Mehr mesh-to-CAD und ein vollständiger Stack agentischer EDA-News

Wichtigste Erkenntnisse

• CADFit ist eine Open-Source Mesh-zu-CAD-Engine, die editierbare Feature-Bäume aus STL/OBJ-Daten rekonstruiert.
• Sie läuft ≈3× schneller als ein vollständig manueller Workflow dank eines leichten ML-Sketch-Detektors.
• Das Werkzeug verarbeitet derzeit Extrusionen, Rotationen, Fillets, Chamfers, Vereinigungen, Schnitte und alle grundlegenden Sketch-Primitive.
• Die Entwicklung wird von Altair (jetzt Siemens) finanziert; ein gemeinsames Siemens-MIT-Patent steht aus.
• Im Vergleich zu kommerziellen Konkurrenten Backflip AI und Autodesk AutoTimeline bietet CADFit kostenlose nicht-kommerzielle Nutzung, umfassendere Feature-Level-Rekonstruktion und einen transparenten Forschungs-Code-Base.

Einführung

Das neueste Rundschreiben von Engineering Paper beleuchtet eine neue Welle von Mesh-zu-CAD-Konvertern. Während kommerzielle Angebote wie Backflip AI und Autodesk’s AutoTimeline wegen ihrer „AI-first“-Versprechen Aufmerksamkeit erregen, stellt die MIT-Siemens-Zusammenarbeit unter Leitung der Doktorandin Ghadi Nehme CADFit vor, eine Open-Source-Alternative, die Optimierung, Geometrie-Validierung und ein bescheidenes Machine-Learning-Frontend kombiniert.

Wie CADFit funktioniert

Von Mesh zu Skizzen

1. Mesh-Einlesen – Der Algorithmus akzeptiert gängige polygonale Formate (STL, OBJ, PLY).
2. Skizzenerkennung – Ein flaches neuronales Netzwerk klassifiziert Kantenschlaufen in wahrscheinliche Skizzen-Entitäten (Linien, Bögen, Splines). Nehme berichtet, dass dieser Schritt die Verarbeitungszeit um ~3× gegenüber einer rein optimierungs-getriebenen Pipeline reduziert.
3. Parametrische Anpassung – Erkannte Skizzen werden in einen hybriden Optimierer eingespeist, der iterativ CAD-Operationen (extrudieren, rotieren usw.) vorschlägt und sie anhand geometrischer Distanzmetriken gegen das Original-Mesh validiert.

Feature-Zusammenstellung

• Einzelne Festkörper werden durch Union- oder Cut-Boolean-Schritte zusammengeführt.
• Das System überprüft das zusammengebaute Modell, identifiziert verbleibende Abweichungen und wiederholt die Anpassungsschleife, bis die Abweichung unter einer benutzerdefinierten Toleranz liegt (typischerweise ≤0,01 mm für hochauflösende Scans).

Unterstützte Operationen

CADFit vs. kommerzielle Gegenstücke

Praxisdemo

Ein 2-minütiges YouTube-Walkthrough (ICML 2026-Präsentation) führt die Zuschauer durch eine vollständige Rekonstruktion: Ausgehend von einem verrauschten Scan einer Turbinenblatt-Profil, isoliert CADFit das Luftprofil, extrudiert es, fügt Fillets an der Vorderkante hinzu und validiert schließlich das Ergebnis gegen das Original-Mesh. Das Video unterstreicht die iterative „Fit-Validate-Refine“-Schleife, die CADFit von Black-Box-AI-Generatoren unterscheidet.

Einschränkungen & zukünftige Roadmap

• Umfang der Operationen – Derzeit auf grundlegende Festkörpermodellierung beschränkt; reine Oberflächen-Features (z. B. Lofts, Sweeps) werden noch nicht unterstützt.
• Kommerzielle Lizenzierung – Kostenlose Nutzung ist auf gemeinnützige oder akademische Projekte beschränkt; ein kostenpflichtiges Modell wird für Industriepartner diskutiert.
• Skalierbarkeit – Während sie bei Meshes bis zu 5 M Triangles wirksam ist, erfordern größere Punktwolken eine Vorverarbeitung (Dezimierung), um innerhalb der Speichergrenzen einer typischen 32 GB-Workstation zu bleiben.

Fazit

CADFit bietet eine überzeugende Kombination aus Transparenz, Geschwindigkeit und Präzision für Ingenieure, die Mesh-Daten in editierbare CAD-Modelle rückentwickeln müssen, ohne Lizenzgebühren zu zahlen. Seine Open-Source-Natur und akademische Herkunft machen es zu einer starken Alternative zu kommerziellen KI-basierten Tools, besonders für Forschungslabore und klein­skalige Hersteller. Wenn der Funktionsumfang über grundlegende Festkörper hinaus erweitert wird, könnte CADFit zum de-facto Standard für Mesh-zu-CAD-Konvertierung im CNC-Drehen und im weiteren Fertigungs-Ökosystem werden.