AI+CAD能力横向评测！生成结构是否可装配可3D打印

AI建模出看起来不错的机械结构能否直接生产或者3D打印？

很多时候并不能，这也是很多机械工程师尚感觉安全的原因。

比如GPT6的这个火箭虽然能3D打印出来但离飞起来还差十万八千里：

但越来越多的AI研发力量开始关注CAD这件事，要解决AI建模的可制造性，首先从评测和建立标准开始。

2026年10月3日，伊利诺伊大学厄巴纳香槟分校（UIUC）团队发布LMBuild预印本，用以评测大模型生成的三维结构能否满足装配与功能要求。

新发布的LMBuild对30套AI大模型进行横向评测，把检查深入到零件、关节、装配顺序和整体功能。

对于关注AI＋CAD与3D打印的人，这项研究触及了一个关键问题。

模型生成之后，离真正做成一件能用的东西，还有多远？

目前的评测仍在数字环境中进行，尚未经过实物3D打印验证，但结果已经揭示了外形完整与功能完整之间的明显差距。

01 · 先看结构关系 轮子画对了，还要接得对 先分清零件，再检查连接与运动 装配原理示意，不对应某个模型的测试结果 车轮 轮轴 支承 轻点画面，观察靠拢与转动 位置对齐之后，还要验证转轴与配合 橙色标记显示车轮的转动

01

模型生成的不能只有外壳

在LMBuild中，模型收到物体名称和参考图后，需要挑选或创建零件、调整位置，再指定关节、材料和装配顺序。

这些大模型通过调用LMBuild提供的python建模工具搭建结构（并没有用什么商用的CAD工具或者MCP）：

先用list_parts查询零件库、用inspect_part查看具体零件，再用place_part放入零件、用move_part调整位置和姿态。

缺少合适部件时，模型调用create_part，提交由圆柱、长方体、拉伸及形状相减等操作组成的构造指令，由底层几何内核生成新零件。

之后，模型通过add_joint指定哪些零件相连、沿哪个方向移动或绕哪根轴转动，并用set_assembly_sequence记录装配顺序。

过程中还可以调用check和render检查结构、查看渲染图，再根据反馈修改。

图1把这段操作过程串连在了一起。

图1从左上需求输入，到右侧指定关节、材料和装配顺序，模型需要连续完成多步构建。

图源：LMBuild论文图1，第3页

正文及表1列出200个物体组成的核心测试集，研究评测了30个AI大模型。

从GPT到Qwen都有所涵盖。

评测对象既有家具和机械装配件，也包括开源硬件。例如，研究团队采用了Voron2.4这款3D打印机的现有CAD模型作为参考，考察AI能否构建出相应的结构。

为了区分不同问题，研究设置四层、共12项指标。

第一层检查结构连通、碰撞与稳定；

第二层检查功能零件和运动关系；

第三层看拆分与外观；

第四层检查装配顺序、材料选择和整体可操作性。

图2中的轮椅，正是按这些不同角度接受评测。

图2左侧用颜色区分轮椅部件，右侧列出四层评测的12项指标。

图源：LMBuild论文图2，第5页

这几项能力之间，差距有多大？

表2中，GPT-6 Astra算商用大模型里表现比较出色的，无碰撞得分为95.9，功能零件完整性为45.3，运动学为41.7，可操作性为19.2。

四项都是0至100分，但衡量的对象不同，不能等同实物制造成功率。

02 · 表2中的四项得分 同一模型，四项不同能力 GPT-6 Astra · 各项统一到0至100分 无碰撞 95.9 功能零件完整性 45.3 运动学 41.7 可操作性 19.2 分数衡量不同能力，不代表实物制造成功率 轻点画面，展开四项得分 几何检查得分高，功能仍可能不完整

