ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation
作者: Yunhan Xu, Qifeng Wu, Xunjin Li, Yuanwei Bin, Qingsong Yao, Jianghang Gu, Guan Wang, Weihao Lv, Huiyu Yang, Wenfa Luo, Jiao Xiang, Yuntian Chen, Shiyi Chen
分类: cs.AI, cs.GR
发布日期: 2026-07-07
💡 一句话要点
提出ArtisanCAD以解决工业级CAD生成中的模糊性问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 计算机辅助设计 知识蒸馏 工业设计 CAD模型生成 专家系统 程序化建模 汽车工程
📋 核心要点
- 现有文本到CAD方法在处理模糊或不明确的用户提示时效果不佳，难以生成高质量的CAD模型。
- 提出ArtisanCAD，通过CAD中间表示（CAD-IR）蒸馏专家知识，将模糊提示转化为可执行的CAD操作。
- 在Text2CAD基准上，CAD-IR将平均Chamfer距离从14.83降低至9.88，展示了其在生成质量上的显著提升。
📝 摘要（中文）
工业组件的计算机辅助设计（CAD）需要长时间的程序建模、稳健的特征依赖、可编辑的参数几何体和生产级的B-Rep执行。现有的文本到CAD方法在从自然语言描述生成CAD程序方面取得了一定进展，但在用户提示模糊、不明确或仅描述高层设计意图时仍然面临挑战。本文提出了ArtisanCAD，一个基于专家知识蒸馏的工业CAD代理。其核心是CAD中间表示（CAD-IR），它编码了参数、操作顺序、工具绑定、依赖关系、生成实体和验证规则。CAD-IR不仅用于蒸馏专家CAD程序，还将模糊或中间级提示转化为可执行的CAD操作。实验表明，CAD-IR在Text2CAD基准上显著提高了生成效果，减少了平均Chamfer距离。
🔬 方法详解
问题定义：本文旨在解决现有文本到CAD方法在处理模糊或不明确用户提示时生成质量不足的问题。现有方法往往无法有效利用工业工作流中的专家程序知识，导致生成的CAD模型不够精确。
核心思路：ArtisanCAD的核心思路是通过CAD中间表示（CAD-IR）来蒸馏专家的CAD程序，将模糊的用户提示转化为可执行的CAD操作。CAD-IR不仅作为知识载体，还提供了一个程序框架，帮助生成完整的CAD操作。
技术框架：ArtisanCAD的整体架构包括几个主要模块：首先，通过专家知识蒸馏生成可重用的参数化技能；其次，利用CAD-IR将用户的模糊提示转化为具体的CAD操作；最后，通过CATIA-MCP后端执行生成的程序，并利用多视角视觉反馈进行迭代优化。
关键创新：最重要的技术创新在于CAD-IR的引入，它不仅承载了专家的CAD程序，还能有效地将模糊的文本意图转化为可执行的CAD操作。这一设计与现有方法的本质区别在于其对专家知识的有效利用和程序化的生成能力。
关键设计：在技术细节上，CAD-IR包含参数、操作顺序和工具绑定等信息，确保生成的CAD模型具有可编辑性和生产级质量。通过优化损失函数和网络结构，ArtisanCAD能够在生成过程中不断提高模型的准确性和可用性。
🖼️ 关键图片
📊 实验亮点
在Text2CAD基准测试中，ArtisanCAD的CAD-IR显著提升了生成效果，将平均Chamfer距离从14.83降低至9.88，展示了其在处理模糊文本意图方面的强大能力。此外，CAD-IR还成功将复杂汽车组件的专家录音蒸馏为可重用技能，生成了可编辑的CATIA本地B-Rep模型。
🎯 应用场景
该研究的潜在应用领域包括工业设计、汽车制造和机械工程等，能够显著提高CAD生成的效率和质量。通过有效利用专家知识，ArtisanCAD可以帮助设计师快速生成符合需求的CAD模型，降低设计周期和成本，推动智能设计的进步。
📄 摘要（原文）
Computer-aided design (CAD) for industrial components requires long-horizon procedural modeling, robust feature dependencies, editable parametric geometry, and production-grade B-Rep execution. Existing text-to-CAD methods have made promising progress in generating CAD programs from natural-language descriptions, but they still struggle when user prompts are ambiguous, underspecified, or only describe high-level design intent. They also rarely exploit expert procedural knowledge naturally available in industrial workflows, such as CATIA operation recordings, macro logs, drawing notes, and engineering descriptions. We present \algname, a skill-guided industrial CAD agent with expert-grounded knowledge distillation. The core of \algname is CAD intermediate representation (CAD-IR), an executable procedural representation that encodes parameters, ordered operations, MCP tool bindings, dependencies, generated entities, and verification rules. CAD-IR plays two key roles: it first serves as the carrier for distilling expert CAD procedures into reusable parameterized skills; then it provides a procedural scaffold that turns vague or intermediate-level prompts into complete executable CAD operations. \algname retrieves expert-derived skills, instantiates and revises CAD-IR, executes the resulting procedure through a dedicated CATIA-MCP backend, and uses multi-view visual feedback for iterative refinement, and finally generates production-ready B-Rep models. On the Text2CAD benchmark, CAD-IR improves generation from intermediate prompts by reducing mean Chamfer Distance from $14.83$ to $9.88$, showing its ability to bridge ambiguous textual intent and executable CAD construction. On four complex automotive components, CAD-IR enables expert CATIA recordings to be distilled into reusable skills, allowing \algname to generate editable CATIA-native B-Rep models for new variant requests.