CADSmith：基于程序化几何验证的多智能体CAD生成

arXiv 2026 64.8 method

TLDR

一个多智能体流水线，通过OpenCASCADE程序化几何验证迭代优化CadQuery代码，实现文本到CAD生成。

评分理由

The paper introduces a novel closed-loop refinement approach combining exact geometric measurements with visual assessment, achieving strong quantitative improvements over a zero-shot baseline. However, the evaluation uses a custom benchmark and only compares against a single baseline, limiting generalizability.

Read-first 评分解释

综合优先阅读分 64.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 94。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：消融、基线、基准、指标、验证

主题相关性 42%

58.8

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：AI for CAD、computer-aided design、neural CAD、generative CAD、parametric CAD、B-Rep、boundary representation、constructive solid geometry、CSG、sketch extrusion、CAD generation、CAD reconstruction、text-to-CAD、image-to-CAD、point cloud to CAD、CAD program

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：10。

关键词评分

text-to-CAD

CAD generation

AI for CAD

generative CAD

parametric CAD

CAD program

computer-aided design

B-Rep

boundary representation

neural CAD

constructive solid geometry

CSG

CAD reconstruction

sketch extrusion

image-to-CAD

point cloud to CAD

深度分析

创新点

具有嵌套校正循环的多智能体流水线：内循环解决执行错误，外循环进行程序化几何验证
程序化几何验证结合了OpenCASCADE内核的精确测量（边界框、体积、实体有效性）与视觉语言模型Judge的整体视觉评估
基于API文档的检索增强生成而非微调，以适应不断演进的CAD库

方法

CADSmith是一个多智能体系统，从自然语言提示生成CadQuery代码，并通过两个嵌套循环迭代优化：内循环解决执行错误，外循环使用OpenCASCADE内核的精确测量和视觉语言模型Judge进行程序化几何验证。它使用基于API文档的检索增强生成来保持与CAD库的同步。

关键结果

在包含三个难度等级的100个提示基准测试中，CADSmith实现了100%的执行率，中位F1分数0.9846，中位IoU 0.9629，平均Chamfer距离0.74，显著优于零样本基线。

技术栈

CadQueryOpenCASCADERetrieval-Augmented GenerationVision-Language Model

资源

论文