LLM 기반의 지능형 CAD 설계 에이전트 CADDesigner의 등장

초록

CADDesigner는 텍스트와 스케치를 입력받아 대화형으로 CAD 모델을 설계하는 LLM 기반 에이전트입니다. 새로운 ECIP 패러다임과 시각적 피드백 루프를 통해 고품질의 모델링 코드를 생성하며, 지식 베이스를 활용해 지속적으로 성능을 개선하는 혁신적인 설계 도구입니다.

상세 분석

CADDesigner의 기술적 핵심은 단순한 텍스트-투-코드(Text-to-Code) 변환을 넘어선 ‘지능형 설계 루프’의 구축에 있습니다. 가장 주목할 만한 기술적 혁신은 ECIP(Explicit Context Imperative Paradigm)라 명명된 새로운 패러다임의 도입입니다. 기존의 LLM 기반 생성 방식은 복잡한 기하학적 제약 조건과 정밀한 수치 제어가 필수적인 CAD 모델링에서 논리적 오류를 범하기 쉬웠으나, ECIP는 명시적인 컨천스트와 명령 체계를 통해 생성되는 코드의 구조적 무결성을 보장합니다.

또한, 이 에이전트는 멀티모달(Multimodal) 입력 처리 능력을 갖추고 있습니다. 사용자의 추상적인 텍스트 설명과 구체적인 스케치를 동시에 분석하여 설계 의도를 정교하게 파악하며, 이 과정에서 ‘대화형 요구사항 분석’ 단계를 거쳐 설계 초기 단계의 불확실성을 제거합니다. 특히, 생성된 모델의 결과물을 시각적으로 확인하고 이를 다시 에이전트의 입력으로 사용하는 ‘반복적 시각 피드백(Iterative Visual Feedback)’ 메커니즘은 매우 중요합니다. 이는 에이전트가 스스로 생성된 결과물의 오류를 인지하고 코드를 수정할 수 있는 폐쇄 루프(Closed-loop) 시스템을 완성했음을 의미합니다.

마지막으로, 구조화된 지식 베이스(Structured Knowledge Base)의 활용은 에이전트의 지속 가능한 성장 가능성을 보여줍니다. 성공적인 설계 사례를 데이터화하여 학습에 재투입함으로써, 에이전트는 단순한 일회성 생성을 넘어 경험을 통해 숙련도를 높여가는 ‘전문가적 진화’를 이뤄냅니다. 이러한 기술적 요소들의 결합은 CAD 설계의 진입 장벽을 낮추는 동시에, 전문가의 작업 효율을 극대화할 수 있는 강력한 기반을 제공합니다.

전통적인 컴퓨터 보조 설계(CAD) 분야는 매우 정밀한 작업인 만큼, 이를 수행하기 위해서는 고도의 숙련도와 전문 지식이 요구됩니다. 이러한 높은 진입 장벽은 숙련되지 않은 설계자나 비전문가가 아이디어를 즉각적으로 제품화하는 데 큰 장애물로 작용해 왔습니다. 본 논문에서 제안하는 CADDesigner는 이러한 문제를 해결하기 위해 대규모 언어 모델(LLM)을 기반으로 한 지능형 설계 에이전트를 제시합니다.

CADDesigner의 작동 프로세스는 크게 네 가지 핵심 단계로 구성됩니다. 첫째, 입력 및 요구사항 분석 단계입니다. 사용자는 텍스트 형태의 설명과 함께 대략적인 형태를 나타내는 스케치를 에이전트에게 제공할 수 있습니다. 에이전트는 단순히 명령을 수행하는 것에 그치지 않고, 사용자와의 인터랙티브한 대화를 통해 설계 요구사항을 명확히 합니다. 이 과정에서 모호한 부분을 질문을 통해 구체화함으로써, 설계 초기 단계에서 발생할 수 있는 오류를 최소화하고 사용자의 의도를 정확히 반영합니다.

둘째, 코드 생성 단계입니다. 연구진은 ‘Explicit Context Imperative Paradigm(ECIP)‘이라는 새로운 생성 패러다임을 제안했습니다. 이는 LLM이 CAD 모델링 코드를 생성할 때, 기하학적 제약 조건과 설계 맥락을 명시적으로 인지하고 이를 코드에 반영할 수 있도록 유도하는 방식입니다. 이를 통해 생성된 코드는 높은 정밀도와 논리적 일관성을 유지하며, 복잡한 3D 형상을 구현하는 데 필요한 고품질의 모델링 코드를 출력합니다.

셋째, 시각적 피드백 및 정제 단계입니다. 생성된 코드는 즉시 3D 모델로 렌더링되며, 에이전트는 이 렌더링된 이미지를 다시 시각적 입력으로 받아들입니다. 에이전트는 생성된 모델의 형상이 사용자의 초기 의도(텍스트 및 스케치)와 일치하는지 시각적으로 검토합니다. 만약 불일치나 오류가 발견되면, 에이전트는 스스로 코드를 수정하고 다시 렌더링하는 반복적인 피드백 루프를 수행합니다. 이러한 자가 수정 기능은 설계의 완성도를 비약적으로 높이는 핵심 요소입니다.

넷째, 지식 축적 및 지속적 학습 단계입니다. CADDesigner는 생성된 모든 성공적인 설계 사례를 구조화된 지식 베이스에 저장합니다. 이 데이터베이스는 단순한 저장소를 넘어, 에이전트가 향후 유사한 설계를 수행할 때 참고할 수 있는 참조 모델 역할을 합니다. 축적된 데이터는 에이전트의 코드 생성 능력을 지속적으로 고도화하는 학습 데이터로 활용되며, 이는 에이전트가 시간이 흐를수록 더욱 정교하고 복잡한 설계를 수행할 수 있게 만드는 선순환 구조를 형성합니다.

결론적으로, CADDesigner는 멀티모달 입력, 대화형 인터랙션, ECIP 기반의 정밀 생성, 그리고 시각적 피드백 루프를 결합하여 CAD 설계의 패러다임을 전환하고자 합니다. 실험 결과, 본 방법론은 기존의 CAD 코드 생성 방식들을 압도하는 최첨단(State-of-the-art) 성능을 입증하였으며, 이는 향후 자율 제조 및 AI 기반 엔지니어링 분야에 혁신적인 변화를 가져올 것으로 기대됩니다.