computer-aided design
PulseAugur coverage of computer-aided design — every cluster mentioning computer-aided design across labs, papers, and developer communities, ranked by signal.
- instance of alphaXiv 90%
- developed by boundary representation 90%
- used by alphaXiv 70%
- used by ScienceCast 70%
- instance of CatalyzeX 70%
- instance of ScienceCast 70%
- used by boundary representation 70%
- instance of Gotit.pub 70%
- used by Chamfer distance 70%
- used by Gotit.pub 60%
- developed alphaXiv 60%
- used by CatalyzeX 50%
8 天有情绪数据
-
研究发现 LLM 难以对编码的几何推理采取行动
一篇新的研究论文探讨了大型语言模型 (LLM) 所编码的信息与其利用这些信息的能力之间的差距，特别是在几何推理领域。研究发现，虽然 LLM 在预训练后可以有效地解码局部几何关系，但关于草图级约束的信息已经可以从随机初始化的表示中高度解码。此外，研究表明，可解码的信息并不总是能转化为可行的行为，因为生成通常无法表达这些信息，并且干预方法也无法可靠地控制输出。这种分歧突显了编码与表达或控制编码几何结构之间存在的不同失败。
-
新的深度网络改进了机器人织物分割
研究人员开发了一种新的深度学习架构，用于精确的顶层织物分割，这是机器人织物堆叠的关键步骤。所提出的方法通过两个专门的分支增强了标准的编码器-解码器框架：一个用于边缘感知的边界描绘，另一个用于与计算机辅助设计（CAD）模型进行形状感知的对齐。在真实数据集上的实验表明，该方法优于现有的分割技术，并通过定量分析和消融研究验证了其多分支设计的有效性。
-
AI代理MechFaber使用CAD和物理学设计真实机器
一个名为MechFaber的AI代理已被开发出来，用于使用真实的计算机辅助设计（CAD）和物理模拟来设计物理机器。与之前AI模型生成看似合理但前后不一致的设计的尝试不同，MechFaber集成了CAD内核和真实零件库。该系统确保设计满足严格的标准，例如干涉检查、关节范围扫描和正确的紧固，并拒绝任何未能满足这些物理约束的提议。该代理现在专注于决策，而底层引擎则强制执行责任制，从而实现更可靠、更实用的机器设计。
-
新方法改进了无需验证器的LLM文本到CAD生成
研究人员开发了一种新方法，使用大型语言模型来提高文本到CAD生成的准确性。该技术称为“3D CAD共识选择”，涉及生成多个CAD程序候选，并选择与池中其他程序最一致的那个。这种方法消除了对单独验证器的需求，例如视觉语言评判器，并且可以应用于现有的CAD代理而无需额外训练。几何共识选择在几何指标方面显示出改进，与随机选择相比，Chamfer距离减少了1-10%。
-
Madeinair 发布集成 CAD 和制造的 AI 平台
Madeinair 是一个新推出的、由 AI 驱动的平台，旨在简化实体零件的制造流程。它将计算机辅助设计 (CAD) 与包括 3D 打印、CNC 加工、印刷电路板 (PCB) 制造和模具制造在内的各种生产方法相结合。该平台旨在加速从初始设计概念到最终实体组件的转化过程。
-
Backflip AI 发布 AI 工具，将 3D 扫描转换为可编辑的 CAD 模型
Backflip AI 推出了一个新的 AI 模型，能够在短短几分钟内将 3D 扫描转换为可编辑的 CAD 模型。这项技术大大缩短了此类转换所需的时间和专业知识，而这些转换对于航空航天和汽车等行业至关重要。这家初创公司已获得 3000 万美元的融资，并将其工具作为 Autodesk Fusion 的插件提供，旨在实现大量工厂零件的数字化。
-
新的OmniMech基准评估VLMs在工业CAD生成方面的能力
研究人员推出了OmniMech，这是一个大规模基准，旨在评估视觉语言模型（VLMs）从工业制造数据生成可执行CAD程序的能力。该基准包含超过251,000个带有尺寸和公差的2D图纸，并配有原生CAD模型和各种表示。OmniMech专注于四项任务：参数化CAD合成、图示到3D推理、标注基础推理和工具增强的代理推理。初步实验表明，当前的VLMs和专门的CAD模型在合成可执行程序以及准确执行尺寸和公差方面面临挑战。
-
新的RA-CAD代理通过反馈循环改进文本到CAD生成
研究人员开发了RA-CAD，这是一种新颖的代理，旨在通过整合状态感知的反馈循环来改进文本到CAD的生成。该系统通过生成-执行-评估-重写周期运行，其中它执行生成的代码，分析结果，并生成明确的评估来指导后续的修订。RA-CAD在CADFusion和Text2CAD等基准测试中展示了在执行有效性和几何质量方面的最先进性能，优于现有方法和专有语言模型。
-
AI系统利用新数据集自动化复杂注塑模具设计
研究人员开发了AIMold，一个由AI驱动的系统，旨在自动化塑料部件注塑模具设计的复杂过程。该系统解决了为具有倒扣和内凹几何形状等特征的复杂零件创建模具的挑战，这些零件通常需要专业知识和标准两件式模具之外的辅助组件。为此，创建了一个名为MoldCAD的新数据集，其中包含4,934个CAD模型以及超过3,850个模具组件，包括分型面和脱模方向。AIMold利用此数据集来预测必要的辅助组件并构建完整的模具组件，旨在简化下游CAD/CAM工…
