CADFather：一个会自己拿主意的CAD逆向工程助手

你有没有想过，一个扫描出来的3D模型，或者一个只有网格数据、没有任何设计记录的老零件，要怎么变回可以编辑的工程图纸？

这听起来像是个无关紧要的小问题，但在制造业和工业设计里，这是一个每天都在发生的真实麻烦。你拿到一个零件的3D扫描，想改一下某个孔的直径，或者调整一下壁厚，却发现自己手里只有一堆三角面片，没有任何参数、没有任何建模历史。你知道这个零件是什么样子，但你不知道它是怎么"做出来"的。

这个问题在学术圈有个专门的名字，叫CAD逆向工程。简单说，就是给你一个3D网格模型，让你反推出一套可执行的CAD建模程序，这套程序执行完之后能长出跟原模型一样的形状,而且每一步操作、每一个参数都是透明可编辑的。

过去几年，研究者们试过不少办法来解决这件事，但读完这篇论文你会发现一个挺有意思的事实：没有一种方法是全能的。有的方法擅长快速生成一整套程序，但容易漏掉细节特征；有的方法擅长逐步修正，但在面对复杂机械零件时经常卡壳；还有的方法靠纯几何算法硬算，精度不错，但也经常算出一个"开着口子"的壳子而不是实心体。这篇论文的作者们没有选择再造一个"更强"的单一模型，而是琢磨出了一个完全不同的思路：让一个AI助手自己去协调、调度这些已有的工具，像一个项目经理一样，根据现场情况随时决定下一步该找谁来干活。

这个系统叫CADFather。

当单打独斗不够用的时候

在CADFather出现之前，CAD逆向重建大致分成两条路子。

一条路子是靠训练好的语言模型或视觉语言模型直接"猜"出CAD代码,这类工作里有CAD-Recode、cadrille、CADEvolve这些,它们都是一次性生成完整程序。另一条路子是迭代式的,比如CADReasoner会反复修改一整套程序,CADENA则是一步一步地往程序里加操作,每加一步就渲染出来看看效果再决定下一步。还有一条相对小众但很扎实的路线叫CADFit,它完全不依赖学习模型,靠几何拟合和优化搜索来一步步逼近目标形状。

这几条路子各有各的强项,但问题在于,它们都是"单一工具打天下"。

学习模型生成的操作可能漏掉一个细节特征,或者参数估得不准;纯算法构造的操作精度不错,但表达能力有限,碰到形状复杂的零件会束手无策;数值优化能微调参数,但没法凑出一个全新的操作序列。你会发现,这三种能力其实是互补的,但没有哪个工具能同时具备这三种能力。

CADFather的作者们想明白了一件事:既然每个工具都有自己的"舒适区",那不如养一个会判断局势的助手,让它根据当前重建到哪一步、形状差了什么、还剩多少预算,自己决定该召唤哪个工具来干活。

这就像一个装修项目的总包。

水电工擅长布线,瓦工擅长贴砖,木工擅长做柜子,但没有一个工人能同时精通这三件事。如果你把所有活儂指派给同一个水电工去干,他贴砖的手艺肯定不如专业瓦工,结果就是房子整体质量打折扣。真正高效的做法是,找一个懂行的总包,他不需要自己会贴砖砌墙,但他知道现在这个阶段该叫谁来、要干多久、干完了要不要验收。如果没有这个总包角色,每个工人各自为战,互相不知道对方干到哪一步了,最后拼出来的房子很可能某个房间漏了插座,某个墙角瓦片没对齐。

CADFather里的这个"总包"，就是一个视觉语言模型扮演的助手。

助手怎么看、怎么决定

这个助手每一步要看什么、决定什么,是整篇论文设计的核心。

每一轮决策,助手会收到四类信息。第一类是固定不变的规则说明,也就是任务目标、工具清单和回答格式,这部分每一步都一样,相当于给助手定了行为准则。第二类是到目前为止所有历史步骤的简要记录,记录的是实际执行过的动作,而不是助手当时想要做但预算不够没做成的动作。

第三类是渲染图像。

这里有个细节值得说一下:助手看到的不是候选池里所有的候选程序,而是目标形状的渲染图、当前最好的候选渲染图,以及上一步新产生的候选渲染图。

视觉语言模型*：一类同时能理解图像和文字的AI模型,能看懂渲染出来的3D形状长什么样,也能读懂文字描述的任务要求。

CadQuery*：一种用Python代码描述CAD建模操作的工具库,比如"画一个圆再拉伸成圆柱"这类操作都能用几行代码表达。

第四类信息是一张候选程序表,表里列出当前排名靠前的候选程序,每一行写明这个程序是用什么工具生成的、已经包含几个操作、综合得分是多少、还能继续用哪些工具处理它。

助手看完这些信息后,先用一句话写下这一步打算做什么,然后发出最多四条行动指令,每条指令指定一个候选程序、一个要调用的工具,如果是调用学习模型还要指定生成几个候选方案。它也可以选择结束整个零件的重建,理由只有两种:一种是"形状已经对了,剩下的只是数值上的小偏差",另一种是"卡住了,最近几步都没有进步,先交卷"。

