AADvark：AI驱动的CAD智能装配系统，让AI学会“搭积木”

关注

VIP免费原创 2026-06-20 11:23:24 423 阅读 AI 写同款· GEO 优化 ›

AI驱动的CAD智能装配：双引擎架构实现自动化三维设计计算机辅助设计（CAD）是现代工业设计的核心技术，它通过数字化建模提升设计效率与精度。其原理在于将物理对象转化为精确的几何数据模型，并定义部件间的约束关系。随着人工智能技术的发展，CAD的价值正从辅助工具向智能协同伙伴演进，尤其在复杂装配体设计这一高重复性、强规则性场景中，AI的应用潜力巨大。通过结合大语言模型（LLM）的语义理解与任务规划能力，以及图神经网络（GNN）对装配拓扑关系的学习能力，AI能够理解设计意图并生成初步装配方案。这种智能生成技术的核心价值在于将工程师从繁琐的规则性操作中解放，转而聚焦于阅读详情

1. 项目概述：当AI学会“搭积木”

如果你是一名机械工程师、产品设计师，或者哪怕只是一个CAD软件的深度用户，你一定对“装配体”这个概念又爱又恨。爱的是，它能将成百上千个独立的零件，按照真实的物理关系组合成一个完整的产品，比如一台发动机、一个机器人手臂，甚至是一整辆汽车。恨的是，这个过程极其繁琐且容易出错：你需要手动对齐每一个孔位、匹配每一个约束、检查每一个干涉，任何一个微小的疏忽都可能导致后续的仿真、加工乃至整个项目失败。

传统的CAD软件，无论是SolidWorks、CATIA还是Creo，其装配功能本质上是一个“手动+规则”的辅助工具。它提供了强大的约束命令，但“如何用”、“何时用”、“用哪个”，完全依赖于操作者的经验和判断。这就像给你一盒无比精密的乐高积木，却没有说明书，全凭感觉去拼装。而 AADvark 这个项目，试图从根本上改变这一局面。它的核心目标，是让AI Agent（智能体）来扮演那个经验丰富的“装配大师”，结合一个严谨的“强验证器”作为质检员，实现从零件库到动态、正确装配体的自动化、智能化生成。

简单来说，AADvark是一个系统。你给它一堆三维零件模型（比如螺丝、轴承、齿轮、外壳），再告诉它一个目标（比如“组装一个能转动的齿轮箱”），系统内的AI Agent就会像工程师一样思考，分析零件间的配合关系，自动调用CAD软件的API进行装配操作。而“强验证器”则在一旁实时监督，检查每一步装配是否符合物理规则（如是否穿透、是否过约束），确保最终结果的正确性。这不仅仅是“自动化”，更是“智能化”，它让CAD软件从被动的绘图工具，变成了能理解设计意图、主动完成复杂任务的协作伙伴。

2. 系统核心架构与设计思路拆解

AADvark的成功，并非依赖于某个单一的“超级AI模型”，而是一个精心设计的、多模块协同的系统工程。其架构可以清晰地分为三个层次：感知与规划层、执行与操作层、验证与反馈层。理解这个架构，是理解其如何工作的关键。

2.1 感知与规划层：AI Agent的“大脑”

这是系统的智能核心。它的任务是将一堆杂乱的零件和模糊的指令，转化为一系列可执行的装配步骤。这个过程模仿了人类工程师的思维流程。

第一步：零件特征解析与知识提取。 AI Agent首先需要“看懂”每一个零件。它并非简单地读取模型的三角面片，而是通过几何特征识别算法（如基于边界表示B-Rep的分析）提取关键信息：

几何特征 ：平面、圆柱面、球面、孔、凸台、螺纹等。
工程特征 ：配合面、安装孔、键槽、止口等。
属性信息 ：材料、精度等级、标准件代号（如GB/T 5780 M10x50）。 Agent会将这些信息构建成一个结构化的“零件知识图谱”。例如，一个“深沟球轴承6204”会被识别为：包含一个内圆柱面（与轴配合）、一个外圆柱面（与座孔配合）、两个端平面，并且它是一个标准件，具有固定的尺寸系列。

第二步：装配意图理解与关系推理。 这是最体现“智能”的一步。系统需要理解用户的指令，比如“组装一个皮带传动机构”。AI Agent会基于内置的机械原理知识库（可以是规则库，也可以是小样本微调过的语言模型）进行推理：

功能匹配 ：在零件库中寻找能实现“皮带传动”功能的组件——至少需要两个皮带轮、一根皮带、支撑轴和轴承座。
关系推断 ：推断零件间的配合关系。例如，轴与皮带轮之间通常是“过盈配合”或“键连接”，轴承与轴是“间隙配合”，轴承与座孔是“过盈配合”，两个皮带轮的轴线必须平行。
约束类型选择 ：将物理关系映射为CAD软件中的具体约束命令。例如，“同轴”对应“同心约束”，“端面对齐”对应“重合约束”，“皮带连接”可能被分解为“两个圆的相切约束”加上一个“皮带”柔性连接的定义。

第三步：生成装配序列与路径规划。 确定了“谁和谁配合”之后，AI Agent需要规划一个合理的装配顺序。这类似于解决一个空间规划问题，需要避免装配过程中的空间干涉。它可能会采用图搜索算法（如拓扑排序），以“基础件”（通常是机架或底座）为根节点，按照依赖关系（例如，必须先装轴承，才能装轴；先装轴，才能装齿轮）生成一个有序的装配步骤列表。对于复杂装配，它甚至需要规划零件的临时移动路径，以避免碰撞。

注意：这里的AI Agent不一定是一个庞大的通用模型（如GPT-4）。在实践中，它更可能是一个“专家系统”与“小型学习模型”的结合体。规则引擎处理明确的、标准的装配关系（如螺栓螺母配对），而一个经过微调的视觉-语言模型（VLM）或图神经网络（GNN）来处理更模糊、更依赖上下文的配合关系判断。

2.2 执行与操作层：AI Agent的“双手”

规划得再好，也需要落到实处。这一层负责与真实的CAD软件交互，将抽象的装配指令转化为具体的软件操作。

核心：CAD API的封装与驱动。 AADvark不可能直接操控鼠标和键盘。它必须通过CAD软件提供的应用程序接口（API）来操作。不同的CAD软件有不同的API（如SolidWorks的SOLIDWORKS API， AutoCAD的.NET API， FreeCAD的Python API）。系统需要封装一套统一的“装配动作指令集”，然后在底层适配不同的CAD软件。

统一指令 ： ApplyConstraint(partA, partB, constraintType, geometryFaceA, geometryFaceB)
软件适配 ：在SolidWorks中，上述指令可能翻译为调用 AssemblyDoc::AddMate3 方法；在FreeCAD中，则可能调用 App::Document.addObject(‘Assembly::Constraint’， ...) 。

动态交互与状态同步。 AI Agent在执行每一步装配后，需要从CAD软件中读取最新的模型状态（各零件的位置、约束状态）。这形成了一个“感知-决策-执行”的闭环。例如，Agent执行了一个“同心约束”后，会立即通过API检查这两个零件是否真的实现了同轴，以及是否引发了意外的干涉。这个实时反馈对于后续步骤的调整至关重要。