Text-to-CAD 技术全景：2025年最新最强项目深度解析

前言

计算机辅助设计（CAD）长期以来是工程师和设计师的专属领域，掌握 SolidWorks、Fusion 360 或 FreeCAD 需要数年的学习积累。而随着大语言模型（LLM）能力的爆发式增长，"用自然语言描述，AI 自动生成三维模型"这一愿景正在快速成为现实。

2024 年底至 2025 年，Text-to-CAD 领域迎来了密集的技术突破。本文系统梳理当前最具代表性的项目，从技术路线、核心方法到实际效果，帮助读者建立完整认知。

---

一、技术背景与核心挑战

1.1 什么是 Text-to-CAD

Text-to-CAD 是指通过自然语言描述，自动生成可编辑的参数化三维 CAD 模型的技术。与 Text-to-3D（生成网格或点云）不同，Text-to-CAD 的目标是生成工程上可用的参数化模型，支持后续编辑、约束修改和制造导出。

1.2 核心挑战

几何有效性：生成的模型必须是封闭的、无自交的合法几何体，否则无法用于仿真或制造。

参数化表示：工程 CAD 模型本质上是一系列有序的建模操作（草图、拉伸、倒角等），而非静态网格，如何用 LLM 生成这种序列是核心难题。

训练数据稀缺：高质量的"文本-CAD 模型"配对数据极为稀少，远不如图文数据丰富。

评估困难：CAD 模型质量难以用单一指标衡量，需要同时考虑几何精度、有效性和可编辑性。

1.3 主流技术路线

目前 Text-to-CAD 主要有三条技术路线：

路线一：生成 CAD 命令序列
将 CAD 建模过程抽象为离散操作序列（如 DeepCAD、Text2CAD），用 Transformer 生成操作序列后重建模型。优点是结构清晰，缺点是表达能力受限，难以处理复杂几何。

路线二：生成参数化代码
将 CAD 建模转化为 Python 代码生成问题，使用 CadQuery 等 Python CAD 库作为中间表示（如 CAD-Coder、ToolCAD、FutureCAD）。优点是充分利用 LLM 的代码生成能力，输出可直接执行和编辑。

路线三：生成几何表示
直接生成 NURBS 曲面参数或 B-Rep 结构（如 NURBGen），输出工业标准格式。优点是几何保真度高，缺点是训练难度大。

---

二、2025 年最强项目详解

2.1 CAD-Coder：Chain-of-Thought + 几何奖励强化学习

论文：Text-to-CAD Generation with Chain-of-Thought and Geometric Reward
发表：NeurIPS 2025
论文链接：https://arxiv.org/abs/2505.19713

核心思路

CAD-Coder 将 Text-to-CAD 重新定义为 CadQuery 脚本生成问题。CadQuery 是基于 Python 的参数化 CAD 库，生成的代码可直接执行并导出为 STEP、STL 等工业格式。

这一选择的关键优势在于：LLM 本身具备强大的 Python 代码生成能力，将 CAD 问题转化为代码问题，可以直接复用这一能力；同时 Python 代码天然可执行，执行结果可作为几何奖励信号反馈给模型。

训练流程

第一阶段：监督微调（SFT）

构建了 110K 条经过验证的"文本-CadQuery 代码-三维模型"三元组数据集，以及 1.5K 条带有思维链（Chain-of-Thought）推理过程的高质量样本。数据集通过 DeepSeek-V3 自动合成并经几何过滤验证。

在此数据上对基础 LLM 进行监督微调，使模型掌握 CadQuery 语法和基本建模逻辑。

第二阶段：强化学习（GRPO）

采用 Group Reward Policy Optimization（GRPO）进行强化学习，奖励函数由两部分组成：

• 几何奖励：执行生成的 CadQuery 代码，计算输出模型与目标模型之间的 Chamfer Distance，距离越小奖励越高
• 格式奖励：检查代码语法合法性和执行成功率

这一设计使模型在保证代码可执行的同时，持续优化几何精度。

实验结果

在标准 Text-to-CAD 基准上，CAD-Coder 取得了显著领先的成绩：

• Mean Chamfer Distance：6.54（Text2CAD 为 29.29，降低约 78%）
• 代码无效率：仅 1.45%
• 全面超越直接提示 GPT-4o、Claude、DeepSeek 等大模型