这个设计有个很聪明的地方。它不是让AI每一步只能对一个候选程序做一个动作,而是允许它在一轮决策里同时操作好几个候选、调用好几种工具。这就像一个会下棋的人,不是只盯着一个棋子想下一步,而是能同时在棋盘上多条线同时布局,保留几条可能的路线,等看清局势再决定走哪条。

如果这套系统不允许保留多个候选分支,会发生什么?

论文里的消融实验给出了答案。有一类失败案例是"错误的初始拓扑结构",意思是如果第一步操作就选错了方向,比如把一个实心块错当成空心框架来重建,后面所有操作都是在错误的基础上修修补补,永远救不回来。保留多个候选分支的意义就在这里,万一某条分支走进死胡同,系统手里还有别的分支可以接着往下走,而不是把所有希望都押在一条路径上。

三个工具,各管一段

CADFather给助手配了三种工具,每种工具解决的问题不太一样。

第一种是学习模型生成,它用的是一个叫CADENA-RL的预训练模型,给定一个已有的程序片段，它会提议接下来可能要做的一个新操作，而且可以一次生成多个备选方案供助手挑选。这个工具的优势是见过大量真实CAD数据，比较"懂"常见的建模套路，但它偶尔会漏掉某个细节特征，或者给出的尺寸不够准。

第二种是算法化生成，这个工具完全不依赖学习模型，而是直接从目标网格的几何形状里硬算出可能的操作。

举个例子，它会用一系列平面去切目标形状，每切一刀就得到一个横截面，然后看这个横截面沿着哪个方向、延伸多远能跟目标表面贴合，由此反推出一个拉伸操作。如果已经有一个候选程序了，这个工具还能对比候选和目标之间差在哪里，哪里多了材料、哪里少了材料，分别生成"要切掉的"和"要加上的"操作提议。

这个工具最大的用处，是在学习模型生成的第一步操作总是产出一个"开着口子的壳子"而不是实心体的时候，给系统兜底。

这里要多说一句，为什么开口的壳子是个大问题。

CAD程序的后续操作，是建立在前一步结果是一个完整实心体的基础上进行加工的。如果第一刀下去，形状不是封闭的，那后面不管怎么加操作，这个分支就是废的，没法继续往下盖楼。算法化生成的拉伸操作，是直接从目标网格切出来的，天然就是封闭实心的，相当于给系统提供了一个靠得住的地基。

消融实验*：指去掉系统里某个组件后重新做实验，看少了这个组件之后整体表现下降多少，用来验证这个组件到底有没有用、有多重要。

实验数据证实了这一点。在MCB数据集上，一旦去掉算法化生成这个工具，整个系统的无效预测率，也就是最终没能生成一个可用实心体的比例，从0直接跳到了0.123，相当于每8个零件里就有1个彻底失败。而去掉数值优化工具带来的损失要小得多，综合得分只掉了0.006。这组数字清楚地说明了算法化生成工具不是锦上添花的配置，而是整个搜索能顺利推进下去的地基。

第三种工具是参数优化，它不新增任何操作，只是在已有程序的框架内微调数字，比如把某个草图的坐标、半径，或者拉伸的深度调得更准。

它的工作方式是把候选程序的几何形状和目标网格都转换成"有符号距离"，也就是空间中每个点到物体表面的距离，物体内部记为负值。然后计算候选和目标在很多采样点上的距离差异，这个差异的均方值就是误差，再用数值方法估算每个参数该往哪个方向调一点，反复迭代，直到调不动为止。

这个工具就像给一件已经做好的衣服改尺寸。

版型（也就是操作结构）已经定了，但袖长可能长了两厘米、腰围松了一圈，裁缝不会把整件衣服拆了重做，只是在原有版型上微调尺寸。如果没有这个工具，系统就只能靠重新生成一整个新的操作序列来碰运气，撞上更合适的尺寸，效率会低很多。实验里，去掉这个工具之后，DeepCAD和Fusion360数据集上的得分依然掉了0.004到0.006，说明即便是看起来不起眼的微调，也在实实在在地往上拉分。

