核心发现
方法论
该方法将LLM规划与几何求解器紧密结合，通过L0-L4分层技能库，逐步选择、解析和执行CAD操作。利用几何求解器提供反馈，指导模型修正和学习，实现闭环控制。采用操作族预测、确定性参数解析和基于求解器奖励的训练策略，确保生成的装配流程符合几何和拓扑约束。模型在多类别工业装配任务中表现出高的可执行率和准确性，验证了其在复杂长流程中的有效性。
关键结果
- 在多步机械装配和模具装配任务中，强规划器实现100%的可执行率，学习控制器达93%的精确策略，操作族预测模型达到76.6%的整体准确率。求解器引导的规划确保所有工作流程在基准测试中顺利执行，显著优于传统的序列生成方法。实验中，模型在不同任务中展现出高的技能准确性和任务完成率，验证了闭环规划的优势。
- 通过求解器反馈，模型能识别并修正操作中的几何错误，提升了装配的可编辑性和准确性。采用GRPO（Guided Reinforcement Policy Optimization）策略，候选动作的奖励信号增强了模型对长远目标的理解，减少了错误决策。对比无求解器反馈的模型，性能提升明显，表明几何验证在工业装配中的关键作用。
- 消融实验显示，操作族预测优于直接实例索引预测，模型在复杂空间关系中表现更稳健。分层技能库有效限制了动作空间，提高了规划的可靠性。整体结果表明，结合几何求解器的闭环控制框架在工业装配中的应用潜力巨大，特别是在长流程、多部件装配场景中表现优异。
研究意义
该研究突破了传统基于序列的CAD生成限制，通过引入几何求解器的反馈，显著提升了工业装配的自动化水平。它解决了LLM在长流程中易出错、难以保持几何一致性的问题，为工业设计自动化提供了新思路。模型的闭环控制机制增强了系统的鲁棒性和可修复性，为未来智能制造、机器人装配等领域奠定了基础。该方法的成功应用展示了AI在复杂工程任务中的潜力，推动了AI与CAD技术的深度融合。
技术贡献
本研究提出了基于分层技能库的闭环装配建模框架，将LLM规划与几何求解器紧密结合。引入操作族预测和确定性参数解析，减少了长流程中的错误传播。利用求解器反馈实现监督学习和策略微调，显著提升了模型的长远规划能力。该方法在保证几何一致性的同时，实现了长流程、多部件装配的自动化，突破了传统序列生成的局限。技术创新还包括将操作族作为中间抽象层，有效缓解索引敏感性问题，增强模型的泛化能力。
新颖性
该工作首次将LLM与几何求解器结合，采用分层技能库实现长流程装配的闭环控制。不同于以往单纯的序列生成方法，强调操作族预测和几何验证，确保每一步的几何正确性。引入求解器反馈作为奖励机制，提升模型在复杂场景中的表现。这种结合几何验证与学习的框架，为工业自动化中的参数化装配提供了创新路径，是该领域的突破性尝试。
局限性
- 当前方法依赖于预定义的技能库和操作族，难以直接迁移到非机械或复杂有机形状的设计任务，限制了应用范围。
- 在极端复杂或高精度的装配任务中，几何验证和求解器的计算成本较高，影响实时性和扩展性。
- 长流程中部分操作的误差累积仍存在，模型在极端边界条件下的鲁棒性有待提升。
未来方向
未来将探索自适应技能库扩展机制，结合学习增强操作族的泛化能力。引入多模态信息（如视觉、触觉）以丰富模型的感知能力，提升复杂场景下的表现。优化几何求解器的效率，降低计算成本，实现更大规模的工业应用。此外，将模型推广到非刚性材料和有机形状的装配任务，推动智能制造的全面升级。
AI 总览摘要
Embodied CAD通过将大型语言模型（LLM）与几何求解器结合，提出了一种创新的闭环装配建模框架。传统的自动CAD生成多依赖序列化脚本，难以保证几何一致性和长流程的鲁棒性。该方法引入分层技能库（L0-L4），将规划任务划分为workspace操作、原始构建、特征加工、空间装配和宏模块，显著缩小动作空间，提高规划可靠性。模型在规划过程中预测操作族，由确定性模块解析参数，执行几何操作，利用求解器反馈进行修正和学习。通过这种方式，模型在多类别工业装配任务中表现出100%的可执行率和高精度，验证了其在复杂长流程中的优越性。实验结果显示，结合几何验证的闭环控制不仅确保了装配的几何正确性，还提升了系统的修复能力和学习效率。该研究为工业自动化提供了新的技术路径，推动了AI在参数化设计和制造中的深度融合。未来，模型将向更复杂的非刚性和有机形状扩展，结合多模态感知，助力智能制造的全面升级。
深度分析
研究背景
随着AI在程序合成和工具使用方面的快速发展，CAD作为工业设计的核心工具，其自动化生成一直是研究热点。早期工作如Wu等（2021）提出的DeepCAD，利用序列模型生成CAD命令，但难以保证几何一致性。近年来，基于边界表示（B-Rep）和拓扑学习的模型如UV-Net（2021）和BRepGen（2024）取得一定进展，但多为单部件或短流程。工业装配涉及复杂的装配关系、重复结构和参数调节，传统方法难以应对长流程、多部件的高复杂度场景。现有系统如ArtiCAD（2026）尝试结合多模态信息，但仍缺乏与几何验证紧密结合的闭环控制。该背景下，如何实现长流程、可编辑、几何一致的自动装配成为亟待解决的问题。
核心问题
工业装配的自动化面临多重挑战，包括长流程规划的复杂性、几何一致性保证、操作的可修复性以及模型的泛化能力。传统序列生成方法易受误差累积影响，难以在长流程中保持几何正确性。现有的学习模型缺乏几何验证机制，导致生成的装配脚本在实际执行中易出错。如何设计一种既能保证几何正确性，又具备长流程规划能力的系统，成为核心难题。此外，工业场景中操作的多样性和复杂性也要求模型具有高度的泛化和修复能力。
核心创新
本研究的创新点包括：1）提出基于分层技能库（L0-L4）的闭环规划框架，将LLM规划与几何求解器结合，确保每一步操作的几何正确性；2）引入操作族预测机制，减少索引敏感性，提高泛化能力；3）利用求解器反馈作为奖励信号，指导模型修正和学习，增强长流程鲁棒性；4）实现长流程多部件装配的自动化，突破传统序列生成的局限。该框架通过几何验证与学习的结合，为工业装配自动化提供了新路径。
方法详解
