FllumaOne: A Code-Native Multimodal CAD Dataset with Executable Programs and Kernel-Validated Feature Histories

📄 arXiv: 2606.17696v1 📥 PDF

作者: Jizong Zhan

分类: cs.AI, cs.GR

发布日期: 2026-06-16

备注: 24 pages, 4 figures

💡 一句话要点

提出FllumaOne数据集以解决可编辑CAD研究中的数据不足问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态CAD数据集 可编辑CAD 参数化设计 Python程序生成 特征树预测 几何有效性 机器学习应用

📋 核心要点

  1. 现有的可编辑CAD研究数据集缺乏对建模操作和特征依赖的全面记录，限制了研究的深入。
  2. FllumaOne数据集通过可执行的Python程序生成模型，提供结构化特征树和多模态信息，支持多种CAD任务。
  3. 在实验中，基于80,000个样本的模型在测试集上实现了99.98%的Python语法有效性，显示出优越的性能。

📝 摘要（中文）

参数化计算机辅助设计（CAD）不仅记录最终几何形状，还记录决定如何编辑零件的有序构建历史。因此，针对可编辑CAD研究的数据集应暴露建模操作、参数和特征依赖关系，同时提供经过验证的几何形状。本文介绍了FllumaOne，一个代码原生的多模态CAD数据集，其模型由Flluma（基于Qt/C++的OpenCASCADE CAD系统）中的可执行Python程序生成。每个样本将程序与结构化特征树、训练导向的中间表示、STEP几何形状、表面点云、自然语言描述、元数据和八种标准可见边渲染对齐。主要发布版本FllumaOne-100K包含100,000个样本，经过严格的几何、有效性和导出检查。基于Qwen2.5-Coder-1.5B LoRA的基线模型在80,000个样本上训练，测试集的Python语法有效性达到99.98%。

🔬 方法详解

问题定义：本文旨在解决现有可编辑CAD研究数据集在建模操作、参数和特征依赖关系记录方面的不足，导致研究难以深入。

核心思路：FllumaOne数据集通过可执行的Python程序生成CAD模型，确保模型的可编辑性和几何有效性，同时提供丰富的多模态信息以支持多种研究任务。

技术框架：数据集的生成流程包括模型的程序执行、几何有效性检查、导出验证等多个阶段，确保每个样本的质量和完整性。

关键创新：FllumaOne的最大创新在于其代码原生性和多模态特征的结合，提供了结构化特征树和自然语言描述，显著提升了CAD模型的可编辑性与研究价值。

关键设计：在数据集构建中，采用了严格的几何有效性和导出检查机制，确保每个样本的质量，同时使用了Qwen2.5-Coder-1.5B LoRA模型进行训练，优化了Python语法和几何构建的有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，基于80,000个样本的Qwen2.5-Coder-1.5B LoRA模型在测试集上实现了99.98%的Python语法有效性、99.97%的Flluma构建成功率和99.14%的STEP导出有效性，显示出该数据集在CAD研究中的重要性和实用性。

🎯 应用场景

FllumaOne数据集的潜在应用领域包括CAD重建、可执行程序合成、特征树预测、边界表示分析等。其丰富的多模态信息和高质量的样本为研究人员提供了强大的工具，推动了可编辑CAD技术的发展和应用。

📄 摘要（原文）

Parametric computer-aided design records both final geometry and the ordered construction history that determines how a part can be edited. Datasets for editable CAD research should therefore expose modeling operations, parameters, and feature dependencies together with validated geometry. We introduce FllumaOne, a code-native multimodal CAD dataset whose models are generated by executable Python programs in Flluma, a Qt/C++ OpenCASCADE-based CAD system. Each sample aligns its program with a structured feature tree, a training-oriented intermediate representation, STEP geometry, a surface point cloud, natural-language descriptions, metadata, and eight canonical visible-edge renderings. The primary release, FllumaOne-100K, contains 100,000 accepted samples across four template-level complexity regimes. Programs are executed and retained only after kernel geometry, solid validity, and export checks; release reports also record modality completeness and split-level duplicate tests. A Qwen2.5-Coder-1.5B LoRA baseline trained on 80,000 samples achieves 99.98% Python syntax validity, 99.97% Flluma build success, and 99.14% STEP-export validity on the held-out 10,000-sample test split. For the 9,909 predictions converted to surface point clouds, the mean normalized Chamfer Distance is 0.002124. The dataset supports conditioned CAD reconstruction, executable program synthesis, feature-tree prediction, B-Rep analysis, retrieval, design completion, and editable reverse engineering.