系统怎么知道哪个候选是真的好

光有多个工具还不够，系统还得有一套客观标准，来判断每个候选程序到底值不值得保留。

论文用了两个核心指标。第一个是IoU，交并比，衡量的是候选形状和目标形状在体积上重叠了多少。两个形状完全重合IoU就是1，完全不沾边就是0。第二个指标叫GMS，广义匹配分数，它看的不是体积重叠，而是两个表面及其法线方向吻合得怎么样，专门用来捕捉那些体积差不多但表面细节不对的情况。

IoU*：交并比，是衡量两个三维形状重叠程度的指标，数值越接近1说明两个形状越一致。

GMS*：广义匹配分数，衡量两个物体表面形态和法线方向的匹配程度，专门用来发现"体积像但细节不像"的问题。

为什么要同时用这两个指标，而不是只看IoU？

论文里有一个很直观的反例。在MCB数据集的一个零件上，系统重建出来的候选IoU高达0.909，看起来几乎完美，但GMS只有0.164，低得吓人。打开渲染图一看，原来目标零件表面有一圈滚花，也就是那种常见于螺母、把手上的防滑纹理，而重建结果把整体轮廓做对了，但滚花纹理完全没有做出来。体积算出来是对的，因为滚花本身占的体积很小，但表面结构完全不对。这就是为什么只看IoU会出现"看着分数很高，实际细节全丢了"的假象。

系统最终给每个候选打一个综合分，这个分数是IoU和GMS的平均值（如果目标形状不是单一的封闭实心体，就只用GMS）。整个重建过程中，系统会一直保留历史上出现过的最高分候选，哪怕助手当下正在尝试别的分支，这个"历史最佳"也不会被扔掉，最终输出的就是它。

这个设计思路很像写论文时的版本管理习惯。

你可能会先改一个大改动，发现效果没有预想中好，这时候如果没有保存之前的版本，你就只能凄凄惨惨地从头再改一次。而如果你有一个"自动保存历史最佳版本"的习惯，哪怕你现在在尝试一个风险更高的改动，手里始终握着一份保底的好结果。CADFather的"保留历史最佳"机制，本质上就是给整个探索过程上了一道保险，不管助手这一步的决策是不是明智，最终交出去的答案永远是过程中出现过的最优解，而不是停下来那一刻正好手里的那份。

跑分结果：全线超越，而且没有一个失败件

论文在DeepCAD、Fusion360和MCB三个完整测试集上做了对比，这三个数据集总共覆盖了近1.5万个零件。

| 数据集 | 方法 | 无效率 | 平均IoU | 平均GMS |

|---|---|---|---|---|

| DeepCAD | CADENA-RL（采样） | 0.0007 | 0.966 | 0.974 |

| DeepCAD | **CADFather** | **0.0000** | **0.987** | **0.983** |

| Fusion360 | CADENA-RL（采样） | 0.0023 | 0.952 | 0.942 |

| Fusion360 | **CADFather** | **0.0000** | **0.976** | **0.960** |

| MCB | CADENA-RL（采样） | 0.0006 | 0.895 | 0.751 |

| MCB | **CADFather** | **0.0000** | **0.913** | **0.766** |

这里最打眼的一行是无效率，CADFather在三个数据集上全是0，也就是说，没有一个零件最终输出的是一个破损、不封闭、算不出体积的失败结果。要知道，CADFather用的验证规则比CADENA自己的规则还要严格，这个零无效率的成绩是在更苛刻的标准下拿到的。

而且这个提升不是靠换了一个更强的生成模型取得的。CADFather调用的学习生成工具，用的还是那个一模一样的CADENA-RL模型，没有做任何额外训练。所有的提升都来自于"怎么协调调度"这件事本身。

在专门针对机械零件设计的CADENA-Bench基准上，CADFather的平均IoU达到0.909，GMS为0.721，相比当时报告最强的CADENA-RL贪心解码方法的0.876和0.670，有明显提升。这个基准里有六类零件家族，比如轴和衬套、齿轮和轴承、外壳和框架等，其中轴衬套和杠杆轮廓类零件重建效果最好，齿轮轴承和弹簧紧固件类是难度最大的两类。

论文还在两个更新的基准CADBench和BenchCAD上做了测试。在BenchCAD上，系统用自己评测流程得到的无效率是0，用BenchCAD官方评测代码算出来的体素IoU是0.968，这个成绩甚至超过了部分带工具调用能力的顶级商业大模型（比如某些版本的Claude和GPT系列，这些模型在图像加沙盒工具的配置下报告的体素IoU在0.834到0.963之间）。