-
GPT-5.5 在建筑图纸的几何基础定位方面处于领先地位
一篇新的研究论文介绍了一种名为CrossProjection的方法，用于评估视觉语言模型在识别和定位建筑图纸中的几何组件方面的能力。该研究在涉及不同建筑视图的匹配、配准和几何基础定位的任务上测试了GPT-5.5、Qwen3-VL-32B-Instruct和GLM-4.5V。GPT-5.5表现出卓越的性能，在分类判断中达到了82.4%的准确率，显著优于其他模型。
-
新方法重建三维几何以直接用于CAD和仿真
研究人员开发了FORGE-SIM，一种从稀疏RGB图像重建三维几何的新方法，该方法直接兼容CAD和仿真工作流程。该方法优化了多块B样条边界表示，无需手动干预即可生成平滑、防水的模型。该系统还可以将观察得出的场（如热状态和语义信息）投影到这些模型上，从而能够立即用于热分析和模态分析等仿真。这种统一旨在弥合计算机视觉和数值分析之间的差距，从而促进仿真驱动设计和数字孪生中的新工作流程。
-
新框架使用 LLM 将 2D CAD 图纸转换为代码 · 跟踪 2 个来源
研究人员开发了 Drawing-Recode，一个旨在将光栅 2D CAD 图纸转换为参数化 CAD 代码的新型框架。该系统通过交叉注意力机制和提出的注解基础损失 (AGL) 将尺寸注解与几何信息明确关联起来，解决了现有方法的局限性。然后，提取的特征由大型语言模型 (LLM) 处理，以生成结构化参数化 CAD 代码 (SPCC) 格式的 CAD 代码，在工业级扫描图纸上展示了改进的性能和鲁棒性。
-
MV-GEL框架增强了语言驱动的网格3D实体定位
研究人员开发了MV-GEL，一个旨在利用语言驱动提示改进3D网格上几何实体定位的新颖框架。该系统通过采用一个名为GELviews的提示条件排序模块来选择信息量最大的视角，从而解决了3D物体外观中的视角敏感性挑战。通过使用视觉-语言模型处理这些选定的视图，并通过几何感知光线投射将预测提升到网格上，MV-GEL在面和边定位方面的准确性相比基线方法有了显著提高。
-
PoseIDON 使用基础模型进行海底物体掩埋测绘
研究人员开发了 PoseIDON，这是一个计算机视觉流程，利用深度基础模型特征和多视图摄影测量技术来估计海底物体的六自由度姿态和方向。该方法应用于绘制海洋沉积物中人为物体的掩埋状态图，这对于评估生态风险和潜在污染物输送至关重要。该系统使用 54 个物体的视频片段进行了验证，平均掩埋深度误差约为 10 厘米，并实现了可扩展、非侵入式的环境评估测绘。
-
新的CAD框架直接从参数化曲面生成B-Rep模型
研究人员开发了ParaCAD，一个新颖的自回归框架，可以直接从参数化曲面生成边界表示（B-Rep）模型。与以往依赖点或基于网格的表示方法不同，该方法保留了CAD模型的内在几何保真度和参数。ParaCAD生成具有约束UV域的曲面，然后通过相交这些曲面来构建有效的B-Rep，从而为下游应用实现更准确、可用的3D设计。
-
AI原型通过文本和物理学自动化定制足部矫形器设计
研究人员开发了TANS-FO，一个用于定制足部矫形器自动化设计的原型系统。该系统使用文本对齐神经代理（TANS）来解释临床处方，并使用图神经网络（GNN）来预测生物力学应力，取代传统的有限元分析以获得更快的结果。该流程经过PicoFoot-5K数据库和Abaqus模拟的验证，可在几分钟内生成可制造的矫形器，显示预测的峰值压力显著降低，并在小型观察性研究中初步表明疼痛有所缓解。
-
MIT开发AI，用20%的计算量从图像生成CAD代码
麻省理工学院（MIT）的研究人员开发了一个名为GIFT的新框架，该框架能够以显著降低的计算成本从2D图像生成CAD代码。该方法通过策略性地增强训练数据来提高准确性，侧重于那些接近正确但尚未完全正确的示例，而不是随机变化。GIFT框架还通过在推理过程中优化输出而不是进行广泛的再训练来优化计算效率，与以前的方法相比，计算量减少了20%，同时生成了更准确的CAD程序。
-
新方法通过知识充分性增强LLM CAD代码生成
研究人员开发了一种名为设计-规范平铺（DST）的新方法，以提高上下文学习（ICL）在计算机辅助设计（CAD）代码生成方面对大型语言模型（LLM）的有效性。DST通过关注“知识充分性”，解决了现有ICL示例选择策略的局限性，确保所选示例能够共同涵盖CAD设计规范的多样化需求。这种方法被表述为一个子模最大化问题，使用贪婪算法来实现$(1-1/e)$近似保证，并在多个LLM上展示了CAD代码生成质量的显著提高，优于当前方法。
-
新的TextCAD框架通过整合文本和图形改进CAD建筑平面图分析 · 跟踪2个来源
研究人员开发了TextCAD，一个新颖的多模态框架，旨在增强对计算机辅助设计（CAD）建筑平面图的理解。该系统有效地整合了图形图元和文本注释，解决了现有方法常常忽略文本语义丰富性的局限性。TextCAD采用类型-属性相关编码器（TACE）来捕捉注释内的构成语义，并采用具有多级语义过滤（MSF）的语义层次对齐框架来融合跨模态信息。实验表明，TextCAD在真实数据集的全景符号检测方面取得了最先进的性能。
-
研究发现：基础模型可根据文本生成CAD设计
一项新研究探讨了使用基础模型从自然语言生成计算机辅助设计（CAD）机械零件的应用。研究人员开发了LLMForge框架，该框架集成了各种模型，并使用基于分析和视觉语言模型（VLM）的评估方法来优化设计。研究评估了七个基础模型，发现当使用分析反馈时，较小的指令微调模型表现与大型系统相当，而VLM评估提高了网格生成成功率。