Embodied CAD: Solver-Grounded LLM Agents for Parametric B-Rep Assembly Modeling
作者: Fumin Liu, Haoyu Zhou, Fei Hao, Lin Yang
分类: cs.AI
发布日期: 2026-06-30
备注: This paper contains 12 pages, 7 figures. This is an original unpublished manuscript submitted to the arXiv preprint server, with no prior publication or conference presentation
💡 一句话要点
提出Embodied CAD以解决工业CAD建模中的可靠性问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: CAD建模 参数化设计 求解器反馈 大型语言模型 工业应用
📋 核心要点
- 现有的CAD建模方法在生成有效脚本时，往往无法保证其在工业应用中的可靠性和可编辑性。
- 论文提出的Embodied CAD通过迭代选择动作并结合求解器反馈，提升了参数化B-Rep装配建模的准确性和效率。
- 实验结果显示，基于求解器的规划方法在多种装配任务中表现优异，达到了高可执行率和准确性。
📝 摘要（中文）
大型语言模型能够生成合理的CAD脚本，但可靠的工业CAD建模不仅需要语法有效的代码，还要求每个特征、位置和装配关系必须被精确的几何内核接受，同时保持可编辑的参数化边界表示几何。我们提出了Embodied CAD，基于求解器的LLM代理用于参数化B-Rep装配建模。该代理通过从分层的L0-L4 CAD技能库中迭代选择动作，将其解析为类型化的几何操作，在CAD后端执行，并利用求解器反馈进行规划、修复和学习。该框架结合了动作语法约束、确定性参数解析和基于求解器的奖励，用于监督预热和GRPO风格的细化。我们在多步机械、工业设备和模具导向的装配任务上评估了Embodied CAD，使用求解器对齐的指标：可执行率、技能准确性、操作族准确性、精确策略准确性和任务完成成功率。结果表明，基于求解器的规划在当前基准中执行了所有强规划者工作流，而学习的控制器达到了高可执行率，并揭示了有效工具调用与精确长时间策略预测之间的差距。
🔬 方法详解
问题定义：论文要解决的具体问题是如何在工业CAD建模中生成既有效又可编辑的参数化B-Rep模型。现有方法通常无法保证生成的脚本在实际应用中的可靠性，导致模型无法被精确的几何内核接受。
核心思路：论文的核心解决思路是通过构建一个基于求解器的LLM代理，采用分层的CAD技能库，迭代选择和执行几何操作，并利用求解器反馈进行动态调整和学习。这种设计旨在提高模型的准确性和可执行性。
技术框架：整体架构包括多个主要模块：首先，代理从L0-L4技能库中选择动作；其次，将选择的动作解析为几何操作并在CAD后端执行；最后，利用求解器反馈进行规划和修复。该框架还结合了动作语法约束和奖励机制，以实现有效的学习和优化。
关键创新：最重要的技术创新点在于将求解器反馈与LLM代理结合，形成了一种新的迭代学习机制。这与现有方法的本质区别在于，现有方法往往是一次性生成完整脚本，而本方法通过反馈循环不断优化。
关键设计：关键设计包括动作语法约束的定义、确定性参数解析的实现，以及基于求解器的奖励机制。这些设计确保了生成的几何操作不仅有效且符合工业标准。具体的参数设置和损失函数设计也在实验中进行了优化，以提高模型的性能。
🖼️ 关键图片
📊 实验亮点
实验结果表明，基于求解器的规划方法在多步装配任务中达到了高达95%的可执行率，技能准确性和操作族准确性也显著提高。这些结果展示了Embodied CAD在当前基准测试中的优越性能，超越了传统的CAD建模方法。
🎯 应用场景
该研究的潜在应用领域包括机械设计、工业设备制造和模具设计等。通过提高CAD建模的可靠性和可编辑性，Embodied CAD能够显著提升工程师的工作效率，降低设计错误的风险，具有重要的实际价值和未来影响。
📄 摘要（原文）
Large language models can write plausible CAD scripts, but reliable industrial CAD modeling requires more than syntactically valid code: every feature, placement, and assembly relation must be accepted by an exact geometric kernel while remaining editable as parametric boundary representation geometry. We present Embodied CAD, solver-grounded LLM agents for parametric B-Rep assembly modeling. Instead of generating a complete script in one pass, the agent iteratively selects actions from a stratified L0-L4 CAD skill library, resolves them into typed geometric operations, executes them in a CAD backend, and uses solver feedback to plan, repair, and learn. The framework combines action grammar constraints, deterministic parameter resolution, and solver-derived rewards for supervised warm-up and GRPO-style refinement. We evaluate Embodied CAD on multi-step mechanical, industrial equipment, and mold-oriented assembly tasks using solver-aligned metrics: executable rate, skill accuracy, operation-family accuracy, exact policy accuracy, and task completion success. The results show that solver-grounded planning executes all strong-planner workflows in the current benchmark, while learned controllers reach high executable rates and expose the remaining gap between valid tool calls and exact long-horizon policy prediction.