文字生成CAD不再只看外形：PhyCAD把有限元验证写进训练奖励，联合可行率最高到58.05%
核心概要
文字驱动的CAD生成长期以几何相似度或视觉一致性为优化目标，但外形正确并不等于结构可用。PhyCAD把可执行的CadQuery程序放进一条确定性的CAD–CAE验证流水线，按程序可执行、几何尺寸合规、有限元应力位移质量约束逐级判定，并用分层优势改造GRPO的训练信号。在留出评估集上，多个开源模型经监督微调后再做该强化学习，几何与物理约束同时满足的联合成功率从21.76%–37.36%升到39.49%–58.05%。
深度剖析
文字生成CAD的评判标准从“像不像目标形状”扩展到“在给定材料、载荷和边界条件下是否满足工程约束”，模型直接输出可执行的CadQuery程序。 此前的文字生成CAD系统通常以几何相似度或视觉一致性来优化和评估，而自然语言描述并不总能完整给出尺寸、拓扑和结构细节，微小的几何偏差也可能明显改变结构行为。 在留出评估集上，五个开源模型经监督微调后的联合成功率为21.76%–37.36%，经该强化学习训练后为39.49%–58.05%；直接提示的三个专有模型联合成功率为7.29%、15.51%和9.28%。
训练信号按验证状态分层，先保证候选设计跨过可行性门槛，再在同一层内比较各目标的相对优劣。 把异质奖励平铺相加会让单项指标的改善抵消未满足的设计要求，因此需要一种能区分“接近可行”与“可行域内继续改进”的学习信号。 在Qwen2.5-3B上，从同一监督微调模型出发，非分层GRPO把联合可行率从21.76%降到18.80%，而分层GRPO把它提高到39.49%。
生成程序由一条确定性流水线逐级检查：先执行程序并确认能导出可重新导入的STEP实体，再核对包围盒尺寸与所需几何构造，最后做有限元分析。 有限元在给定材料属性、载荷和边界条件下给出体积加权99百分位von Mises应力、最大节点位移和质量，这些量分别与提示中的上限比较，全部通过才算物理可行。 验证结果被映射为四个等级，等级越高表示越接近完全可行；同一提示下采样四个补全构成一个GRPO组，由该验证器独立评估后转成分层优势。
推理阶段模型直接生成CadQuery程序，不再运行迭代的仿真引导修正回路。 此前的物理感知CAD工作流常依赖多轮仿真反馈来反复修改几何，训练时的CAD内核与有限元求解器只提供验证结果，不向几何构造或仿真过程回传梯度。 分层优势由层间进度项与层内按目标排序的PeerRank项加权组合，权重取非负值，使同一提示组内较高等级的候选获得更大优势。
启示与展望
评估在从Text-to-CadQuery语料构建的物理感知数据集上进行，参考设计按各向同性结构钢、三维小应变线弹性和自动确定的夹持与加载区域做有限元标注，留出样本不参与任何策略更新。读者对象是关注生成式设计与仿真闭环的研究人员和工程师。
提示主要编码物理约束，更广泛的工程意图只得到较弱表达；数据集未系统覆盖材料变化。作者提出未来可引入局部硬尺寸约束以强制关键工程要求并减少生成几何的歧义。