- �� 规划阶段：LLM预测操作族或技能级别（L0-L4），基于任务意图和历史信息。• 解析阶段：确定性模块将操作族解析为具体参数（如孔径位置、旋转角度），确保参数的几何一致性。• 执行阶段：调用CAD后端执行操作，生成几何实体。• 反馈阶段：几何求解器返回操作成功与否、几何验证信息（体积、边界框、拓扑关系），用于修正和奖励。• 训练阶段：结合求解器反馈，采用GRPO策略进行强化学习，优化规划策略。• 评估阶段：在多类别工业任务中验证模型的可执行率、技能准确性和任务完成率。
实验设计
采用多类别工业装配任务，包括机械装配、工业设备和模具装配，使用FreeCAD作为后端。指标包括可执行率、技能准确率、操作族准确率和任务完成率。模型在不同任务中进行训练和测试，比较强规划器（确定性）与学习控制器（SFT、GRPO）的性能。通过消融实验验证操作族预测和几何验证的重要性。实验还分析模型在长流程中的修复能力和误差累积情况，确保系统的鲁棒性。
结果分析
强规划器实现100%的任务流程执行成功，学习控制器在任务中达93%以上的精确策略，操作族预测模型达到76.6%的整体准确率。求解器引导的规划确保所有步骤符合几何和拓扑约束，显著优于传统序列生成方法。消融实验显示，操作族预测和几何验证是提升性能的关键因素。模型在复杂装配场景中表现出良好的泛化能力和修复能力，验证了闭环控制的有效性。
应用场景
该方法适用于工业自动化、机器人装配和CAD设计自动化。只需提供任务描述和参数，系统即可生成可执行的装配流程，减少人工干预。未来可扩展到高精度装配、复杂有机形状和多模态感知场景，推动智能制造的自动化升级。
局限与展望
当前模型依赖预定义技能库，难以应对非机械或高度复杂的设计任务。几何验证计算成本较高，影响实时性。长流程中误差累积仍存在，模型在极端条件下鲁棒性不足。未来需优化算法效率和泛化能力，拓展应用范围。
通俗解读 非专业人士也能看懂
想象你在一家大型工厂里，工人们需要组装各种复杂的机械设备。每个工序都像拼图一样，需要精确放置零件、钻孔、切割，然后组合成完整的机器。传统的方法就像让工人记住一长串指令，但很容易出错，比如放错零件或位置不对。现在，这个新系统像是给工人配备了智能助手，它不仅能理解每个步骤，还能在装配过程中不断检查，确保每个零件都放得正确，甚至能自己修正错误。这个助手用一种类似“智能规划”的方法，提前设计好每个动作，然后在实际操作中不断验证和调整，确保最终的机器完美无缺。它就像一个聪明的机器人，既会计划，又会自己检查，确保每一步都正确，最后完成一台高质量的机械设备。
简单解释 像给14岁少年讲一样
想象你在玩拼装玩具，但这个拼装机器人比你还聪明！它知道每个零件应该放在哪里，怎么拼，甚至能自己检查拼错了没有。如果它放错了一个零件，它会马上发现，自己修正，然后继续拼。这个机器人用一种特别聪明的方法，先想好每一步，然后一步步去做，还会用“检查器”确认每个步骤都正确。这样，拼装出来的机械就不会出错，也不用你一直盯着它看。它就像一个超级聪明的拼装助手，既会计划，也会自己修正错误，最终拼出一台完美的机器。这个技术让工厂里的机器人变得更聪明、更可靠，也让我们的工业生产更快更好！
原文摘要
Large language models can write plausible CAD scripts, but reliable industrial CAD modeling requires more than syntactically valid code: every feature, placement, and assembly relation must be accepted by an exact geometric kernel while remaining editable as parametric boundary representation geometry. We present Embodied CAD, solver-grounded LLM agents for parametric B-Rep assembly modeling. Instead of generating a complete script in one pass, the agent iteratively selects actions from a stratified L0-L4 CAD skill library, resolves them into typed geometric operations, executes them in a CAD backend, and uses solver feedback to plan, repair, and learn. The framework combines action grammar constraints, deterministic parameter resolution, and solver-derived rewards for supervised warm-up and GRPO-style refinement. We evaluate Embodied CAD on multi-step mechanical, industrial equipment, and mold-oriented assembly tasks using solver-aligned metrics: executable rate, skill accuracy, operation-family accuracy, exact policy accuracy, and task completion success. The results show that solver-grounded planning executes all strong-planner workflows in the current benchmark, while learned controllers reach high executable rates and expose the remaining gap between valid tool calls and exact long-horizon policy prediction.