头等条件信号如何影响CAD程序生成，并开发确保忠实遵循指定约束的方法。

尚未覆盖：真实头效应与分布伪影的因果识别、跨不同基座模型与CAD领域的泛化，以及独立于条件机制的评估指标设计。

研究共性

  • 可编辑的参数化CAD是目标表示，而非静态网格或点云，因为它支持下游工程修改。
  • 多模态输入（图像、网格、点云、文本）正越来越多地用于驱动CAD生成，超越了单一模态重建。
  • 评估必须超越几何相似度（IoU、倒角距离），纳入可执行有效性、语法正确性和设计意图一致性，才能对真实工作流有意义。

关键差异

  • 表示形式选择不同：部分工作重建逐步操作构建序列，另一些生成通用CAD语言（如CadQuery）的可执行脚本。
  • 监督策略不同：有的利用每一步的逐步几何反馈，有的从图像-代码对进行端到端训练，无中间监督。
  • 架构偏好多样：混合优化、离线RL的决策Transformer、状态空间模型（Mamba）和微调视觉语言模型并存，尚无长序列或复杂设计上的明显胜者。
  • 评估范围不同：部分强调在标准基准上的几何精度，另一些则突出语法有效性、数据集创建或条件信号的因果分析，导致难以交叉比较。

开放问题

  • 当前方法在真实照片、手绘草图或不完整扫描上的泛化能力如何，因为实验多在精选数据集上进行？
  • 评估指标是否能独立于头或条件提取过程以避免循环性，正如错乱控制研究所提示的？
  • 生成CAD要被视为制造就绪，需满足的最小设计约束集（尺寸、公差、材料）是什么，又应如何验证？
CVLGAIGRSECLCGHC

119 篇论文

theory

Geometric modeling theory, representation analysis, constraints, or formal design reasoning.

53 方法质量 80 近期性 37 可复现性 33 主题相关性

文献综述归纳

研究路线

多模态程序化CAD生成

从文本、图像或点云输入生成可编辑的B-Rep模型，通过输出可执行CAD程序实现直接编辑和高几何保真度，无需CAD特有标注。

尚未覆盖：模型在处理扫掠、放样等复杂特征时常常失败，在模态切换下表现脆弱，且对分布外零件族的泛化能力有限。
面向可制造性的CAD基准

提供超越几何相似度的标准化评估协议，评估可执行性、功能性、可制造性和可装配性，揭示失败级联和指标间排名变化。

尚未覆盖：基于VLM的自动评判器需要进一步与人类专家评估对齐；当前基准主要关注单个零件，多零件装配体评估尚未涉及。
交互式澄清与设计意图对齐

通过主动提出澄清问题或对齐层次结构，提高对模糊提示的鲁棒性，降低无效率和参数错误。

尚未覆盖：交互开销对用户效率的影响，以及向多轮、多组件设计扩展的可行性尚未探索。

研究共性

  • B-Rep是CAD生成中首选的、可编辑的几何表示形式。
  • 程序合成（CadQuery脚本或参数化序列）能够实现精确且可编辑的模型创建。
  • 多模态输入（文本、图像、点云）对于灵活的CAD创作至关重要。
  • 评估必须包含多个维度：几何保真度、可执行性以及如可制造性等工程约束。

关键差异

  • 程序表示不同：部分工作使用CadQuery脚本，另一些使用定制参数化序列（如DeepCAD风格）。
  • 训练策略存在差异：监督微调广泛使用，但部分方法采用强化学习以提升泛化性。
  • 处理复杂几何的能力不同：一些方法仅处理草图-拉伸，而另一些尝试扫掠和放样但成功率参差不齐。
  • 评估框架选择设计特定评分标准配合VLM评委，或采用更宽泛的指标，导致对“好模型”的定义存在差异。

开放问题

  • 生成模型如何可靠地生成扫掠、放样等高级操作并保持可执行性？
  • 何种方法能保证生成模型满足真实世界的制造约束（如公差、材料特性）？
  • 如何使自动化评估指标与专家工程判断对齐，特别是设计意图方面？
  • 澄清或对齐策略能否扩展到多零件装配体和交互式设计工作流？
CVAILGGRCLSECEMA

50 篇论文

survey

Surveys, taxonomies, tutorials, position papers, or roadmap papers for AI4CAD.

13 方法质量 76 近期性 51 可复现性 10 主题相关性

文献综述归纳

研究路线

分类体系与路线图综合

将碎片化的AI4CAD方法整理为生成、重建、交互等方向，揭示研究缺口和里程碑。

尚未覆盖：分类是否基于全子领域的系统证据，还是仅依赖近期论文的选择性样本；传统CAD范式覆盖不足。
对比评测综合

总结不同评测选择（如几何保真度与拓扑有效性）如何影响结论，例如BrepForge与基线的比较。

尚未覆盖：结果在不同表示或数据集间通常不可比；缺乏跨任务统一基准，指标对超参数的敏感性未充分探索。
开放问题与缺口映射

识别具体下一步问题，如可控生成、真实场景的仿真到现实迁移、从视频学习长程CAD交互。

尚未覆盖：哪些缺口（如拓扑保证与数据集规模）对实际CAD应用最重要，优先级仍不明确。

研究共性

  • 深度学习是CAD相关任务的主要工具，取代手工几何算法。
  • 分解式或多阶段流水线被广泛采用以处理CAD结构的复杂性。
  • 由于标注真实CAD数据稀缺，合成数据在训练中起关键作用。
  • 代码和数据集发布逐渐成为惯例，提高了可复现性。

关键差异

  • 3D表示选择：B-rep提供工程精度但更难生成，网格和点云更易处理但缺乏拓扑保证。
  • 监督范式：部分方法用强化学习做对齐，其他用自回归或GAN生成，导致稳定性和质量权衡不同。
  • 评测重点：几何精度 vs. 拓扑有效性 vs. 交互成功率，缺乏主要指标共识。
  • 交互模态：一些工作面向自动生成，另一些从人类UI交互学习，反映不同的部署假设。

开放问题

  • 如何设计统一评测协议，公平比较B-rep、网格和点云生成方法？
  • 弥合CAD模型生成与重建中仿真到现实差距所需的最小真实监督是什么？
  • 分解式生成方法能否在不牺牲几何细节的前提下保证全局拓扑一致性？
  • 长程CAD交互模型应如何超越模仿精度进行评估，例如基于任务完成度或设计意图保持？
GRROCVAI