CADEvolve: Creazione di CAD realistici tramite evoluzione di programmi
CADEvolve: Creating Realistic CAD via Program Evolution
February 18, 2026
Autori: Maksim Elistratov, Marina Barannikov, Gregory Ivanov, Valentin Khrulkov, Anton Konushin, Andrey Kuznetsov, Dmitrii Zhemchuzhnikov
cs.AI
Abstract
La progettazione assistita da computer (CAD) fornisce una modellazione rapida e modificabile per l'ingegneria e la produzione. I recenti progressi nell'IA rendono ora fattibile la piena automazione per varie attività CAD. Tuttavia, il progresso è limitato dai dati: i corpora pubblici contengono per lo più sequenze di schizzo-estrusione, mancano di operazioni complesse, composizione multi-operazione e intento progettuale, ostacolando così un fine-tuning efficace. I tentativi di aggirare questo problema con modelli linguistici visivi (VLM) congelati spesso producono programmi semplici o non validi a causa della limitata comprensione 3D nei modelli foundation attuali. Presentiamo CADEvolve, una pipeline e un dataset basati sull'evoluzione che partono da primitive semplici e, attraverso modifiche e validazioni guidate da VLM, fanno crescere incrementalmente i programmi CAD verso una complessità di livello industriale. Il risultato sono 8k parti complesse espresse come generatori parametrici eseguibili in CadQuery. Dopo una post-elaborazione e un'arricchimento multi-fase, otteniamo un dataset unificato di 1.3 milioni di script abbinati a geometrie renderizzate che esercitano l'intero set di operazioni di CadQuery. Un VLM sottoposto a fine-tuning su CADEvolve ottiene risultati all'avanguardia nel compito Image2CAD attraverso i benchmark DeepCAD, Fusion 360 e 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.