Обучение CAD и инженерному проектированию с ИИ-агентами: доказательства и проект учебного пилота
Срез: 30 октября 2026 года. Язык: русский. Это критический исследовательский отчет, а не рейтинг продуктов. Проведены веб-поиск и проверка доступных первичных материалов; ограничения доступа перечислены ниже. «Не найдено» означает результат этого целевого поиска, а не доказанное отсутствие публикаций во всем мире. Более ранние работы включены там, где они дают необходимую доказательную основу. Современность интерфейса не равна доказанности педагогики.
1. Главный вывод и границы переноса
Прямых убедительных сравнительных исследований, показывающих, что автономный CAD-агент улучшает самостоятельное пространственное мышление, параметрическое моделирование и инженерные решения студентов, в проверенных материалах не установлено. Поэтому нельзя заявлять «доказанную эффективность обучения CAD через агентов» на основании результатов кодогенерации, бенчмарка text-to-CAD или красивых итоговых моделей.
Обоснованная стратегия — ограниченный пилот: сохранить самостоятельные базовые CAD-навыки, затем вводить агента как проверяемый инструмент; отдельно измерять качество совместного изделия и компетентность студента без инструмента. Основание для такой осторожности дают исследования обучения с генеративным ИИ, автоматизационного смещения и развития пространственных навыков. Это перенос принципов, а не установленный CAD-специфический эффект.
Контекст программы взят из анализа документов ТГУ. Дополнительно прочитана РПД «Инженерная графика», строки 65–174: второй семестр, 4 з.е./144 часа; проекции, сечения, размеры и ЕСКД; КОМПАС-3D для детали, чертежа, сборки и спецификации; групповой проект с 3D-печатью, обработкой и физической сборкой, защитой. Это реальная документальная опора для ПК-4, а не основание заменять существующий стек курсом программирования или FreeCAD. Письменный экзамен уже предусмотрен; предлагаемая индивидуальная устная защита — дополнение/возможная согласованная переработка оценивания, не описание действующего регламента.
2. Что именно называется ИИ
| Тип | Операционное определение | Что НЕ следует из его применения |
|---|---|---|
| Coding assistant | Подсказки, объяснение и генерация кода по запросу человека; например, скрипт CAD API | Не обязательно сам запускает CAD, проверяет геометрию или планирует цикл исправлений |
| CAD assistant | Ответы о командах, предложение размеров/операций, генерация фрагмента модели | Наличие чата не доказывает агентности или пригодности к обучению |
| CAD-агент | Получает цель; в пределах разрешений выполняет многошаговый цикл «план → действие в CAD/API → наблюдение состояния/ошибки → проверка/исправление» | Успешное построение тела не доказывает правильность design intent, ЕСКД, сборки или DFM |
| AI tutor | Система, цель которой — обучение: диагностирует понимание, дает дозированные подсказки и обратную связь, проверяет освоение | Хороший tutor не обязательно создает изделие; результаты tutoring нельзя переносить на агента-исполнителя |
| Generative design / topology optimization | Поиск вариантов по заданной постановке, нагрузкам, ограничениям и целям | Не обязательно LLM и не обязательно агент; неверно заданные нагрузки дают неверную инженерную задачу |
Одна система может совмещать роли. В исследовании следует фиксировать фактический режим, а не бренд: кто выбрал построение, кто выполнял операции, кто обнаружил дефект, кто принял решение.
3. Карта доказательств
Шкала: A — сильный причинный дизайн для конкретной измеренной задачи; B — эмпирическое исследование с существенными ограничениями/переносом; C — рамка, описание курса или экспертная рекомендация, не доказательство эффекта; D — демонстрация/маркетинг. Даже A для математики не становится A для CAD.