适用场景

适合需要可编辑参数化模型的工程场景，生成的 CadQuery 代码可直接修改参数，无需重新生成。

---

2.2 NURBGen：基于 NURBS 的高保真 CAD 生成

论文：High-Fidelity Text-to-CAD Generation through LLM-Driven NURBS Modeling
论文链接：https://arxiv.org/abs/2511.06194

核心思路

NURBGen 是首个直接从自然语言生成 NURBS（非均匀有理 B 样条）曲面的框架。NURBS 是工业 CAD 软件（SolidWorks、CATIA、Rhino）的底层几何表示，生成 NURBS 意味着输出原生 B-Rep 格式，几何精度最高。

技术方案

混合几何表示

NURBGen 将 CAD 几何分为两类处理：

• 约 70% 的面用 NURBS 曲面参数表示（控制点、节点向量、阶数、权重）
• 约 30% 的退化区域（圆、直线等）用解析基元表示

这种混合表示在表达能力和 token 效率之间取得平衡。

数据集构建

团队从 ABC 数据集中提取了 30 万个零件级 CAD 模型，构建了 partABC 数据集。每个模型通过 InternVL3-13B 结合几何元数据（尺寸、孔数、表面积）自动生成文本描述。

模型训练

以 Qwen3-4B 为基础模型，在"文本描述-NURBS JSON"配对数据上使用 LoRA 进行微调，训练 18 万步。

实验结果

• 人类偏好评分：64.1%（优于 Text2CAD、DeepCAD、GPT-4o）
• GPT-4o 偏好评分：61.6%
• 无效率：0.018（最低）
• Chamfer Distance 全面优于基线方法

局限性

对复杂建筑结构的处理能力有限，偶尔产生自交面，暂不支持文字雕刻等精细操作。

---

2.3 ToolCAD：工具调用 LLM + 强化学习

论文：Exploring Tool-Using Large Language Models in Text-to-CAD Generation with Reinforcement Learning
论文链接：https://arxiv.org/abs/2604.07960

核心思路

ToolCAD 将 LLM 定位为 CAD 引擎的智能操作代理，而非直接生成代码。模型通过调用 FreeCAD 的建模原语工具，以交互方式逐步完成建模任务，类似于人类工程师操作 CAD 软件的过程。

系统架构

Interactive CAD Gym

将 FreeCAD 的建模原语封装为可调用工具，通过 Model Context Protocol（MCP）暴露给 LLM。系统提供混合反馈：原始引擎响应 + 结构化成功/失败信号。

CAD-CoT 推理

模型在执行每一步操作前，先进行链式思维推理，规划建模步骤，再调用对应工具执行。

混合奖励系统

• 结果奖励：最终模型与目标的几何匹配度
• 步骤奖励：每次工具调用的执行成功率
• 格式奖励：推理结构的规范性

课程学习

通过控制零件数量逐步增加任务复杂度，模型在当前难度达到足够熟练度后才进入下一阶段。

训练流程

1. 在 982 条人工验证的示范轨迹上进行监督微调
2. 使用 GRPO 在 CAD 引擎交互环境中进行在线强化学习

实验结果

使用 Qwen2.5-7B 和 Qwen3-8B 训练的开源模型，在多零件 CAD 任务上达到约 64% 的成功率，与 GPT-4o 等闭源前沿模型持平甚至超越。

---

2.4 FutureCAD：参数化建模与 B-Rep 的统一框架

论文：Towards High-Fidelity CAD Generation via LLM-Driven Program Generation and Text-Based B-Rep Primitive Grounding
论文链接：https://arxiv.org/abs/2603.11831

核心思路

FutureCAD 解决了现有方法的一个关键盲区：倒角、圆角等特征操作需要精确选择 B-Rep 几何基元（面、边），而现有方法无法处理这类操作。

技术方案

双模块架构

• LLM 程序生成模块：基于 Qwen2.5-7B，生成 CadQuery 代码。当操作需要选择 B-Rep 基元时，LLM 嵌入自然语言查询而非直接引用
• BRepGround 模块：基于 Transformer 的几何基元定位系统，在代码执行时将自然语言查询解析为实际的几何面或边

训练数据

构建了包含 14 万个真实 CAD 模型的 FutureCAD 数据集，涵盖标准零件和含倒角/圆角的高级零件。

实验结果

在含倒角/圆角的高级子集上：

• Median Chamfer Distance：31.12（CAD-LLaMA 为 50.16）
• 无效率：1.01%
• BRepGround 基元定位 mAP：63.07%（CLIP 基线为 58.18%）