更值得说的是成本对比。论文做了一张图，横轴是每个零件的估算API调用花费，纵轴是体素IoU。CADFather只用大约4步决策，花费0.016美元，就能达到0.943的IoU，用完整预算也只要0.046美元就能到0.968。而对比的商业大模型，花费从1.75美元到5.94美元才能达到接近的分数，差距是一到两个数量级。

这组数字让人想起一个常见的误区:很多人以为"更贵的模型一定更好用",但这篇论文说明，一个精心设计的协调系统，用相对小的模型加上合理的任务拆解，可以在成本上碾压那些堆算力硬刚的大模型方案。

哪个工具贡献最大，消融实验告诉你答案

论文做了三组对照实验，分别是只用学习模型生成（去掉算法化工具和参数优化）、去掉算法化生成工具、去掉参数优化工具，拿这三组和完整配置做对比。

结果非常一致：在MCB这种机械零件为主的数据集上，去掉算法化生成工具的损失最大，综合得分掉了0.110，无效率从0窜到0.124。去掉参数优化的损失要小得多，只掉0.006。在DeepCAD和Fusion360上，排序是一样的，但差距的绝对值小一些。

这说明了什么？

机械零件往往形状复杂、有很多孤立的突出结构（比如论文举例的链条环节，有两个柱子撑着两块板），学习模型第一次尝试生成操作时，很容易得到一个开口的、非封闭的结果，这时候算法化生成的硬算拉伸操作，就成了救命稻草，直接给出一个保底的、一定封闭的起点。而DeepCAD之类相对简单规整的零件（螺栓、垫片这类标准件居多），学习模型自己就能较顺利地生成合理的封闭体，所以算法化工具的边际价值就没那么夸张。

论文里专门展示了一个具体案例，是MCB里的一个链条环节零件。重建轨迹是这样的：第一步，算法化工具从空程序出发，直接拉伸出一个柱子（候选c5，IoU只有0.197）；第二步，算法化工具针对c5的"缺失部分"又补了一块下板（候选c13，IoU提升到0.486）；第三步，学习模型接着c13往上添加第二个柱子（候选c15，IoU跳到0.710）；第四步，学习模型再补上第二块板（候选c20，IoU到0.957）；再往后两步，提升已经很小了，助手判断"已经卡住"，于是收尾。

这个过程完整展示了三种工具是怎么接力配合的。算法化生成负责搭骨架、补地基，学习模型负责填充那些符合常见设计规律的细节结构，参数优化负责最后的精修。谁也替代不了谁。

这套系统也有自己的软肋

论文很坦诚地指出了几类典型失败情况。

第一类是初始拓扑选错了方向，一旦第一步操作走错路，比如实心块被当成空心框架重建，后面的操作没法纠正这个根本性的错误，所有分支都会继承这个最初的失误。

第二类是前面提到的"体积对了，表面细节丢了"的情况，比如滚花纹理、浅凹槽这类细微特征，容易在体积匹配已经不错的时候被系统误判为"已经可以收尾了"。

第三类是资源耗尽导致的中断，比如一个螺旋弹簧零件，因为几何形状太复杂，在耗尽预设的墙钟时间之前都没能找到一个合适的起点，最后只能输出一个简化的圆管近似。

这些失败案例提醒我们一个朴素的道理：再聪明的调度系统，也调度不出工具本身没有的能力。参数优化改不了操作结构，算法化生成算不出极度复杂的曲面，学习模型没见过的设计模式它也编不出来。CADFather解决的是"怎么组合已有能力"的问题，而不是"怎么创造新能力"的问题。这个边界划得挺清楚，也挺重要。

Q&A

Q1：CADFather是什么？

A：CADFather是一个自主的CAD逆向工程智能体，它用一个视觉语言助手来协调学习模型生成、算法化几何拟合、数值参数优化三种工具，从3D网格模型自动重建出可编辑的CAD程序，而且不需要额外训练任何模型。

Q2：CADFather相比之前的CADENA方法有什么提升？

A：在DeepCAD、Fusion360、MCB三个完整测试集上，CADFather的平均IoU和GMS指标全面超过CADENA-RL采样方法，而且无效预测率全部降到0，意味着每个零件都能得到一个结构完整的实心体结果，所用的学习模型本身没有任何改动。

Q3：CADFather为什么要同时用学习模型和算法化生成两种工具？

A：因为学习模型生成第一步操作时经常得到不封闭的开口壳体，无法继续建模，而算法化生成直接从目标网格的横截面硬算出拉伸操作，天然封闭可靠，能给系统提供一个靠得住的起点，消融实验显示去掉这个工具会让失败率从0跳升到12%以上。