ReliCAD：从不确定的 LLM 生成到可靠的参数化 CAD 建模

大型语言模型在自然语言驱动的参数化 CAD 建模方面显示出了巨大的潜力。然而，它们的概率生成与 CAD 建模的确定性要求之间存在根本矛盾，导致可靠性、设计意图保存和几何有效性方面受到限制。现有方法通常依赖于大规模带注释的数据集，缺乏对设计意图的显式建模，并且未充分利用 CAD 内核的确定性功能。为了解决这些限制，我们提出了 ReliCAD，这是一个统一的框架，可将不确定的 LLM 生成转换为可靠的参数化 CAD 建模。通过显式设计意图建模，ReliCAD 将用户需求转换为结构化设计规范，并对几何关系、拓扑依赖性和特征构造顺序进行显式建模。然后，它生成约束感知参数指令，并通过代理就绪 API 调用 CAD 内核来执行几何构造和约束求解。 ReliCAD进一步记录运行时证据，并采用验证反馈机制来评估生成的模型与设计规范之间的一致性，从而实现错误定位和迭代修复。在公共 HistCAD 生成数据集和我们的多粒度 CAD 编辑数据集上的实验表明，ReliCAD 显着优于基线方法，实现了 99.8% 的有效性和 0.8753 IoU。 ReliCAD 为自然语言交互式 CAD 建模提供了一种可验证、可修复且可推广的方法。