Подборка моделей для генерации CAD — нейросети, которые «думают», как инженер

Подборка моделей для генерации CAD — нейросети, которые «думают», как инженер

Нейросети для CAD переходят от генерации меша к созданию редактируемых скриптов, учатся понимать назначение деталей и работать с эскизами и фото. Они всё лучше интегрируются с САПР (SolidWorks, AutoCAD). Ниже — несколько таких моделей.

🟦 DeepCAD (2021) — первая модель, которая «посмотрела» на CAD как на текст. Вместо меша она предсказывала «следующее слово» — следующую операцию: линию, окружность, выдавливание. Получилась редактируемая модель с историей построения.

🟦  SkexGen (2022) от Autodesk Research с коллегами разделила процесс на три независимых канала: форму, топологию и параметры выдавливания. Это позволило микшировать свойства разных деталей.

🟦  BrepGen (2024) пошёл другим путём. Вместо последовательности команд генерирует сразу готовый промышленный формат B-rep с довольно точными сложными кривыми. Но в процессе теряется история построения, а значит — результат нельзя редактировать.

🟦 ContrastCAD (2024) добавила контрастивное обучение. То есть модель научилась находить похожие по назначению детали, даже если они отличаются по форме (например, разные типы шестерен) Это дало более точный поиск и разнообразную генерацию.

🟦  GenCAD (2024) собрал всё лучшее в одном флаконе: редактируемые команды, диффузию для качества, контрастивное обучение для связи картинок и моделей. Главная фишка — умеет строить CAD по изображению. Загрузил картинку — получил готовый чертёж, который можно открыть в SolidWorks, FreeCAD, Fusion 360 или любой другой CAD-редактор и доделать руками.

#подборка