Resumen: Los métodos existentes para la generación de texto a CAD operan en una sola pasada sin verificación geométrica o dependen de retroalimentación visual con pérdidas que no pueden resolver errores dimensionales. Presentamos CADSmith, un canal multiagente que genera código CadQuery a partir de lenguaje natural. Luego se somete a un proceso de refinamiento iterativo a través de dos bucles de corrección anidados: un bucle interno que resuelve errores de ejecución y un bucle externo basado en la validación geométrica programática. El bucle exterior combina mediciones exactas del kernel OpenCASCADE (dimensiones del cuadro delimitador, volumen, validez sólida) con una evaluación visual holística de un juez independiente modelo de visión y lenguaje. Esto proporciona tanto la precisión numérica como el conocimiento de la forma de alto nivel necesarios para converger en la geometría correcta. El sistema utiliza generación de recuperación aumentada sobre documentación API en lugar de ajustes finos, manteniendo una base de datos actualizada a medida que evoluciona la biblioteca CAD subyacente. Evaluamos según un punto de referencia personalizado de 100 indicaciones en tres niveles de dificultad (T1 a T3) con tres configuraciones de ablación. Frente a una línea de base de disparo cero, CADSmith logra una tasa de ejecución del 100 % (en comparación con el 95 %), mejora la puntuación media de F1 de 0,9707 a 0,9846, el IoU medio de 0,8085 a 0,9629 y reduce la distancia media de chaflán de 28,37 a 0,74, lo que demuestra que el refinamiento de bucle cerrado con retroalimentación geométrica programática mejora sustancialmente la calidad y confiabilidad de los modelos CAD generados por LLM.
Publicado originalmente en export.arxiv.org el 29 de marzo de 2026.
Ver fuente original
