Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

RLCAD: Reinforcement Learning Training Gym for Revolution Involved CAD Command Sequence Generation

Created by
  • Haebom

저자

Xiaolong Yin, Xingyu Lu, Jiahang Shen, Jingzhe Ni, Hailong Li, Ruofeng Tong, Min Tang, Peng Du

개요

본 논문은 3D CAD 시스템에서 파라메트릭 디자인 패러다임인 CAD 명령어 시퀀스의 자동 생성에 관한 연구이다. 기존 방법들은 2D 스케치, 압출, 불리언 연산 등 제한된 연산만 지원하여 복잡한 형상 표현에 어려움이 있었다. 본 연구는 CAD 기하 엔진 기반의 강화 학습(RL) 훈련 환경(gym)을 제시한다. 입력으로 경계 표현(B-Rep) 기하 형상을 받아 RL 알고리즘의 정책 네트워크가 명령어를 생성하고, 이는 gym 내에서 처리되어 CAD 기하 형상을 생성한다. 생성된 기하 형상과 목표 기하 형상의 차이를 보상으로 사용하여 RL 네트워크를 업데이트한다. 본 연구의 방법은 스케치, 불리언, 압출 외에도 회전 연산 등을 지원하며, B-Rep 기하 형상으로부터 명령어 시퀀스를 생성하는 데 최첨단(SOTA) 수준의 성능을 달성하였다.

시사점, 한계점

시사점:
CAD 명령어 시퀀스 자동 생성 분야에서 회전 연산 등 더욱 다양한 연산을 지원하는 강화학습 기반의 새로운 방법론 제시
B-Rep 기하 형상을 입력으로 사용하여 더욱 복잡한 형상의 모델링 가능
기존 방법들보다 우수한 성능(SOTA) 달성
한계점:
제시된 RL 환경의 일반성 및 확장성에 대한 추가적인 연구 필요
다양한 CAD 연산을 모두 포함하는 것은 아직 한계가 있을 수 있음
특정 유형의 기하 형상에 대해서는 성능 저하 가능성 존재
👍