本文介绍 Fusion 360 Gallery 数据集及 Fusion 360 Gym 环境，前者包含 8,625 个人类设计序列，后者将 CAD 程序的构建过程转化为马尔可夫决策过程，以便机器学习的研究。作者使用神经引导搜索等先进技术，应用数据集和环境进行 CAD 重构，取得了良好成果。

Oct, 2020

使用Point2Cyl算法，通过神经网络将原始三维点云转化为一组挤压圆柱，从而实现了对三维数据的反向工程和CAD模型的制作及编辑。

Dec, 2021

3D打印与G代码的调试是一项具有挑战性的任务，本研究通过评估六种最先进的大型语言模型（LLMs）的性能，展示了它们理解和调试3D打印中的G代码文件的能力，并分析了它们的优势、弱点和应用限制。

Sep, 2023

3DCoMPaT++是一个多模态2D/3D数据集，包含超过1亿个渲染视图的1000万多个精心注释的样式化3D形状，以及与之匹配的RGB点云、3D纹理网格、深度图和分割掩码。该数据集涵盖了41种形状类别、275种精细化部分类别和293种可组成应用于3D对象部件的细粒度材料类别。我们引入了一项名为Grounded CoMPaT Recognition（GCR）的新任务，以共同识别和基于3D对象的部件上的材料组合。此外，我们还报告了CVPR2023组织的数据挑战的结果，展示了获胜方法利用在6D输入上训练的修改版PointNet++模型，并探索了GCR增强的替代技术。我们希望我们的工作能够有助于简化未来关于组合式3D视觉的研究。

Oct, 2023

文中介绍了使用大型语言模型（LLMs）通过程序合成操作3D软件生成以文本驱动的三维形状的框架，旨在解决精确建模带有参数控制的具有锐利特征的几何图形的挑战，并强调了LLMs在工业应用的三维参数建模中的潜力和局限性。

Jan, 2024

综述了近期对应用深度学习改进增材制造过程的研究，总结了其贡献和局限性，并指出了该领域中当前的挑战和前景，包括广泛几何类型的深度学习模型泛化、管理增材制造数据和模型的不确定性、利用生成模型克服有限和噪声的增材制造数据问题，以及揭示深度学习在增材制造中的潜力。

Mar, 2024

我们的研究通过将压铸和注塑成型相关的约束条件与2D深度图像的利用相结合，引入了一个创新的框架来解决Generative Design在制造可行性方面面临的挑战，并通过采用先进的2D生成模型进一步增强了这种方法，通过将实际制造考虑因素整合到Generative Design中，为广泛行业采用提供了有用且有潜力的解决方案。

Mar, 2024

通过微调预训练模型创建了OpenECAD，利用视觉语言模型的视觉、逻辑、编码和通用能力，将3D设计图像转换为高度结构化的2D草图和3D构造命令，并可直接与现有CAD工具的API一起使用，以生成项目文件。为了训练网络，创建了一个新的CAD数据集以满足视觉语言模型的需求。

Jun, 2024

利用多视角图像，我们提出了一种名为MV2Cyl的新方法，用于从2D多视角图像中重建3D物体，不仅作为一个场或原始几何形状，而是作为一种草图提取的CAD模型。

Jun, 2024

本研究解决了3D打印过程中材料挤出技术容易出现错误的问题，以及目前自动错误检测模型通用性不足的缺陷。论文提出了一种监控和控制框架，结合预训练的大型语言模型（LLMs），能够通过分析打印后图像有效识别缺陷并自动生成纠正措施。研究发现，该框架不仅能准确识别常见的3D打印错误，还能自主解决问题，减少对人力资源的依赖。

Aug, 2024