CADENA：逐步式CAD逆向工程 CADENA: Stepwise CAD Reverse Engineering
逐步执行CAD操作并对比几何反馈，重建可编辑参数化程序
前置知识
参数化CAD程序（Parametric CAD Program）
参数化CAD用一系列有序操作（拉伸、旋转、倒角、打孔等）构造零件，每个操作带参数（如半径、高度）。最终几何是这些操作的执行结果，且可被工程师编辑修改某个参数。它对应一棵构造历史树，区别于只能渲染/打印的原始网格（mesh）。
本文目标就是把目标网格逆向还原成这种可编辑的程序，理解'程序'与'几何'的区别才能理解为何单凭形状匹配不够。
视觉语言模型（Vision-Language Model, VLM）
VLM同时处理图像与文本，能把图像编码为token再与文字token一起送入Transformer。本文用Qwen2-VL-2B作为策略网络，输入是描述目标/当前几何差异的多视图图像，输出是下一行CAD操作的DSL代码。
本文策略以视觉反馈为观察，VLM是承载该能力的核心模型，理解它才能理解为何要渲染成图像而非输入坐标。
GRPO强化学习（Group Relative Policy Optimization）
GRPO不使用独立critic，而是在同一状态处采样一组候选动作，用组内均值和标准差对奖励做归一化得到advantage。本文在每个前缀状态分支32个候选操作，对奖励（执行几何的IoU）做组归一化，保留advantage绝对值最大的两个候选做更新。
RL精调是CADENA-RL相对CADENA-SFT的关键提升来源，且奖励来自执行几何而非token重叠，是理解其有效性与低无效率的钥匙。
IoU与Chamfer Distance（倒角距离）
IoU衡量预测与目标占据体积的重叠比例，仅对水密（watertight）网格有定义；Chamfer Distance是两片点云间最近点距离的均值，衡量形状吻合度。二者只看'形状'而非'构造'，本文指出这会让用错误基元拼出的形状也得分。
作者据此提出GMS指标，并在固定坐标系下评测，这是理解为何要造新基准和新指标的关键。
研究动机
现有AI系统把CAD逆向工程当作'一次性翻译'：把点云或渲染图喂给模型，让它一口气输出完整CadQuery程序，从不在生成过程中查看中间几何。这带来两个后果：其一，模型在每步操作时看不到前面操作究竟建出了什么形状，一个早期错误会静默累积；其二，模型只能依据已写出的程序文本做条件，选择依赖训练语料的组合统计而非眼前的残差几何。在真实机械零件（齿轮、轴、弹簧等含旋转/阵列特征）上，这些方法退化严重——例如cadrille在DeepCAD上GMS达94.8，迁移到CADENA-Bench只剩49.8，近一半能力蒸发。同时评测本身也有病：现有测试集多为简单sketch-extrude零件，指标只看形状体积而忽略构造树是否正确，且只在水密子集上平均，掩盖了硬零件上的失败。
本文的目标是本文要构建一个像人类工程师那样'逐特征构造、每步检查残差'的逆向工程模型CADENA：给定目标网格$M$，逐步追加一条CAD操作$o_{t+1}$，每次执行后把当前建造$S_t=\text{exec}(P_t)$与目标对比，再决定下一步，最终输出一段可编辑的参数化程序。同时要补齐评测短板：提出CADENA-Bench——3396个真实机械零件、分六个零件族的真实基准；提出GMS指标——以表面类型匹配（位置+法向）代替单纯体积匹配，且对开放几何也有定义，从而真正衡量'构造树是否正确'而非'轮廓是否填满'。
与已有工作不同的是，独特切入点在于：单次生成方法忽略了一个关键事实——目标形状是逆向工程的输入而非隐藏标签，因此推理时它和训练时一样可见。CADENA利用这一点把'残差几何（目标比当前建造多了什么）'直接作为每步观察，使策略只依赖几何而非程序文本：每条DSL行都通过单一变量$r$消费并重绑$r$（如$r=\text{extrude}(r,\ldots)$），下一步只看当前形状就能继续，与具体写法无关。与CADReasoner'整段重写'、CADFit'优化搜索'相比，CADENA在粒度上每次只追加一个操作，把闭环反馈做到操作级而非程序级。
核心方法
整体思路是'以执行结果为闭环的逐步生成'。直觉上：与其盲写整段代码，不如像搭积木——每次看一眼'还差什么'，补一块，再看。技术路线：策略是Qwen2-VL-2B，每步接收一个观察$R(M,S_t)$，由一张多视图图像加一个提示点组成；模型输出下一行DSL操作；执行后产生新建造$S_{t+1}$，循环直到停止。训练分两阶段：SFT用规则程序生成器提供逐步监督（前缀冻结执行得当前态、续写给出目标操作），RL用执行几何的IoU做奖励做GRPO精调。推理用贪心解码、预算20步，并返回IoU最高的前缀——因为每步前缀都可执行可打分，损坏重建的晚操作会被直接丢弃，方法优雅降级。
