ArtisanCAD: 전문가 기반 지식 증류를 활용한 산업 수준의 CAD 에이전트

ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation

산업용 부품 설계를 위한 컴퓨터 지원 설계(CAD)는 장기적인 절차적 모델링, 견고한 기능 의존성, 편집 가능한 매개변수 기하학 및 생산 품질의 B-Rep 실행을 요구합니다. 기존의 텍스트-to-CAD 방법은 자연어 설명을 통해 CAD 프로그램을 생성하는 데 상당한 발전을 이루었지만, 사용자 프롬프트가 모호하거나 불완전하거나 고 수준의 설계 의도만 설명하는 경우 어려움을 겪습니다. 또한, CATIA 작업 기록, 매크로 로그, 도면 노트 및 엔지니어링 설명과 같이 산업 워크플로우에서 자연스럽게 얻을 수 있는 전문가의 절차적 지식을 거의 활용하지 않습니다. 본 논문에서는 전문가 기반 지식 증류를 사용하는 기술 중심의 산업용 CAD 에이전트인 efname을 제시합니다. efname의 핵심은 CAD 중간 표현(CAD-IR)으로, 매개변수, 순서가 지정된 작업, MCP 도구 바인딩, 의존성, 생성된 엔티티 및 검증 규칙을 인코딩하는 실행 가능한 절차적 표현입니다. CAD-IR은 두 가지 중요한 역할을 수행합니다. 첫째, 전문가의 CAD 절차를 재사용 가능한 매개변수화된 기술로 증류하는 데 사용됩니다. 둘째, 모호하거나 중간 수준의 프롬프트를 완전한 실행 가능한 CAD 작업으로 변환하는 절차적 기반을 제공합니다. efname은 전문가가 도출한 기술을 검색하고, CAD-IR을 인스턴스화 및 수정하며, 전용 CATIA-MCP 백엔드를 통해 결과 절차를 실행하고, 다중 시각 피드백을 사용하여 반복적인 개선을 수행하고, 최종적으로 생산 준비가 완료된 B-Rep 모델을 생성합니다. Text2CAD 벤치마크에서 CAD-IR은 중간 수준의 프롬프트로부터의 생성을 향상시켜 평균 Chamfer 거리를 $14.83$에서 $9.88$로 줄여 모호한 텍스트 의도를 실행 가능한 CAD 구성으로 변환하는 능력을 보여줍니다. 또한, 네 가지 복잡한 자동차 부품에 대해 CAD-IR은 전문가의 CATIA 기록을 재사용 가능한 기술로 증류하여 efname이 새로운 변형 요청에 대한 편집 가능한 CATIA 원 B-Rep 모델을 생성할 수 있도록 합니다.

Computer-aided design (CAD) for industrial components requires long-horizon procedural modeling, robust feature dependencies, editable parametric geometry, and production-grade B-Rep execution. Existing text-to-CAD methods have made promising progress in generating CAD programs from natural-language descriptions, but they still struggle when user prompts are ambiguous, underspecified, or only describe high-level design intent. They also rarely exploit expert procedural knowledge naturally available in industrial workflows, such as CATIA operation recordings, macro logs, drawing notes, and engineering descriptions. We present \algname, a skill-guided industrial CAD agent with expert-grounded knowledge distillation. The core of \algname is CAD intermediate representation (CAD-IR), an executable procedural representation that encodes parameters, ordered operations, MCP tool bindings, dependencies, generated entities, and verification rules. CAD-IR plays two key roles: it first serves as the carrier for distilling expert CAD procedures into reusable parameterized skills; then it provides a procedural scaffold that turns vague or intermediate-level prompts into complete executable CAD operations. \algname retrieves expert-derived skills, instantiates and revises CAD-IR, executes the resulting procedure through a dedicated CATIA-MCP backend, and uses multi-view visual feedback for iterative refinement, and finally generates production-ready B-Rep models. On the Text2CAD benchmark, CAD-IR improves generation from intermediate prompts by reducing mean Chamfer Distance from $14.83$ to $9.88$, showing its ability to bridge ambiguous textual intent and executable CAD construction. On four complex automotive components, CAD-IR enables expert CATIA recordings to be distilled into reusable skills, allowing \algname to generate editable CATIA-native B-Rep models for new variant requests.