Generative AI-Driven Systems Supporting Computer-Aided Design and Manufacturing

Abstract

The increasing use of artificial intelligence (AI) in engineering has created new possibilities for simplifying and automating tasks that have traditionally required specialized expertise. One such area is computer-aided design (CAD), where generating accurate and manufacturable models typically demands knowledge of geometry, design rules, and CAD tools and modeling languages. This thesis examines how large language models (LLMs) can support CAD generation by combining natural language instructions with retrieval-augmented generation (RAG), multi-agent collaboration and multimodal inputs.

A multi-agent framework was developed to simulate key engineering roles, including a designer, a critic and a manufacturing engineer, each contributing to the iterative refinement of CAD models. The system was implemented using OpenSCAD as the CAD modeling backend and evaluated under four configurations: single-agent and multi-agent systems, both with and without RAG. Additional experiments assessed multimodal prompting based on hand-drawn sketches. System performance was analyzed using syntax validity, geometric similarity measured by intersection over union (IoU), manufacturability approval rate and computational runtime.

The results show that RAG plays a central role in producing accurate CAD geometry by leveraging domain-specific OpenSCAD libraries to guide the generation process, while multi-agent collaboration enhances verification and manufacturability assessment. Multimodal inputs helped clarify design intent but did not consistently improve geometric accuracy with the current vision processing pipeline. Overall, the study demonstrates that LLM-based systems can meaningfully support CAD modeling, although several challenges remain, including limited retrieval resources, reduced geometric precision for complex designs and constrained multimodal reasoning.

The findings indicate that while generative AI is not yet sufficient to replace expert CAD designers, it can already streamline early design phases, lower the barrier for non-experts and provide a foundation for more intelligent design-to-manufacturing workflows. Future advances in LLMs trained specifically for CAD tasks, vision language models (VLMs), multi-agent coordination, and advanced retrieval mechanisms are expected to further improve the reliability, scalability and practical applicability of AI-assisted CAD workflows.

Tekoälyn (AI) lisääntyvä hyödyntäminen insinööritieteissä on luonut uusia mahdollisuuksia sellaisten tehtävien yksinkertaistamiseen ja automatisointiin, jotka ovat perinteisesti edellyttäneet syvällistä asiantuntijaosaamista. Yksi tällainen alue on tietokoneavusteinen suunnittelu (engl. Computer-Aided Design, CAD), jossa tarkkojen ja valmistuskelpoisten mallien tuottaminen vaatii tyypillisesti geometrian, suunnittelusääntöjen sekä CAD-työkalujen ja mallinnuskielten hallintaa. Tässä diplomityössä tarkastellaan, miten suuret kielimallit (engl. Large Language Models, LLMs) voivat tukea CAD-mallien generointia yhdistämällä luonnollisen kielen ohjeet hakutehostettuun generointiin (engl. Retrieval-Augmented Generation, RAG), moniagenttiseen yhteistyöhön sekä multimodaalisiin syötteisiin.

Työssä kehitettiin moniagenttinen kehys, joka simuloi keskeisiä insinöörityön rooleja, kuten suunnittelijaa, kriitikkoa ja valmistusinsinööriä, ja jossa kukin agentti osallistuu CAD-mallien iteratiiviseen parantamiseen. Järjestelmä toteutettiin käyttäen OpenSCADia CAD-mallinnuksen ympäristönä, ja sitä arvioitiin neljän eri konfiguraation avulla: yksi- ja moniagenttisina versioina sekä RAGia hyödyntävinä ja ilman RAGia. Lisäksi suoritettiin kokeita multimodaalisilla syötteillä, joissa hyödynnettiin käsin piirrettyjä luonnoksia. Järjestelmän suorituskykyä arvioitiin syntaksin oikeellisuuden, geometrisen samankaltaisuuden (engl. Intersection over Union, IoU), valmistettavuuden hyväksyntäasteen sekä laskennallisen suoritusajan perusteella.

Tulokset osoittivat, että RAG on keskeisessä roolissa tarkan CAD-geometrian tuottamisessa, sillä se ohjaa generointiprosessia hyödyntämällä sovelluskohtaisia OpenSCAD kirjastoja, kun taas moniagenttinen yhteistyö parantaa CAD-mallien verifiointia ja valmistettavuuden arviointia. Multimodaaliset syötteet tukivat suunnitteluidean tulkintaa, mutta eivät nykyisellä visuaalisen käsittelyn toteutuksella parantaneet geometrisen tarkkuuden tasoa johdonmukaisesti. Kokonaisuutena työ osoittaa, että LLM-pohjaiset järjestelmät voivat merkityksellisesti tukea CAD-mallinnusta, vaikka useita haasteita on edelleen ratkaistavana, kuten rajalliset hakuresurssit, heikentyvä geometrinen tarkkuus monimutkaisissa malleissa sekä multimodaalisen päättelyn rajoitteet.

Tulosten perusteella generatiivinen tekoäly ei vielä korvaa kokeneita CAD-suunnittelijoita, mutta se voi jo nyt tehostaa suunnittelun alkuvaiheita, madaltaa CAD-mallintamisen kynnystä ja luoda pohjan älykkäämmille työnkuluille. CAD-tehtäviin koulutettujen kielimallien, kehittyneiden näkökielimallien (engl. Vision Language Models, VLMs), moniagenttisen koordinoinnin sekä edistyneiden RAG-menetelmien odotetaan tulevaisuudessa parantavan merkittävästi tekoälyavusteisten CAD-työnkulkujen luotettavuutta, skaalautuvuutta ja käytännön soveltavuutta.