CADEvolve: Erstellung realistischer CAD-Modelle durch Programmevolution
CADEvolve: Creating Realistic CAD via Program Evolution
February 18, 2026
Autoren: Maksim Elistratov, Marina Barannikov, Gregory Ivanov, Valentin Khrulkov, Anton Konushin, Andrey Kuznetsov, Dmitrii Zhemchuzhnikov
cs.AI
Zusammenfassung
Computer-Aided Design (CAD) ermöglicht eine schnelle, bearbeitbare Modellierung für den Ingenieur- und Fertigungsbereich. Jüngste Fortschritte in der KI machen nun eine vollständige Automatisierung für verschiedene CAD-Aufgaben möglich. Der Fortschritt wird jedoch durch Daten behindert: Öffentliche Korpora enthalten überwiegend Sketch-Extrude-Sequenzen, es mangelt an komplexen Operationen, Mehrfachoperationskompositionen und Designintention, was eine effektive Feinabstimmung behindert. Versuche, dies mit eingefrorenen VLMs zu umgehen, führen aufgrund der begrenzten 3D-Verankerung in aktuellen Foundation-Modellen oft zu einfachen oder ungültigen Programmen. Wir stellen CADEvolve vor, eine evolutionsbasierte Pipeline und ein Datenset, das von einfachen Primitiven ausgeht und durch VLM-gesteuerte Bearbeitungen und Validierungen CAD-Programme schrittweise bis hin zu industrietauglicher Komplexität erweitert. Das Ergebnis sind 8.000 komplexe Bauteile, die als ausführbare CadQuery-parametrische Generatoren ausgedrückt werden. Nach einer mehrstufigen Nachbearbeitung und Erweiterung erhalten wir einen vereinheitlichten Datensatz von 1,3 Millionen Skripten, die mit gerenderter Geometrie gepaart sind und den vollständigen CadQuery-Operationssatz abdecken. Ein auf CADEvolve feinabgestimmtes VLM erzielt state-of-the-art Ergebnisse bei der Image2CAD-Aufgabe in den Benchmarks DeepCAD, Fusion 360 und MCB.
English
Computer-Aided Design (CAD) delivers rapid, editable modeling for engineering and manufacturing. Recent AI progress now makes full automation feasible for various CAD tasks. However, progress is bottlenecked by data: public corpora mostly contain sketch-extrude sequences, lack complex operations, multi-operation composition and design intent, and thus hinder effective fine-tuning. Attempts to bypass this with frozen VLMs often yield simple or invalid programs due to limited 3D grounding in current foundation models. We present CADEvolve, an evolution-based pipeline and dataset that starts from simple primitives and, via VLM-guided edits and validations, incrementally grows CAD programs toward industrial-grade complexity. The result is 8k complex parts expressed as executable CadQuery parametric generators. After multi-stage post-processing and augmentation, we obtain a unified dataset of 1.3m scripts paired with rendered geometry and exercising the full CadQuery operation set. A VLM fine-tuned on CADEvolve achieves state-of-the-art results on the Image2CAD task across the DeepCAD, Fusion 360, and MCB benchmarks.