可操作性检查会把完成一项功能所需的零件、连接、运动和使用空间放在一起考察，以得分最低的必要条件作为该项功能的得分，再对各项功能得分取平均。

因此，某个部件做得再好，也补不上另一个必要部件的缺失。

论文中的越野车例子很直观，GPT-6 Astra生成的越野车，其车轮可以转动，却没有实现转向所需的活动连杆。

02

自己造零件，虽自由但有额外成本

3D打印结合AI允许设计者为特定用途制作专用零件。

有些AI工具可以允许用户自主生成，有些则允许用户从现成零件中挑选

这两件事对AI的要求不同。

使用现成零件时，模型主要考虑选哪件、放哪里、怎样连接；

自行创建时，还要决定零件的形状和尺寸，并正确调用建模工具。

论文抽取25个对象，对比了只用现成零件、现成与新建零件混用、全部自行创建三种方式。

Qwen3-VL-32B在结构与设计指标上的平均分，从只用现成零件时的61.7分，降到全部自行创建时的34.1分。

部分更强的模型能够利用新建零件改善设计，但并非每项指标都会提高。

可见，给模型更多设计自由，并不保证结果更好。

图3左侧比较结构与设计，右侧比较功能与物理实现。三种零件获取方式的表现并不一致。

图源：LMBuild论文图3，第8页

研究还发现，模型有时连操作过程都没有跟上。

某个零件创建失败了，后续却仍把它当作已经存在；

本来要移动一个零件，却又放入了一个副本。

这说明，AI除了要会设计形状，还得记清哪些零件已经建好、放在哪里，以及上一步操作是否成功。

03

补充功能描述比额外修改更有效

让模型多改几轮，能弥补缺陷吗？

基线流程本来就允许检查和修改；在此基础上再增加两轮流程，可操作性平均仅仅提高1.1分。

而补充明确的功能要求后，跨模型平均可操作性提高12.0分，功能零件完整性提高10.3分。

可以用抽屉理解这种区别。

只说设计一张带抽屉的桌子，模型仍要自行推断连接和运动；

补充描述：抽屉沿滑轨平移、桌体保持固定、前方留出开启空间，这样的要求就具体得多，能够让大模型生成更好的结果。

03 · 把要求落到动作上 抽屉怎样才算能打开 谁固定、谁运动、要留出多少活动空间 补充功能描述后的实验平均变化 ＋12.0分 可操作性 抽屉为解释性示例，不是上述实验的单项结果 沿滑轨平移，前方保留开启空间 轻点画面，拉开抽屉

