《IEEE Access》：A Novel LLM-Assisted Approach for Automated Mechanical Design of Regularized Geometries in CAD system
编辑推荐：
针对传统人工CAD建模效率低、基于AI生成式CAD方法依赖大规模训练数据且难以保证尺寸精度的问题，本文研究了一种融合大语言模型(LLM)与CAD API参数化模板的自动化机械设计框架。该方法利用LLM将自然语言设计意图转化为可执行指令并支持参数交互优化。案例研究表明，相比手动建模，该方法可将滚珠轴承单实例设计执行时间缩短约94–95%，并生成可直接用于下游CAE与制造流程的原生CAD输出。
在现代产品开发的漫长生命周期中，从规划、设计、仿真、制造到最终交付客户，每一个环节都在争分夺秒。制造商们将缩短开发周期视为提升竞争力的关键。观察近年来的制造业，一个有趣的现象是，大多数设计的零部件都呈现出标准化、结构化的几何形态。这些规整的形态，理论上非常适合通过参数化的设计方法来高效生成。然而，现实中的设计工作往往仍需工程师在复杂的计算机辅助设计(CAD)软件中手动操作，耗时费力。另一方面，人工智能(AI)和大语言模型(LLMs)的迅猛发展，为设计自动化带来了新的曙光。将AI与设计、三维仿真相结合的研究正日益受到关注。但现有的数据驱动的生成式CAD方法，通常需要海量的CAD训练数据集，并且其生成的模型在严格的尺寸正确性方面可能无法得到保证。那么，有没有一种方法，既能借助AI的“智能”理解设计意图，又能确保生成的几何体精确无误，还能无缝融入现有的工程流程呢？发表在《IEEE Access》上的这项研究，正是为了回答这个问题。
为开展此项研究，研究人员主要采用了几个关键技术方法：第一，构建了一个基于预定义参数化模板的CAD系统框架，这些模板通过CAD应用程序接口(API)实现，确保了生成的几何体在尺寸上的原生正确性。第二，引入大语言模型(LLM)作为核心的“翻译官”与“协调员”，其核心作用是理解用户的自然语言设计描述，并将其准确翻译成可执行的命令行指令，以驱动CAD系统。此外，LLM还承担了支持交互式参数细化的任务，允许用户通过对话方式对设计进行微调。整个框架不依赖大规模CAD数据训练，而是通过执行精确的API指令来生成模型。
研究结果部分展示了该框架的有效性。
通过一个详细的滚珠轴承设计案例研究，研究人员将所提出的框架与传统的人工CAD建模方法进行了对比。结论非常显著：对于单个设计实例，新框架的执行时间比传统手动建模减少了大约94%到95%。这意味着原本可能需要数小时的工作，现在可以在几分钟内完成。
更重要的是，框架的输出是CAD系统原生的模型文件。这带来了一个关键优势：生成的模型可以直接用于后续的计算机辅助工程(CAE)分析流程和制造工作流程，无需进行繁琐的数据转换或修复，实现了从设计到下游应用的无缝衔接。
归纳研究的结论与讨论，本文的核心贡献在于提出并验证了一种实用的大语言模型辅助的自动化机械设计框架，专门用于处理规则几何体。该方法巧妙地避开了对大规模标注CAD数据的依赖，通过结合LLM的自然语言理解能力和CAD API的参数化执行能力，实现了高效、精确的设计自动化。其意义不仅在于极大地提升了设计效率，更在于保证了输出模型的质量与可用性，为智能制造和快速产品开发提供了可直接集成的高效工具。研究证明了将LLM与专业工程软件深度结合，在特定领域实现“意图到成品”自动化的可行性与巨大潜力。