| Источник, дата, статус | Что проверяется и что установлено | Сила и ограничения для CAD |
|---|---|---|
| Shen & Tamkin, How AI Impacts Skill Formation, препринт v1 28.01.2026, v2 01.02.2026; прочитан полный HTML и отчет авторов | Рандомизированное исследование, 52 участника с опытом Python, изучение новой библиотеки Trio; чат GPT-4o, а не автономный coding-agent. После задания — проверка без ИИ. В авторском отчете средние около 50% против 67%, d=0,738, p=0,01; значимого выигрыша времени не найдено. Самый большой разрыв — в debugging. | B для данной рекомендации: причинный краткосрочный результат, но малая выборка, препринт, программирование, не CAD. Это недоформирование нового навыка, а не доказанная многолетняя эрозия уже освоенного. Авторы связаны с Anthropic. Кластеры способов работы малы и выделены постфактум: «спрашивать объяснения полезнее» — ассоциация, не отдельный рандомизированный эффект. |
| Bastani et al., Generative AI without guardrails can harm learning, PNAS, 2025, DOI 10.1073/pnas.2422633122; авторская рукопись | Полевой эксперимент в школьной математике: важно разделять успех при доступном ИИ и последующую самостоятельную проверку; сравниваются обычный интерфейс и педагогически ограниченный tutor. Центральный результат — незащищенная помощь может ухудшить последующее самостоятельное выполнение. | B, косвенно. Рецензируемая экспериментальная работа, но другой возраст/предмет. Полный текст в этой сессии не извлечен: PNAS — 403, PMC — проверка браузера, PDF найден поиском. Поэтому точные проценты не используются как проверенные здесь. Не превращать в аргумент «любой ИИ вреден». |
| Kestin et al., AI tutoring outperforms in-class active learning, Scientific Reports, 2025 | Рандомизированное исследование специально спроектированного tutoring в университетском курсе физики. Релевантно как контрпример универсальному утверждению «ИИ всегда мешает учиться». | B, косвенно; ограниченная проверка: найден первичный издательский источник, но извлечение блокируется редиректом авторизации Nature. Размер эффекта и детали выборки здесь не цитируются. Ни CAD, ни автономное выполнение проектной работы не исследовались. |
| Sorby, Educational Research in Developing 3-D Spatial Skills for Engineering Students, февраль 2009, IJSE 31(3), 459–480, DOI 10.1080/09500690802595839; прочитана авторская аннотация в ERIC | Прикладная программа исследований развития пространственных навыков инженерных студентов. Пространственная визуализация и мысленное вращение — отдельный объект обучения и диагностики, а не побочный эффект владения интерфейсом CAD. | B: предметно близкая эмпирическая база, но не исследование ИИ; полный текст не прочитан. Не приводится численный эффект и не утверждается, что определенный CAD-пакет автоматически развивает пространственное мышление. |
| Goddard, Roudsari & Wyatt, Automation bias: a systematic review of frequency, effect mediators, and mitigators, онлайн 16.06.2011 / выпуск 2012, DOI 10.1136/amiajnl-2011-000089, PubMed | Систематический обзор automation bias: ошибочное принятие рекомендации автоматизированной системы и пропуски при доверии автоматизации. | B для механизма, не для эффекта CAD-агента; обзор — синтез, не первичный эксперимент. Веб-страница PubMed вернула техническую заглушку; численные результаты не цитируются. Старые decision-support системы отличаются от современных LLM. |
| UNESCO, AI competency frameworks for students and teachers, 03.09.2024; страница обновлена 27.10.2026; рамка для учащихся | Прочитанная официальная страница выделяет human-centred mindset, этику, техники/применения ИИ и проектирование систем; ИИ должен поддерживать, а не подменять человеческие решения. | C: первичный нормативно-методический источник, не эксперимент эффективности и не специальная рубрика CAD. |
| TEQSA, Assessment reform for the age of artificial intelligence, сентябрь 2023 | Рамка реформирования оценивания в эпоху ИИ — полезный институциональный ориентир для сочетания разрешенного ИИ и надежных свидетельств освоения. | C: не RCT устной защиты. PDF найден, HTML сайта вернул 403; ниже предложен собственный дизайн, а не приписанная TEQSA обязательная формула. |
Предостережение о версии: HTML препринта Shen & Tamkin показывает во внутреннем заголовке дату August 24, 2026, тогда как карточка arXiv датирует v2 01.02.2026. В библиографии зафиксирован идентификатор версии; эту несогласованность не следует скрывать или трактовать как новый отдельный эксперимент.
Чего пока нельзя утверждать
- Краткосрочное ухудшение теста — не доказанная долговременная деградация CAD-компетентности. Для skill erosion нужны исходно освоенные навыки и повторные измерения спустя время; для never-skilling — траектория неосвоения новых навыков.
- Быстрее получить модель, выше оценить удобство или удовлетворенность — не равно освоить инженерное проектирование.
- Объяснение, сгенерированное ИИ, не гарантирует критической проверки: оно тоже может быть правдоподобным и ошибочным.
- Наличие человека «в цикле» недостаточно, если студент не умеет распознать избыточные связи, неустойчивые ссылки, неверный размер или непроизводимую геометрию.
- Поиск не подтвердил, что обучение через автономного агента уже лучше обычного CAD, tutor или преподавателя по delayed transfer. Это главный доказательный пробел, а не повод объявлять технологию бесполезной.
4. Реальные университетские форматы: что подтверждено, а что нет
MIT 2.008 Design and Manufacturing II — весна 2025
Официальный OCW прочитан: undergraduate, преподаватели Jung-Hoon Chun и Josh Ramos; процессы производства, оборудование/управление, системы и design for manufacturing; лабораторные, задания, quizzes и Yo-Yo Project. Это подтверждает связку проектирования с производством, качеством, стоимостью и физическими лабораториями, но не применение автономного CAD-агента и не эффект ИИ. Переносимый формат: оценивается изделие вместе с технологическим процессом и проверкой требований, а не один рендер.