不过，功能描述带来的提升伴随着取舍。比如装配更复杂。

图4中，装配顺序指标平均下降9.0分。

新增功能可能增加零件与连接关系，使装配更复杂，但实验没有单独证明这一原因。

图4右下可操作性明显提高，装配顺序却下降，说明功能增益伴随取舍。

图源：LMBuild论文图4，第9页

因此，需求写得更具体之后，还要重新检查装配。

对于AI建模工具，用户说出想要什么物体只是入口；

让用户交代谁固定、谁运动、运动到哪里，有助于形成可以逐项检查的设计要求。

似乎在AI+CAD领域有点像早期的LLM大模型，需要比较精确的提示词工程，至少需要把物体的功能和实现方向描述清楚，对于输出结果有明显提升。

04

AI是否知道哪些零件该动？

人的常识是，做出抽屉的外形之后，AI还要让它能从桌子里拉出来；

做出马桶之后，还要让座圈或盖板能够掀起。

论文附录图5至图12展示的，是看看AI模型给这些活动零件安排了什么动作，能否像人类的常识一样赋予物体正确的机械运动。

每一行用三个位置表示同一个零件的运动，描边标出正在动的部分，橙色杆标出模型设定的运动轴。

先看抽屉和马桶。

抽屉需要沿滑轨拉出，座圈和盖板则需要绕连接处翻起。

这要求模型把活动零件与固定部分分开，并设置合适的连接。

图5从左向右，描边的抽屉逐渐拉出，显示滑动关系。

图源：LMBuild论文图5

图6上排观察座圈，下排观察盖板，分别绕连接处翻起。

图源：LMBuild论文图6

风扇的例子也很直观：

图7上排展示机头摆动，下排展示立杆升降，分别来自两个模型的设计。

接下来的轮椅图展示了脚踏板翻转。

它说明模型设置了脚踏板的活动方式，但不能说明整把轮椅已经能正常使用。

图7上排看机头摆动，下排看立杆升降，两个模型的运动设定不同。

图源：LMBuild论文图7

图8从左向右看轮椅下方，描边的脚踏板绕连接轴翻转。

图源：LMBuild论文图8

笔记本电脑和汽车展示的是开合动作。

观察这些图时，可以留意活动件绕哪里转、打开后会经过哪些位置。

如果准备把类似结构用于3D打印，还要检查整个开合过程中会不会碰到外壳，并按打印工艺留出配合间隙。

图9屏幕绕连接处开合，上下两行展示不同系统的运动关系。

图源：LMBuild论文图9

图10上排看车门，下排看后部开合件，留意活动件相对车身的位置。

图源：LMBuild论文图10

最后是拖拉机和挖掘机。

挖掘机上排展示前臂摆动，下排展示铲斗转动。

这里仍是在分别看某个部件怎样动，没有证明多个部件能协调工作，更无法证明机器能够承载或挖掘。

这些图帮助只是帮助我们看清AI给自己设计的物体设置了哪些动作。

至于动作是否合理、装起来会不会卡住、受力后还能不能用，还需要进一步检查和实际测试。

图11留意描边车轮在三个姿态中的变化，画面呈现的关节运动。

图源：LMBuild论文图11

图12上排看前臂摆动，下排看铲斗转动，每行对应一个关节。

图源：LMBuild论文图12

05

走向3D打印，制造约束要提前进入设计

LMBuild的评测系统采用了比较简单的物理设定。

比如稳定性检查主要看结构会不会翻倒；

装配检查主要沿选定的插入路线，分几个位置检查零件能否放进去；

功能测试则把零件视为不会变形的硬物，并使用统一的密度、摩擦和驱动条件。

因此，模型在仿真中站得稳、装得上、动得起来，并不代表换成具体的3D打印材料后，也能承受载荷、顺畅装配和正常使用。

论文的评测系统也没有覆盖制造公差、紧固件强度、弹性变形、断裂、疲劳及持续载荷。

因此数字关节即使测评能动，还要回答3D打印出来是否卡死、受力后是否变形、重复使用是否可靠等关键问题。

04 · 走向实际制造 让工艺条件进入设计 壁厚、配合间隙与打印方向，都要先考虑 流程示意 · 实物验证是论文提出的后续工作 测量实际尺寸 轻点画面，观察逐层成形与测量 先测尺寸，再验证装配与功能 测试结果需要反馈给零件和连接设计

作者把最小特征尺寸、壁厚、悬垂、公差、材料和成形空间列为后续需要纳入的增材制造约束，并提出开展实际3D打印、装配和功能测试。

对于3D打印应用，这些限制应提前进入零件和连接的设计输入。

06

论文的LMBuild系统这次对30个大模型建模能力的横向评测，揭示了AI生成三维结构时的短板。

我们认为，30个选手虽然并不是所有世界主流大模型，但暴露的问题是通用的。

模型较擅长做出外形可辨认的物体，却经常遗漏实现功能所需的零件和连接。

以GPT-6 Astra为例，无碰撞得分达到95.9分，可操作性却只有19.2分。

零件之间没有明显穿插，和装起来就能用之间差距较大。

改进不能只靠增加生成自由度或反复修改。

在本次实验中，让模型自行创建零件并未带来一致提升；

额外增加两轮修改，可操作性平均提高1.1分，而明确补充功能要求后，平均提高12.0分。

不过，功能改善的同时，装配顺序得分有所下降，设计输入的增加还需要兼顾功能与装配。

对AI＋CAD和3D打印而言，这组结果提供了一个清晰的验收重点。

生成之后，要逐项检查必要零件是否齐全、连接是否正确、装配顺序是否可行。

至于能不能3D打印、3D打印后是否可靠，论文尚未给出实物验证。

屏幕里的结构要走向制造，扔需要让这些设计要求在真实零件上得到检验。

原始首页截图，参阅论文名称、团队及项目入口。

AM易道工具使用邀请
3D打印常用的多孔微结构的宝藏工具昨日发布，其生成、分析和导出只需要几秒钟。
请私信poreforge获取码。

TCT深圳展邀请

10月14日，深圳见。很多新东西值得现场聊。

TCT深圳，AM易道等您来碰面。

预约如下：

航空航天增材制造大会邀请

10月22日，上海见。航空航天，依然是增材制造最值得深挖的主战场之一。

第六届航空航天增材制造大会，AM易道期待与您交流。

预约如下：

首届国际增材制造技术与应用生态展览会邀请

11月26—28日，四川泸州见。首届国际增材制造技术与应用生态展览会，从技术到应用，从设备材料到产业协同。

AM易道邀请您来现场，看增材制造如何长出全新生态。

详情如下：