CADEvolve: Realistisch CAD creëren via Programma-evolutie
CADEvolve: Creating Realistic CAD via Program Evolution
February 18, 2026
Auteurs: Maksim Elistratov, Marina Barannikov, Gregory Ivanov, Valentin Khrulkov, Anton Konushin, Andrey Kuznetsov, Dmitrii Zhemchuzhnikov
cs.AI
Samenvatting
Computer-Aided Design (CAD) biedt snelle, bewerkbare modellering voor engineering en productie. Recente vooruitgang in AI maakt nu volledige automatisering haalbaar voor diverse CAD-taken. De vooruitgang wordt echter belemmerd door een dataknelpunt: openbare corpora bevatten voornamelijk schets-extrude-reeksen, ontberen complexe bewerkingen, compositie van meerdere bewerkingen en ontwerpintentie, wat effectieve fine-tuning belemmert. Pogingen om dit te omzeilen met bevroren VLMs leveren vaak eenvoudige of ongeldige programma's op vanwege beperkte 3D-verankering in huidige foundation-modellen. Wij presenteren CADEvolve, een op evolutie gebaseerde pijplijn en dataset die start vanuit eenvoudige primitieven en, via VLM-gestuurde bewerkingen en validaties, incrementeel CAD-programma's laat groeien naar industriële complexiteit. Het resultaat is 8k complexe onderdelen uitgedrukt als uitvoerbare CadQuery parametrische generators. Na multi-stapse nabewerking en augmentatie verkrijgen we een uniforme dataset van 1,3 miljoen scripts, gekoppeld aan gerenderde geometrie en gebruikmakend van de volledige CadQuery-bewerkingsset. Een VLM die op CADEvolve is gefinetuned behaalt state-of-the-art resultaten voor de Image2CAD-taak across de DeepCAD, Fusion 360 en MCB benchmarks.
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.