核心创新是把策略的条件从'程序文本'换成'残差几何'，做到操作级闭环。观察图像把目标和当前建造叠加在不同颜色通道（目标=绿色、当前预测=红色），用六个轴对齐正交投影（深度编码为颜色强度）加两个等距视图，拼成一张$504\times1008$图像；重叠区域呈黄色、纯绿=缺失几何、纯红=多余材料，差异一目了然。再配一个提示点（文本形式3D坐标）指向待修改区域，消除多连通差异歧义。DSL的关键设计是单变量$r$：每条操作都消费并重绑$r$，无自由变量名需解析，使'下一行只依赖当前几何、不依赖代码文本'成立。这与一次性生成、整段重写、优化搜索三类方法在条件结构上本质不同。
方法步骤详情
完整流程：1) 渲染——把目标$M$与当前建造$S_t$置于同一坐标系，按CADReasoner/CADEvolve协议从8个视点渲染，拼成$504\times1008$图（每视图$252\times252$，按VLM patch尺寸的倍数）。2) 提示点——训练时从真实中间形状采样点，取距$S_t$超过阈值$\tau$的点、且落在$(\tau,3\tau)$区间内（靠近新增/已有几何界面）；推理时未知中间态，先在目标采样点、用递减阈值$\tau'$做连通分量分析找差异区，取最远代表点后向已重建边界做贪心游走得到提示点。3) 生成——VLM读图与提示点，输出一行DSL（extrude/revolve/sweep/loft/shell/chamfer/fillet/gear等）。4) 执行——用CadQuery+OpenCASCADE执行整段程序导出新STL。5) 选择——对每步前缀按IoU打分，返回最优前缀。坐标全程绝对整数、归一到$[-100,100]$，使尺度/位置误差计入评分。
技术新颖性
新颖性体现在四处：其一，操作级残差闭环，区别于CADReasoner的程序级重写和单次生成；其二，DSL单变量$r$设计使策略与代码文本解耦，保证'只看几何'的观察充分性，任意前缀都是任意续写的合法上下文；其三，RL奖励用执行几何的IoU（失败执行得0），把'可执行有效性'写进目标而非事后过滤，CADENA-RL在外部数据集无效率仅0.3%–1.2%；其四，评测侧的CADENA-Bench（六族、去重、去平凡）与GMS（位置+法向匹配、对开放几何有定义）共同堵住'用错基元填对体积'的漏洞。此外GRPO采用$\beta=0$无KL惩罚、每组保留advantage绝对值最大的两候选、按组奖励标准差排序后截断到批大小倍数的工程细节，也较标准做法有针对性调整。
实验结果
核心发现有三。其一，外部数据集已饱和：DeepCAD上各方法IoU 89.7–96.1、GMS 89.8–97.0，差距落在评测噪声内难分高下。其二，真实机械零件难得多：从DeepCAD迁到CADENA-Bench，各方法GMS几乎腰斩——cadrille 94.8→49.8、CADEvolve 95.3→52.9、CADReasoner 94.9→52.9；CADENA-RL从97.0降到67.0，领先优势从1.7点扩到12.2点，在MCB上达IoU 88.2、GMS 73.7、IR 0.7%。其三，有效性比精度更能区分方法：CADReasoner在MCB上31.7%无效、CAD-Recode 21.5%，CADFit固定算力下27.5%–29.7%未收敛，CADENA-RL却把精度领先与≤1.2%低无效率结合。CADFit呈倒置画像：弱在DeepCAD(89.8)却在CADENA-Bench(54.8)成最强基线，但其无效是搜不收敛而非程序坏、均值偏乐观。BenchCAD上CADENA-RL以0.910体素IoU、0.9%IR超GPT-5.6 Sol的0.706（输入利于己方）。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| CAD逆向工程（CADENA-Bench，3396机械零件） | GMS↑（%） | 67.0（CADENA-RL） | 最强基线CADFit 54.8；CADEvolve/CADReasoner 52.9 | 整体+12.2点；六族中领先五族，仅gears & bearings被CADFit(61.3)超过(58.1) |
| CAD逆向工程（MCB数据集） | GMS↑ / IoU↑ / IR↓（%） | 73.7 / 88.2 / 0.7 | CADEvolve 58.3 / 72.9 / 9.2；CADReasoner 55.2 / 69.0 / 31.7 | GMS+15.4点，无效率从9.2%降到0.7% |
