Newest papers

Can It Actually Work? Synthesizing Functional CAD Mechanisms

Wenqian Zhang, Yangyi Huang, Zigeng Xu, Weiyang Liu, Zhen Liu · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26861 · cited by 0 works (OpenAlex) · open-access PDF

Indonesian

Sementara agen LLM dapat menghasilkan assembly CAD yang dapat diandalkan secara visual, desain ini seringkali gagal memenuhi fungsi fisik yang dimaksudkan. Kami mempelajari desain CAD fungsional, sebuah pengaturan di mana agen menafsirkan permintaan yang tidak ditentukan untuk membangun dan secara iteratif memodifikasi mekanisme yang memenuhi persyaratan fungsional dalam simulasi fisik. Memverifikasi persyaratan ini tidak trivial: mekanisme kandidat yang berbeda dapat mewujudkan fungsi yang sama melalui komponen, kontrol, dan urutan operasi yang sama sekali berbeda. Untuk memecahkan kesenjangan ini, kami mengusulkan FunCAD-Harness, sebuah kerangka kerja yang menerjemahkan persyaratan abstrak ke dalam tes fisik spesifik kandidat dan menggunakan umpan balik simulasi untuk membimbing revisi desain. Untuk secara sistematis mengevaluasi kemampuan ini, kami memperkenalkan FunCADBench, sebuah

Machine translation (Meta M2M100); the English original follows.

Abstract

While LLM agents can generate visually plausible CAD assemblies, these designs often fail to fulfill their intended physical functions. We study functional CAD design, a setting where agents interpret underspecified requests to construct and iteratively revise mechanisms that satisfy functional requirements in physical simulation. Verifying these requirements is nontrivial: different candidate mechanisms may realize the same function through entirely different components, controls, and operating sequences. To bridge this gap, we propose FunCAD-Harness, a framework that translates abstract requirements into candidate-specific physical tests and uses simulation feedback to guide design revisions. To systematically evaluate this capability, we introduce FunCADBench, a benchmark spanning 46 mechanism families with interdependent and multi-step operations. Experiments across frontier LLM agents show that FunCAD-Harness exposes subtle mechanical failures invisible to visual inspection, substantially improving functional success rates over standard simulation-augmented baselines. Ultimately, our work marks a step toward CAD agents capable of translating human intent into working mechanisms.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: CAD, Computer science, Construct (python library), Function (biology), Mechanism (biology), Bridge (graph theory)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange