Arko-T: A Foundation Model for Text-to-Structured 3D Generation
作者: Liang Wang, Zhaoyang Xi, Zekai Xiang, Heng Meng, Qishan Zhang, Pingyi Zhou, Jin Liu, Litao Chen
分类: cs.LG
发布日期: 2026-06-29
💡 一句话要点
提出Arko-T以解决文本到结构化3D生成的设计编辑问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 文本到3D CAD设计 参数化建模 自然语言处理 机器学习 设计自动化 模型优化
📋 核心要点
- 现有的文本到3D生成方法仅能生成可渲染的形状，缺乏可编辑的设计能力。
- Arko-T通过将自然语言意图直接映射为可执行的参数化CAD程序，解决了设计编辑的不足。
- 在与七个前沿大型语言模型的比较中，Arko-T在多个指标上表现优异，且成本显著降低。
📝 摘要（中文）
文本到3D系统现在能够根据单句描述合成机械部件，但生成的结果是可渲染的形状，而非可编辑的设计。我们提出了Arko-T，一个拥有40亿参数的文本到设计模型，能够将自然语言意图直接映射为可执行的参数化CAD程序。Arko-T不仅优化代码的可执行性，还在每个阶段对齐设计状态的正式概念，从而确保数据整理、代码规范化和执行基础的监督共同作用，保留CAD工件的特征、参数和构建逻辑，使其可编辑。与七个前沿大型语言模型在12个指标上进行基准测试，Arko-T在8个指标上取得最佳成绩，在另外3个指标上获得第二名，且每个基准的成本约为前者的十分之一。这些结果表明，适度规模的针对设计级别训练可以在结构化CAD生成上与前沿通用模型相匹配。
🔬 方法详解
问题定义：论文要解决的具体问题是如何将自然语言描述转化为可编辑的CAD设计，而现有方法只能生成静态的3D形状，无法满足设计修改的需求。
核心思路：论文的核心解决思路是构建一个文本到设计的模型Arko-T，使其不仅关注代码的可执行性，还对设计状态进行全面考虑，以确保生成的CAD程序具备可编辑性。
技术框架：Arko-T的整体架构包括数据整理、代码规范化和执行基础的监督三个主要模块。每个模块都旨在保留设计的特征和逻辑，使得最终生成的CAD程序能够被有效编辑。
关键创新：最重要的技术创新点在于将设计状态的正式概念融入到生成流程中，使得每个阶段都能保持设计的完整性和可编辑性。这与现有方法的本质区别在于，后者通常只关注代码的生成而忽视了设计的可操作性。
关键设计：在模型设计中，Arko-T采用了特定的损失函数来平衡可执行性与设计逻辑的保留，同时在网络结构上进行了优化，以适应参数化CAD程序的生成需求。
🖼️ 关键图片
📊 实验亮点
在与七个前沿大型语言模型的基准测试中，Arko-T在8个指标上取得最佳成绩，3个指标上获得第二名，且每个基准的成本仅为前者的十分之一。这表明其在结构化CAD生成方面的高效性和优越性。
🎯 应用场景
该研究的潜在应用领域包括机械设计、产品开发和工程教育等。通过将自然语言转化为可编辑的CAD设计，Arko-T能够大幅提升设计师的工作效率，降低设计门槛，推动智能设计工具的发展，未来可能在工业界和学术界产生深远影响。
📄 摘要（原文）
Text-to-3D systems can now synthesize a mechanical part from a single sentence, yet the result is a shape to render, not a design to edit. We present Arko-T, a 4B-parameter text-to-design model that maps natural-language intent directly into executable, parametric CAD programs. Rather than optimizing for code executability alone, Arko-T aligns every stage of the pipeline to a formal notion of design state, so that data curation, code normalization, and execution-grounded supervision all work to preserve the features, parameters, and construction logic that make a CAD artifact editable. Benchmarked against seven frontier LLMs across 12 metrics, Arko-T attains the best score on 8 and the second-best on 3 more, at roughly one-tenth the per-benchmark cost. The results suggest that targeted design-level training at moderate scale can match frontier general-purpose models on structured CAD generation.