---

2.5 Zoo / Zookeeper：工程化最成熟的商业方案

项目地址：https://zoo.dev

Zoo 是目前工程化程度最高的 Text-to-CAD 产品，由 KittyCAD 团队开发。

核心特点

• 输出原生 B-Rep 几何，STEP 格式，几何封闭，可直接用于仿真和 3D 打印
• Zookeeper 是基于 Text-to-CAD 的对话式 CAD 代理，支持多轮交互修改
• 有开源 UI 组件：https://github.com/KittyCAD/text-to-cad-ui
• 在 CAD Arena 基准测试中与 Claude Opus 4.6 并列第一（20 题中 19 题有效）

适用场景

机械零件原型设计，需要直接导出 STEP 用于后续工程流程的场景。

---

三、横向对比

3.1 技术路线对比

项目	表示方式	输出格式	可编辑性	几何精度
CAD-Coder	CadQuery Python	STEP/STL	高	高
NURBGen	NURBS JSON	B-Rep/STEP	中	最高
ToolCAD	FreeCAD 工具调用	FreeCAD 原生	高	高
FutureCAD	CadQuery + B-Rep	STEP	高	高
Zoo	专有格式	STEP/OBJ	中	高

3.2 CAD Arena 基准排名

CAD Arena（https://cadarena.dev）是目前最权威的 Text-to-CAD 开放基准，使用 20 个固定 prompt 跨 4 个难度等级评测：

排名	模型	有效输出（/20）	说明
1	Claude Opus 4.6	19	T1-T3 全满分，综合最强
1	Zoo ML-ephant	19	原生 B-Rep 输出
3	Gemini 2.5 Flash	14	速度最快，复杂模型差
4	GPT-5	12	token 限制导致复杂 prompt 截断

3.3 选型建议

学术研究 / 算法验证：CAD-Coder，开源，有完整训练流程，可复现

工程原型 / 需要 STEP 导出：Zoo，工程化最完善，直接可用

复杂曲面 / 自由曲面设计：NURBGen，NURBS 表示几何保真度最高

多步骤交互建模：ToolCAD，代理式交互更接近真实建模流程

含倒角圆角的精密零件：FutureCAD，专门解决 B-Rep 基元选择问题

---

四、与仿真工作流的结合

对于机器人仿真领域（如 Cosys-AirSim、CARLA、Isaac Sim），Text-to-CAD 可以显著降低自定义机器人模型的制作门槛。

推荐工作流

自然语言描述机器人外形
    ↓
CAD-Coder / Zoo 生成 STEP 文件
    ↓
Blender 导入 STEP，转换为 FBX
    ↓
Unreal Engine 导入 FBX，配置碰撞体和骨骼
    ↓
Cosys-AirSim / Isaac Sim 绑定物理参数

这一流程将原本需要数天的 CAD 建模工作压缩到数小时，对快速原型验证尤为有价值。

---

五、总结与展望

2025 年的 Text-to-CAD 领域呈现出几个清晰的趋势：

代码生成路线成为主流：CadQuery 作为中间表示被多个顶级工作采用，充分利用 LLM 的代码能力，同时保持几何可验证性。

强化学习成为标配：几乎所有最新工作都引入了基于几何奖励的 RL 训练，Chamfer Distance 作为奖励信号被广泛验证有效。

开源模型追平闭源：ToolCAD 等工作证明，7B 级别的开源模型经过专门训练后，在 CAD 任务上可以达到 GPT-4o 的水平。

工程可用性快速提升：从早期只能生成简单几何体，到现在可以处理倒角、圆角等工程特征，Text-to-CAD 正在快速走向实用。

预计在 2026 年，Text-to-CAD 将在机械设计、建筑原型、机器人零件定制等领域实现规模化落地应用。

---

参考资料

• CAD-Coder 论文：https://arxiv.org/abs/2505.19713
• NURBGen 论文：https://arxiv.org/abs/2511.06194
• ToolCAD 论文：https://arxiv.org/abs/2604.07960
• FutureCAD 论文：https://arxiv.org/abs/2603.11831
• Zoo / Zookeeper：https://zoo.dev
• CAD Arena 基准：https://cadarena.dev
• KittyCAD 开源 UI：https://github.com/KittyCAD/text-to-cad-ui