Cornell DEA 6406 / DEA 3306 Generative Design Studio — каталог 2024–2025
Официальный каталог прочитан: весна, 4 credits, S. Kalantari; математика computational design, shape grammar, optimization, evolutionary computing и generative design theory. Команды разрабатывают генеративную систему для совместной работы с человеком; результаты включают визуальное представление, устную презентацию и письменную аргументацию. Это подтвержденный курс generative design, не доказательство курса LLM CAD-agents, не гарантия его проведения именно осенью 2026 и не опубликованный эксперимент учебной эффективности.
ТГУ: существующее, более близкое место встраивания
Практические работы РПД, строки 143–156 уже соединяют цифровую модель, ЕСКД, сборку, спецификацию и изготовление. Рационально добавлять сравнение ручного и агентного процесса в этот контур, а не создавать параллельный coding-agent curriculum. Агентный интерфейс к КОМПАС-3D, лицензии, безопасность автоматизации и возможность журналирования должны быть проверены технически; сам документ их не подтверждает.
5. Предлагаемые учебные форматы CAD-пилота
Все форматы ниже — предложения, требующие пилотирования, а не доказанные учебные эффекты.
| Этап | Работа студента и допустимая роль ИИ | Проверяемое свидетельство |
|---|---|---|
| 1. Основа без делегирования | Восстановить деталь по видам, предсказать сечение, сделать эскиз от руки и в CAD; назвать степени свободы | Самостоятельная диагностика проекций, пространственного мышления и размерных зависимостей; не оценивать скорость кликов как основную компетенцию |
| 2. Constraints clinic | На небольших эскизах находить недоопределенность, противоречивые/избыточные связи. Tutor может задавать вопросы; решение сначала предлагает студент | До запуска решить, что произойдет при изменении размера; затем проверить в CAD и объяснить расхождение |
| 3. Сравнение design intent | Один внешний облик, две разные истории построения; изменить базовый параметр и условия использования | Объяснить порядок операций, базы, ссылки и инварианты; найти хрупкую модель, а не выбрать красивейшую картинку |
| 4. Ограниченный агент | Агент строит простой безопасный учебный компонент в копии проекта; студент утверждает план и ограничения до действий | Native CAD-файл с деревом и ограничениями, состояние до/после, журнал операций, независимые измерения. STEP/STL полезны для обмена, но сами по себе не сохраняют доказательство параметрической истории |
| 5. Red-team review | Преподаватель внедряет одинаковые для вариантов задания дефекты: неверная единица, потерянная связь, несовпадение отверстий, неверный разрез, ошибочная позиция спецификации | Доля обнаруженных ошибок и ложных обвинений, объяснение риска, способ исправления; ИИ-ревью не заменяет индивидуальный поиск |
| 6. Сборка и manufacturing | Сопряжения, зазоры/коллизии, доступность крепежа, ориентация печати, толщина стенок, требования сборки и измерения | Функциональность физического прототипа; реальные размеры против модели; причины отклонений. Условие печати и допуски задает преподаватель, а не галлюцинирующий агент |
| 7. Индивидуальная защита и перенос | Без ИИ объяснить модель; по новому требованию изменить размер/посадку, восстановить ошибку; повторить аналогичную задачу позднее | Незнакомый вариант и отложенная проверка показывают личное освоение, отличное от качества командного артефакта |
Практический объект: гражданский учебный держатель датчика или настольный корпус без летного применения и без опасной нагрузки. Недопустимо автоматически переносить успешную печать в разрешение на эксплуатацию в БАС. Производство, полетная пригодность и безопасность требуют отдельной инженерной приемки.
Минимальная AI literacy непосредственно в CAD
- Отличать mesh, B-rep, параметрическую модель и чертеж; понимать, что сходство силуэта не равно размерной/топологической корректности.
- Задавать единицы, систему координат, базы, диапазоны параметров, ограничения и приемочные проверки; различать требование и догадку агента.
- Читать план операций и журнал инструмента; понимать границы разрешений, остановку, откат и стоимость повторных запусков.
- Проверять ссылки на стандарты по официальному/разрешенному источнику; не принимать сгенерированный номер ГОСТ как доказательство.
- Раскрывать использование ИИ, версии модели/CAD/плагина и существенные исправления; защищать персональные данные, закрытые чертежи и интеллектуальную собственность.
- Распознавать prompt injection из импортированного документа/комментария; данные проекта не должны становиться полномочием исполнять команды.
