具身CAD：面向参数化B-Rep装配建模的求解器落地LLM智能体

大型语言模型可以编写合理的 CAD 脚本，但可靠的工业 CAD 建模需要的不仅仅是语法上有效的代码：每个特征、布局和装配关系都必须被精确的几何内核接受，同时保持作为参数化边界表示几何体的可编辑性。我们提出了 Embodied CAD、基于求解器的 LLM 代理，用于参数化 B-Rep 装配建模。该代理不是一次性生成完整的脚本，而是迭代地从分层的 L0-L4 CAD 技能库中选择操作，将它们解析为类型化的几何操作，在 CAD 后端中执行它们，并使用解算器反馈来计划、修复和学习。该框架结合了动作语法约束、确定性参数解析和求解器衍生的奖励，用于监督预热和 GRPO 式细化。我们使用与解算器一致的指标来评估多步骤机械、工业设备和面向模具的装配任务上的 Embodied CAD：可执行率、技能准确性、操作系列准确性、精确的策略准确性和任务完成成功率。结果表明，基于求解器的规划执行当前基准中的所有强规划器工作流程，而学习控制器达到了很高的可执行率，并暴露了有效工具调用和精确的长期策略预测之间的剩余差距。