面向CAD生成的记忆增强强化学习智能体

计算机辅助设计（CAD）模型的自动生成是实现先进制造智能化的核心技术。现有基于大语言模型（LLM）的生成方法在处理以长操作序列、多样操作类型和强几何约束为特征的复杂CAD模型时常常力不从心，主要原因是推理链条断裂且缺乏有效的纠错机制。针对这一问题，本文提出一种面向CAD生成智能体的记忆增强强化学习框架。该框架将底层几何内核封装为可被智能体调用的结构化工具链，并构建了设计意图理解、全局规划、执行与多维验证的闭环机制。同时设计了由案例库与技能库构成的双轨记忆模块，并提出动态效用检索算法。通过将强化学习引入检索与策略优化，智能体能够有效避免示例语义相似但几何上不可行的检索陷阱，在无需额外大规模标注数据的情况下实现在线自我纠正与持续进化。实验表明，所提方法在复杂CAD模型生成任务上显著提升了成功率与几何一致性。