PR-CAD：使用 大语言模型 逐步细化统一可控且忠实的文本到 CAD 生成

CAD 模型的构建传统上依赖于劳动密集型的手动操作和专业知识。 大语言模型 (LLM) 的最新进展激发了对文本到 CAD 生成的研究。然而，现有的方法通常将生成和编辑视为不相交的任务，限制了它们的实用性。我们提出了 PR-CAD，这是一个渐进式细化框架，它统一了可控且忠实的文本到 CAD 建模的生成和编辑。为了支持这一点，我们策划了一个跨越整个 CAD 生命周期的高保真交互数据集，包含多种 CAD 表示以及定性和定量描述。该数据集系统地定义了编辑操作的类型，并生成高度类似于人类的交互数据。基于为 LLM 定制的 CAD 表示，我们提出了一种强化学习增强推理框架，将意图理解、参数估计和精确编辑定位集成到单个代理中。这为设计创建和改进提供了“一体化”解决方案。大量的实验表明，生成和编辑任务之间以及定性和定量模式之间存在很强的相互强化作用。在公共基准测试中，PR-CAD 在生成和细化场景中实现了最先进的可控性和 忠实性，同时还证明了用户友好性并显着提高了 CAD 建模效率。