CadQuery
PulseAugur coverage of CadQuery — every cluster mentioning CadQuery across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI 模型 CADReasoner 通过迭代式程序编辑改进 CAD 逆向工程
研究人员开发了 CADReasoner，这是一种新颖的、专为计算机辅助设计 (CAD) 逆向工程设计的 AI 模型。与之前的单次遍历系统不同，CADReasoner 通过分析输入形状与其重建之间的几何差异来迭代地改进其预测。该模型生成可运行的 CadQuery Python 代码，然后使用该代码渲染下一迭代的网格。通过融合多视图渲染和点云，并采用扫描-模拟协议，CADReasoner 在多个基准测试中取得了最先进的结果。
-
Zoom Linux 客户端 X11 剪贴板漏洞与 CAD 软件基准测试
Zoom 的 Linux 客户端中发现了一个安全漏洞，该应用程序可能会主动读取 X11 剪贴板中的数据。另外，CadQuery 和 OpenSCAD 之间的基准测试比较评估了它们在自主 CAD 任务中的性能。
-
新的多智能体系统使用 LLM 重新设计 CAD 以提高可制造性
研究人员开发了一种新颖的用于制造设计 (DFM) 的多智能体系统，旨在提高 CAD 模型的可制造性，同时保留其原始设计意图。该系统利用预训练的多模态 LLM 来驱动两个智能体子系统：一个 DFM 审查器，用于识别可制造性改进；以及一个 CAD 修改器，用于执行这些更改。CAD 修改器包括一个视觉审查循环，以根据多视图渲染验证每次编辑，确保准确性和意图保留。这种迭代过程允许创建比单次生成方法更复杂的零件，如离心泵壳体示例所示。
-
ProCAD agent resolves CAD prompt ambiguities, outperforming closed-source models
研究人员开发了 ProCAD，一个用于文本到 CAD 生成的新颖框架，该框架能够解决用户提示中的不一致和歧义。ProCAD 在代码合成之前采用主动澄清代理来提出有针对性的问题，确保了自我一致的规范。这种方法显著提高了对模糊输入的鲁棒性，并通过减少几何错误和无效率，在性能上超越了包括 Claude Sonnet 4.5 在内的现有模型。该框架的代码和数据集均公开可用。
-
新的基准测试评估AI的CAD程序生成能力
发布了两个新的基准测试，CADBench和BenchCAD，用于评估AI从各种输入生成计算机辅助设计（CAD）程序的能力。这些基准测试旨在标准化多模态AI系统在从图像或3D模型重建可编辑CAD程序等任务中的评估。早期评估表明，虽然专用模型在网格到CAD任务上表现更好，但目前的通用视觉语言模型在复杂的几何细节和工业设计参数方面存在困难，这表明它们在工业准备方面存在差距。
-
LLM驱动的FutureCAD框架生成高保真CAD模型
研究人员开发了FutureCAD，一个用于生成高保真计算机辅助设计（CAD）模型的新框架。该系统利用大型语言模型（LLM）生成可执行的CadQuery脚本，并使用B-Rep接地Transformer来解释用于几何选择的自然语言命令。该框架使用新颖的真实世界CAD模型数据集进行训练，采用了监督微调和强化学习。实验表明，FutureCAD在CAD生成方面取得了最先进的性能。