최근 대규모 언어모델(LLM)과 비전-언어 모델(VLM)의 발전이 컴퓨터 지원 설계(CAD) 분야에 혁신을 가져오고 있습니다. 이제 자연어 명령만으로 기계 부품의 3D 파라메트릭(parametric) 설계를 자동으로 생성할 수 있게 된 것입니다. 이는 설계 프로세스를 획기적으로 단축하고 효율성을 높일 잠재력을 가지고 있습니다.
이 연구는 LLMForge라는 다중 모델 텍스트-투-CAD(text-to-CAD) 프레임워크를 소개합니다. 이 프레임워크는 JSON 스키마 유효성 검사, 분석적 특징 점수화, 메시(mesh) 합성, 그리고 다중 라운드 반복 개선(multi-round iterative refinement) 기능을 통합합니다. 특히, 두 가지 비판(critique) 체제를 통해 모델의 성능을 평가했는데, IterTracer는 광원 추적 렌더링(ray-trace renderer)과 분석적 시각 지표를 사용하여 경량의 기하학적 피드백을 제공하며, IterVision은 VLM 기반의 시맨틱 비판(semantic critic)을 활용하여 렌더링된 뷰를 시각적 추론으로 평가합니다. 97개의 엔지니어링 설계 문제로 구성된 벤치마크에서 7가지 파운데이션 모델(foundation model)을 평가한 결과, IterTracer 환경에서는 상위 4개 모델이 98.97%의 메시 성공률을 보였고, IterVision에서는 선두 모델이 100%의 완벽한 메시 생성을 달성했습니다.
이러한 기술 발전은 산업 워크플로우와 확장 가능한 자동화된 기계 설계에 중요한 의미를 가집니다. 특히 VLM 기반의 비판 시스템이 회전 대칭형(rotationally symmetric) 형상에서 시각적 및 시맨틱 점수 간의 차이를 드러내며 개선점을 제시한 것은 주목할 만합니다. 이는 CAD 설계의 자동화 수준을 한 단계 끌어올려, 디자이너와 엔지니어가 반복적이고 단순한 작업에서 벗어나 더 창의적이고 복잡한 문제 해결에 집중할 수 있도록 도울 것입니다. 궁극적으로는 제품 개발 주기를 단축하고 비용을 절감하는 데 기여할 것으로 예상됩니다.