CAD 생성을 위한 메모리 증강 강화학습 (Reinforcement Learning) 에이전트

요약

기존 LLM 기반 CAD 생성 방식의 추론 단절과 오류 수정 한계를 극복하기 위해 메모리 증강 강화학습(Reinforcement Learning) 프레임워크를 제안합니다. 이 시스템은 기하학적 커널을 도구 체인으로 활용하며, 이중 트랙 메모리 모듈을 통해 설계 의도 이해부터 검증까지의 폐쇄 루프 메커니즘을 구축합니다. 강화학습을 통해 검색 함정을 피하고 추가 데이터 없이도 온라인 자기 수정이 가능하여 복잡한 모델 생성의 성공률과 일관성을 높였습니다.

핵심 포인트

• 기하학적 커널을 구조화된 도구 체인으로 캡슐화하여 설계 의도와 실행을 연결
• 사례 라이브러리와 기술 라이브러리로 구성된 이중 트랙 메모리 모듈 도입
• 강화학습을 통한 동적 유틸리티 검색으로 기하학적 오류(retrieval traps) 방지
• 대규모 주석 데이터 없이도 온라인 자기 수정 및 지속적인 모델 진화 가능
• 복잡한 CAD 모델 생성 시 성공률 및 기하학적 일관성 향상