| BenchCAD Vision2Code（前沿模型对比） | Voxel IoU↑ / IR↓ | 0.910 / 0.9 | GPT-5.6 Sol 0.706；专精qwen3-2b-rl-iid 0.752 | 0.910 vs 最强前沿0.706；作者注明输入更丰富、含测试时选择，非严格可比 |
| DeepCAD（外部sketch-extrude数据集） | IoU↑ / GMS↑（%） | 96.1 / 97.0 | CADEvolve 92.4 / 95.3；cadrille 89.7 / 94.8 | 数据集已饱和，差距落在噪声内 |
局限与改进
作者承认三点：其一，CADENA并非在所有零件族领先，gears & bearings上CADFit直接拟合达61.3 GMS、超过本文58.1，因为直接优化几何不受训练分布是否覆盖旋转阵列特征的限制；其二，尚未报告在自有语料上训练的单次模型，无法分离'逐步推理'与'训练数据'各自的贡献；其三，CADENA输出CadQuery，继承其局限——极端情况下CadQuery能执行的构造树在工业CAD软件里没有忠实对应物，导出程序未必能跨软件存活。方法层面局限包括：固定八视图协议使所有规范视角都看不到的隐藏几何对策略不可见；DSL无法表达的形状只能用一堆拉伸近似；齿轮齿数等可数特征因'少一颗齿'残差几乎相同而无法精确计数；选错基准面的早期操作会被后续步骤绕过而非撤销。逐步推理每步都要执行+渲染，单零件开销显著高于单次前向。我的额外观察：BenchCAD对比中CADENA吃到目标网格且按其对同一网格做前缀选择，本质是把测试目标当成了打分依据，这种'开卷'优势作者虽已诚实声明但仍会高估生成器本身的真实水平。
独立分析的弱点
其一，八视图固定协议对内部/遮挡几何盲区——改进方向是引入主动视角选择或体素/点云多模态输入，让策略能'转头看'被遮挡特征。其二，可数特征（齿数、孔数）近似而非计数，因残差几乎不区分'差一颗'——可加一个显式计数头或在DSL引入阵列/镜像算子直接参数化重复特征，从根源消除歧义。其三，BenchCAD对比中'吃目标网格+按其选前缀'的开卷优势使结果难以公平解读——应额外报告仅给单张复合图的设定，剥离测试时选择的影响以孤立生成器能力。其四，单次模型缺位导致无法归因——应补一个在同等自有语料上训练的单次前向模型做对照，量化逐步闭环的纯收益。其五，gears & bearings被CADFit超越提示分布外旋转阵列特征弱——可用CADFit做难例挖掘生成训练样本，或把直接拟合作为CADENA失败时的兜底分支，二者互补。
未来方向
作者明示方向：补做单次模型以分离逐步推理与训练数据的贡献；处理CadQuery到工业CAD的导出兼容性。基于成果可延伸：其一，把逐步残差思想推广到更广的'程序生成+执行器'任务（如生成可执行科学计算代码、机器人动作序列），核心是把残差做成图像/状态观察；其二，CADENA-Bench与GMS可作为社区标准，扩展更多零件族（钣金、注塑件）和更细工艺特征标注；其三，CADFit与CADENA失败模式互补（一个平滑退化、一个要么完美要么空），可设计混合系统：先用CADENA快速建主体、对旋转阵列难点调用CADFit精修；其四，RL奖励工程可进一步——作者已发现用GMS做奖励反而伤及Chamfer/IoU，说明奖励与评测指标失配，可探索多目标奖励或课程学习；其五，把提示点从静态改为策略自适应、或引入主动提问机制，处理多区域差异时的分支选择。
复现评估
可复现性较好。代码开源(github.com/zhemdi/cadena)，权重与CADENA-Bench在HuggingFace(kulibinai/cadena及cadena-bench)；DSL语法见附录A.2；评测协议(固定坐标系、仅在指标定义集上平均、IR单独报告)详尽；GMS公式$\text{GMS}=(100/\alpha_{\max})\int_0^{\alpha_{\max}} g(\tau,\alpha)d\alpha$（$\alpha_{\max}=25^\circ$，$\tau=0.05$，$N=8192$）完全可算。训练规模不小：SFT两阶段共约2000万样本、batch 64、Qwen2-VL-2B、2轮、余弦学习率$1.2\times10^{-4}$；RL用约4k网格、20轮5000批、约2万次更新、3卡梯度累积，对中等算力团队有门槛但非不可及。难点在于：RL每步分支32个候选都要执行CadQuery+渲染，rollout开销大；CADFit基线需同样算力预算复现其IR统计；BenchCAD前沿行多为厂商自报未独立验证。整体属'中高复现门槛'。
论文图表
