DeepSeek腾讯等推出PointerCAD框架，加个“鼠标”让大模型建模更精准
近日，DeepSeek、腾讯、香港大学、北京航空航天大学等众多企业和高校研发人员联合发布了一篇研究，提出了一个AI CAD建模框架Pointer-CAD，被计算机视觉顶会CVPR接收。或许是关联了热门企业DeepSeek，论文引起了行业内的高度关注。然而论文只是在众多AI生成式建模技术路径中最传统的一条上的一些进展，距离理想中的商业应用还有很远的距离。Pointer-CAD的背景，是当前很多AI+CAD采用的是让大模型生成CAD操作序列，输入CAD进行建模的路线。因为大模型并不具备视觉，所以大模型输出的只是文本类的命令序列。然而，人在操作CAD建模时，很重要的一个事情，是点鼠标选取模型上的一些细节边、面，在其基础上进行执行一些建模命令，如倒角圆角。当前的AI CAD并不能模拟这个过程，导致一些复杂的编辑操作无法实现。此外，绘制和拉伸操作期间，将拉伸的长度、坐标等几何量强制转token导致的离散化量化，从而形成拓扑错误等问题。Pointer-CAD的解决思路是将模型的几何信息显式地合并到序列建模中，利用一个指针来表示对特定几何实体的选择，建模时结合文本描述和几何选择信息进行生成，就类似人点鼠标选择了边和面，再执行CAD命令。为了构建模型，团队构建了一个包含57.5万个高质量CAD模型及专家级自然语言描述的数据集。团队使用的基础模型则是qwen2.5-0.5B模型。 Pointer-CAD的成效是能够创建更复杂的模型，并减少一些拓扑错误。在Recap-DeepCAD数据集和Recap-OmniCAD+数据集上，基于复杂的提示词输入，Pointer-CAD相比于之前的DeepCAD、Text2CAD等项目，在很多指标上实现了提升。 尽管DeepSeek等众多顶尖研究团队的加入让不少行业人士兴奋，项目也取得了一些进展，但项目只是在过去Text 2 CAD研究路线上取得了一些进展，距离自然语言CAD建模仍有很远的距离，典型问题：- 输入条件仍以是文本，且为复杂、精确的建模需求描述，实际应用中，不可能使用如此复杂的文本输入，图像等其它输入可能也是重要组成，毕竟纯文本并不能很好的描述建模需求。
AI生成式CAD建模这个方向，有很多大的技术路径在探索，如
由大模型生成建模操作序列驱动CAD软件这个方向，是其中最传统的一个方向，该方向是否能够通往未来，仍存在疑问。不论哪种方向，从目前的研究进展看，距离理想中的AI生成式建模，都仍有很远的路要走。也希望未来更多的研究，集中在多模态输入和更新的几何表达等新技术路径层面，而不只是在大模型生成建模操作序列这个方向上深化。
