GOPR-CAD：操作图渐进推理实现高精度文本到CAD生成

引言

在机械设计领域，CAD模型是产品开发的核心。传统上，创建精确的CAD模型需要深厚的工程专业知识和大量手动操作。近年来，文本到CAD（Text-to-CAD）技术试图通过自然语言描述自动生成CAD程序，从而降低门槛。然而，现有基于大语言模型（LLM）的方法通常直接生成完整的CAD代码，这在处理几何、拓扑和尺寸约束的耦合时往往力不从心。语言模型在生成长代码时容易出错，即使代码可执行，生成的模型也可能存在结构错误，而仅靠执行率或渲染外观难以发现这些问题。

针对这一挑战，一篇题为《GOPR-CAD: Graph-of-Operations Progressive Reasoning for CAD Generation》的论文提出了一种新颖的解决方案。该方法将LLM作为决策代理，在封装好的CAD操作上进行渐进式推理，构建可执行的操作图，最终由确定性编译器转换为CAD模型。这种分离设计无需额外训练，且兼容不同语言模型。

B-rep（边界表示法，Boundary Representation） 是CAD领域最主流的几何建模表示方式之一。它通过记录形体的边界元素——面（Face）、边（Edge）、顶点（Vertex）——以及它们之间的拓扑邻接关系来描述三维实体。每个面通常由参数曲面（如平面、圆柱面、NURBS曲面）定义，边由曲线定义，从而在连续几何与离散拓扑之间建立完整的对应关系。STEP（Standard for the Exchange of Product model data，ISO 10303）文件格式之所以被广泛用作CAD数据交换标准，正因为它能够完整地编码B-rep信息，包括几何曲面、拓扑结构以及装配层级。与体素表示或网格表示相比，B-rep保留了精确的解析几何信息，因此更适合机械零件的制造加工与工程分析。在文本到CAD的评估中，当需求本身带有明确的结构定义时，可以直接比较生成模型与标准模型在B-rep层面的拓扑和几何差异，而无需依赖人工主观判断或渲染图像对比——这正是"无参考评估"的技术基础。

核心方法：操作图渐进推理

GOPR-CAD的核心思想是将CAD生成过程分解为渐进式的操作图构建。与直接生成代码不同，语言模型不再需要一次性输出冗长的代码，而是作为决策代理，在每一步选择下一个合适的CAD操作（如拉伸、旋转、倒角等），并逐步构建一个操作图。这个图最终由确定性编译器转换为标准的CAD模型（如STEP格式）。

这种设计带来了几个关键优势：

• 降低语言模型的负担：模型只需关注当前步骤的操作选择，无需协调全局的几何和拓扑约束。
• 无需额外训练：该方法不依赖于针对CAD任务的微调，因此可以灵活适配不同的LLM。
• 结构保真度高：由于操作图显式表达了设计意图，生成的模型在结构上更符合要求。

论文作者指出，当前LLM直接生成CAD代码的方式在协调耦合约束时不可靠，而GOPR-CAD通过分离推理与编译，显著提升了生成模型的结构正确性。

确定性编译器（Deterministic Compiler） 在此语境下指的是一个严格按照操作图指令序列执行建模步骤的程序，其行为完全由输入决定，不存在随机性或近似推断。与此相对，LLM生成代码的过程是概率性的——同一提示可能产生不同的代码，且长代码中容易出现语法错误或逻辑不一致。确定性编译器的优势在于：只要操作图在逻辑上正确，编译结果就必然正确，消除了"代码能跑但模型结构不对"这类隐蔽错误。典型实现中，编译器对接CAD内核（如OpenCascade）的API，将每个封装好的操作（拉伸、旋转、布尔运算、倒角等）映射为内核调用，按图的拓扑顺序依次执行。这一架构与"LLM直接写代码再执行"的关键区别在于：LLM只负责高层决策（选什么操作、给什么参数），不负责底层语法和API调用细节，从而将错误面从"长代码整体"缩小到"单步操作选择"。

评估基准MHCAD与实验结果

为了客观评估生成模型的结构保真度，研究团队构建了MHCAD基准，包含300个标准机械零件需求，这些需求源自《机械设计手册》（Machinery's Handbook）。每个需求都有明确的结构定义，因此可以进行无参考的STEP/B-rep评估，即直接比较生成模型与标准模型的结构差异。

实验结果显示，GOPR-CAD在MHCAD上达到了82.7%的结构良率（Structural Yield），在外部CADPrompt子集上达到了87.2%的结构良率。结构良率衡量的是生成模型在结构上完全符合要求的比例，这一指标比传统的执行率或渲染相似度更能反映模型的真实质量。

作为对比，论文提到现有方法虽然能生成可执行程序，但可能产生结构错误的模型，而执行率和渲染外观无法揭示这些错误。GOPR-CAD通过操作图的方式，确保了生成模型的结构正确性。

结构良率（Structural Yield） 是本文提出的核心评估指标，定义为生成模型在结构上完全符合需求定义的比例。与执行率（生成的程序能否无报错运行）和渲染相似度（图像层面的视觉对比）不同，结构良率要求模型在B-rep层面与标准模型在拓扑结构（面、边、顶点的数量与连接关系）和几何参数（尺寸、位置、方向）上均达到一致。这一指标的严格性在于：一个模型可能在视觉上"看起来对"，但面数不对、倒角半径偏差或孔位偏移，均会被判为不合格。之所以需要这样的指标，是因为LLM生成的CAD代码即使能执行、渲染图也近似，仍可能隐藏结构性缺陷——例如布尔运算顺序错误导致内部几何残留，或拉伸方向偏差被后续操作掩盖。结构良率直接针对这一盲区，将评估从"表面像不像"推进到"结构对不对"。

技术细节与实现

GOPR-CAD的实现包含两个主要阶段：渐进式操作图构建和确定性编译。在构建阶段，语言模型根据文本描述和当前操作图的状态，决定下一步执行的操作。每个操作都被封装为独立的模块，模型只需选择操作类型和参数。这种设计使得模型能够逐步构建复杂的操作序列，而不必担心语法错误或长代码的连贯性问题。

在编译阶段，操作图被转换为标准的CAD建模指令，并由确定性编译器执行。由于编译过程是确定性的，只要操作图正确，最终模型的结构就是正确的。这从根本上避免了语言模型生成代码时可能引入的结构错误。

该方法无需额外训练，意味着它可以直接应用于各种语言模型，包括开源和闭源模型。论文作者强调，这种分离架构支持不同的语言模型，为未来集成更强大的模型提供了灵活性。

意义与展望

GOPR-CAD的提出为文本到CAD生成提供了一种新范式。通过将语言模型的推理能力与确定性编译相结合，它在不牺牲灵活性的前提下大幅提升了生成模型的结构保真度。MHCAD基准的建立也为后续研究提供了可复现的评估标准。

尽管论文未提及具体局限性，但可以预见，操作图的构建依赖于预定义的CAD操作库，对于非常规或复杂几何形状，可能需要扩展操作库。此外，渐进式推理的步数可能影响生成效率，未来或可探索更高效的推理策略。

总体而言，GOPR-CAD在文本到CAD领域迈出了重要一步，其思路也可能启发其他需要精确结构生成的领域，如建筑设计和电路设计。随着语言模型能力的提升，这种代理式推理框架有望成为CAD自动化的主流方法。