AI CAD를 이야기할 때 먼저 구분할 것은 “3D처럼 보이는 결과”와 “CAD로 계속 수정할 수 있는 결과”입니다. 제품 개발에 필요한 것은 단순 mesh가 아니라 치수, 스케치, extrusion, fillet, pattern, feature order 같은 설계 의도가 남아 있는 모델입니다. 2026년 6월 24일 기준 최신 연구도 이 방향으로 모이고 있습니다.
초기 연구인 DeepCAD는 CAD 모델을 mesh가 아니라 CAD operation sequence로 다루는 관점을 열었습니다. 이후 Text2CAD는 자연어 지시에서 parametric CAD sequence를 생성하는 문제를 다뤘고, 2026년 Text2CAD-Bench는 현재 모델이 기본 형상에서는 가능성을 보이지만 복잡한 topology와 advanced feature에서는 성능이 크게 떨어진다는 점을 benchmark로 제시합니다.
핵심 변화: CAD를 이미지가 아니라 프로그램으로 보기
최근 AI CAD 연구의 공통점은 CAD를 시각적 3D asset이 아니라 실행 가능한 절차로 본다는 점입니다. CAD-Recode는 point cloud에서 Python CAD code를 복원하려고 하고, Zero-to-CAD는 실제 CAD construction history 부족 문제를 해결하기 위해 LLM과 CAD 실행 환경을 묶어 대규모 executable CAD sequence를 합성합니다.
이 접근이 중요한 이유는 명확합니다. 코드나 feature sequence로 생성된 CAD는 검토, 수정, 재실행, 질문 응답이 가능합니다. 반대로 mesh는 빠르게 보여줄 수 있지만 구멍 위치, 벽 두께, 체결부, 공차, 제조 방식 같은 엔지니어링 대화로 돌아가기 어렵습니다.
Text-to-CAD의 현재 한계
Text2CAD-Bench는 600개의 human-curated example을 geometric complexity와 application diversity 기준으로 나누고, expert-style procedural prompt와 non-expert geometric prompt를 함께 평가합니다. 이 benchmark의 중요한 결론은 현재 모델이 simple sketch-extrude 수준에서는 가능성을 보이지만 complex topology, freeform surface, real-world domain에서는 급격히 어려워진다는 점입니다.
따라서 “텍스트 한 줄로 제조 가능한 제품 설계가 나온다”는 주장은 아직 과장입니다. 현재의 현실적인 가치는 초안 생성, 반복 작업 단축, 기존 CAD의 구조화, 설계 후보의 빠른 탐색에 있습니다. 제품 팀에 필요한 것은 자동 완성 그 자체보다, 실패했을 때 어디가 왜 실패했는지 수정할 수 있는 모델입니다.
CAD 에이전트는 왜 tool-using으로 가는가
ToolCAD 같은 2026년 연구는 LLM을 CAD engine과 상호작용하는 tool-using agent로 훈련합니다. CAD는 긴 순서의 modeling action을 요구하고, 중간 결과가 틀리면 이후 operation이 연쇄적으로 깨집니다. 그래서 단순히 최종 코드를 한 번 출력하는 방식보다, 실행하고, 오류를 보고, 수정하고, 다시 실행하는 agent loop가 중요합니다.
이 관점은 소프트웨어 개발 agent와 비슷하지만 CAD에서는 더 까다롭습니다. code compile만 통과한다고 설계가 유효해지는 것은 아니기 때문입니다. CAD 모델은 geometry validity, feature editability, dimensional intent, manufacturability, physical performance까지 함께 봐야 합니다.
다음 단계는 physics-in-the-loop입니다
2026년 Physics-in-the-Loop 논문은 LLM이 CAD를 생성할 수는 있지만 신뢰 가능한 engineering design을 위해서는 validated knowledge-based engineering tool이 agent loop 안에 들어가야 한다고 주장합니다. 논문은 load case를 기준으로 agent가 plan, generate, evaluate, revise를 반복하는 architecture를 제안합니다.
이 흐름은 AI CAD의 평가 기준을 “모양이 자연스러운가”에서 “기능적으로 유효한가”로 옮깁니다. 구조적으로 약한 형상, 물리 조건을 만족하지 못하는 형상, compile은 되지만 설계 의도가 없는 형상을 걸러내려면 simulation, rule check, constraint validation이 CAD generation 안에 들어와야 합니다.
제품 팀에게 의미 있는 사용처
- 초기 아이디어 구조화: 자연어 요구사항을 sketch/extrude 후보와 dimension parameter로 바꿉니다.
- 반복 feature 생성: hole pattern, rib, bracket, enclosure variation처럼 반복적인 CAD 작업을 줄입니다.
- 역설계 보조: point cloud나 기존 mesh를 editable CAD code로 되돌리는 시도가 늘고 있습니다.
- 검증 루프: load case와 rule check를 붙여 “생성된 형상”을 “검토 가능한 후보”로 좁힙니다.
AI CAD 결과를 평가하는 실무 테이블
AI CAD 후보를 받았을 때는 “열리는가”보다 “수정하고 검증할 수 있는가”를 봐야 합니다.
| 검토 항목 | 통과 기준 | 실패 신호 |
|---|---|---|
| Geometry validity | self-intersection, non-manifold, zero-thickness feature 없음 | STEP export는 되지만 fillet/boolean 재편집에서 실패. |
| Feature editability | hole, rib, boss, shell, fillet이 의미 있는 feature로 분리 | 모든 것이 mesh 또는 dumb solid로 합쳐져 치수 변경 불가. |
| Dimensional intent | 주요 치수와 constraint가 requirement ID와 연결 | 구멍 간격, wall thickness, clearance가 prompt 감으로 생성. |
| Manufacturing assumption | 3D print, CNC, sheet metal, injection molding 중 목표가 명시 | draft, undercut, tool access, layer direction을 전혀 고려하지 않음. |
| Physics readiness | load/constraint face tag와 material candidate가 지정 | Sim으로 넘길 면과 부품 의미가 없어 사람이 다시 태깅해야 함. |
RHX 관점
RHXY Plan, Sim, Render를 나누어 보는 이유도 여기 있습니다. AI CAD 하나로 제품 개발이 끝나지 않습니다. Plan은 요구사항과 설계 질문을 만들고, CAD agent는 수정 가능한 형상 후보를 만들며, Sim은 물리 리스크를 검토하고, Render는 팀과 고객이 이해할 수 있는 장면으로 바꿉니다. 중요한 것은 “AI가 CAD를 그린다”가 아니라, 설계 결정이 추적 가능한 루프 안에 남는 것입니다.
참고 자료
- DeepCAD: A Deep Generative Network for Computer-Aided Design Models
- Text2CAD: Generating Sequential CAD Models from Text Prompts
- Text2CAD-Bench: A Benchmark for LLM-based Text-to-Parametric CAD Generation
- TOOLCAD: Tool-Using LLMs in Text-to-CAD Generation
- Zero-to-CAD: Agentic Synthesis of Interpretable CAD Programs
- CAD-Recode: Reverse Engineering CAD Code from Point Clouds
- Physics-in-the-Loop: Validated CAD Engineering Design