[Paper] Pointer-CAD：通过基于指针的边缘与面选择统一 B-Rep 与命令序列

Source: arXiv - 2603.04337v1

请提供您希望翻译的具体文本内容，我将按照要求保留源链接并进行简体中文翻译。

概览

本文介绍了 Pointer‑CAD，一个全新的框架，使大型语言模型（LLMs）能够生成和编辑完整的 CAD 模型。通过在传统的指令序列表示中加入直接选择边、面或其他 B‑rep 实体的 pointer 操作，系统克服了长期存在的“盲目”序列生成限制，并显著降低了因将连续几何离散化而导致的拓扑错误。

关键贡献

• Pointer‑based command language – 将常规 CAD 命令流扩展为显式的 “select‑entity” 令牌，使 LLM 能够指向当前 B‑rep 中的特定面、边或顶点。
• Iterative B‑rep conditioning – 每个生成步骤同时接收自然语言提示 以及 最新的边界表示，实现上下文感知的编辑（例如，对选中的边进行倒角）。
• Large‑scale annotated dataset – 一个将 575 K 专业级 CAD 模型与高质量自然语言描述配对的流水线，为指针预测提供所需的训练信号。
• Quantization‑error mitigation – 通过选择已有的几何实体而非近似连续参数，方法相较于仅序列的先前方法将分割/拓扑错误降低了数量级。
• Comprehensive evaluation – 展示了对复杂零件（多特征、嵌套操作）的可靠生成，并在标准 CAD 基准上实现了几乎为零的失败率。

方法论

1. 表示 – CAD 模型以 命令序列（例如 sketch、extrude、fillet）的形式表达。Pointer‑CAD 添加了一种新 token 类型 SELECT <entity_id>，用于指向当前 B‑rep 中的元素（边、面、顶点）。
2. 模型架构 – 基于 Transformer 的大语言模型（例如 GPT‑NeoX）经过微调，以预测下一个 token，输入包括：
   • 文本化的设计描述。
   • 当前 B‑rep 的序列化视图（编码为实体特征列表）。
   • 先前生成的命令 token。
     对指针的预测被视为对可用实体集合的分类任务。
3. 训练数据流水线 – 将现有 CAD 仓库解析为 B‑rep 结构，然后半自动标注器生成配对的自然语言规格（使用 GPT‑4 起草并经人工验证）。该流水线还为每个涉及实体选择的操作提取真实指针。
4. 推理循环 – 从空模型开始，LLM 迭代输出命令。当生成 SELECT token 时，模型对所有候选实体打分并选取得分最高的实体，然后将其反馈给 CAD 核心以更新 B‑rep，随后进行下一步。

结果与发现

• 错误降低 – 指针机制将量化引起的分割错误降低约 10 倍。
• 特征丰富性 – 模型能够可靠地串联多个依赖操作（例如，草图 → 拉伸 → 选择面 → 圆角）。
• 泛化能力 – 在未见过的提示下，系统仍能生成有效的 B‑rep，表明基于指针的条件化学习了稳健的几何推理，而不是仅记忆固定的指令模式。

实际意义

• Developer APIs – Pointer‑CAD 可以封装为 REST 服务，接受自然语言的设计简述并返回标准 CAD 文件（STEP/IGES）。这为 IDE 插件、产品配置器或快速原型工具中的 “prompt‑design” 功能打开了大门。
• Interactive CAD assistants – 由于模型能够指向已有几何体，可用于 in‑situ 编辑：用户说 “在支架的顶部边缘添加 2 mm 圆角”，系统即可瞬间选中正确的边缘并执行该操作。
• Reduced manual modeling time – 初步实验表明，构建复杂零件所需的手动步骤可减少 30‑40 %，从而为机械工程师和爱好者带来更快的迭代周期。
• Better downstream simulation – 有效的 B‑rep 意味着在将模型输入有限元分析或 3‑D 打印流水线之前，几何清理步骤更少，整体工作流的可靠性得到提升。

限制与未来工作

• 实体集的可扩展性 – 当前的指针预测需要枚举所有面/边，对于非常大的装配体可能成本高昂；层次化或学习式索引有望缓解此问题。
• 数据集偏差 – 575 K 个模型主要来源于机械零件；建筑或有机形状可能需要额外的训练数据。
• 细粒度参数控制 – 虽然指针消除了量化误差，但连续参数（例如精确的倒圆半径）仍依赖离散化的 token；未来工作可以集成可微几何模块来预测实数值。
• 用户意图模糊 – 含糊的自然语言提示可能导致指针选择不明确；加入澄清对话或多模态输入（草图、图像）是一个有前景的方向。

Pointer‑CAD 标志着向真正智能 CAD 生成迈出的重要一步，弥合了语言理解与精确几何操作之间的鸿沟。对于希望在产品中嵌入生成式设计能力的开发者而言，本文提供了坚实的技术基础和实用集成的路线图。

作者

• Dacheng Qi
• Chenyu Wang
• Jingwei Xu
• Tianzhe Chu
• Zibo Zhao
• Wen Liu
• Wenrui Ding
• Yi Ma
• Shenghua Gao

论文信息

• arXiv ID: 2603.04337v1
• 分类: cs.CV, cs.CL
• 出版时间: 2026年3月4日
• PDF: 下载 PDF