6. Предложенная рубрика: 100 баллов и обязательная личная проверка
Это авторское предложение для согласования с преподавателями и действующими оценочными материалами. Она оценивает инженерное решение независимо от бренда ИИ. Число запросов, объем сгенерированного кода и «автономность» сами по себе баллов не дают.
| Критерий | Вес | Признаки высокого результата | Признаки недостаточного результата |
|---|---|---|---|
| Требования и design intent | 15 | Проверяемые требования, явные единицы/базы, аргументированные решения и компромиссы | Постановка заменена описанием внешнего вида; неизвестно, какие ограничения обязательны |
| Эскизы и параметрическая история | 20 | Осмысленные связи, управляемые степени свободы, устойчивое перестроение в заданных диапазонах, объяснимый порядок операций | Произвольные фиксирования; потерянные ссылки; правильный единичный снимок, но разрушение при изменении |
| Геометрия, чертеж и документация | 15 | Размеры, виды/разрезы и спецификация согласованы; требования ЕСКД проверены по установленному заданию | Несовместимые модель/чертеж, пропуски размеров, неподтвержденные ссылки на стандарты |
| Сборка и изготовление | 15 | Проверены коллизии, подвижность/сопряжения, зазоры, сборочная последовательность и ограничения выбранной технологии | Печатная форма есть, но сборка/доступ к крепежу/функция не обеспечены |
| Верификация и работа с ошибками | 15 | Независимые приемочные тесты, анализ внедренного дефекта, воспроизводимые измерения и честный отчет о неудачах | «Агент подтвердил» вместо проверки; скрытые отказы; тесты подобраны только под удачный результат |
| Индивидуальная защита и перенос без ИИ | 15 | Объясняет ограничения/историю и самостоятельно вносит новое изменение; восстанавливает ошибку | Пересказывает отчет, не может объяснить зависимости или изменить собственную модель |
| Прозрачность, воспроизводимость и безопасность ИИ | 5 | Указаны версии, разрешения, вклад человека/ИИ, сохранены существенные решения и откаты | Закрытые данные отправлены без основания; недостоверный журнал; непонятно происхождение модели |
Для каждого критерия: 0 — нет проверяемого свидетельства; 1 — существенные ошибки/помощь; 2 — базовый результат с ограничениями; 3 — корректно и самостоятельно; 4 — корректно, устойчиво, аргументированно и проверено на новом случае. Баллы = вес × уровень / 4.
Предлагаемые пороги допуска: личная защита не ниже 2/4; отсутствие нерешенного критического дефекта безопасности/функции; возможность открыть исходную модель и воспроизвести контрольное изменение. Нарушение порога — доработка и повторная проверка, а не автоматическая компенсация красивой презентацией. Юридические/дисциплинарные решения принимаются по правилам университета, не агентом.
Формат защиты, не сводящийся к ловле списывания
10–15 минут на студента, с единым банком сложности: (1) показать замысел и ключевые зависимости; (2) предсказать результат изменения до запуска; (3) выполнить случайно выбранное изменение или диагностику; (4) объяснить альтернативу и производственный компромисс. Для командного проекта каждому задаются индивидуальные вопросы, включая стык его детали с соседней. Доступны согласованные адаптации для инвалидности и языковых особенностей; оценивается инженерное понимание, не артистизм речи. Запись/хранение — только по установленным правилам. Рубрика и образец защиты публикуются заранее. Устная защита сама по себе не доказывает долговременное обучение и не заменяет продуктовые испытания.
7. Как получить локальные доказательства вместо обещаний
Исследовательский вопрос: помогает ли ограниченный CAD-агент получить лучший проект без потери самостоятельной способности понимать и изменять параметрическую модель?
- Дизайн: при достаточной численности случайное распределение с учетом исходных CAD/пространственных навыков: обычный CAD; CAD + tutor/подсказки; CAD + ограниченный агент. Одинаковые время, инструкции, задачи, базовая помощь преподавателя и доступ к оборудованию. При малой группе — пилот осуществимости без громких причинных выводов; crossover требует учитывать перенос навыка между условиями.
- До обучения: самостоятельная пространственная задача и чтение эскиза/истории, исходный опыт и доступность инструмента. Не делать демографические различия объяснением без анализа условий обучения.
- Главные outcomes: индивидуальная задача без ИИ на новом варианте сразу и через 2–4 недели; устойчивость модели после изменения параметров; обнаружение заранее внедренных дефектов; объяснение инженерного решения. Срок 2–4 недели — предложенный пилотный интервал, не стандарт из источников.
- Вторичные: качество артефакта с ИИ, трудозатраты студента и преподавателя, число отказов, стоимость доступа, доля потребовавших ручного восстановления. Удовлетворенность — отдельно от освоения.
- Независимые проверяющие по возможности не знают условие; часть работ оценивается двумя преподавателями с калибровкой рубрики. До сбора данных фиксируются основные показатели, исключения, missing data и план анализа; публикуются эффекты с интервалами, а не только p-values.
- Не смешивать «агент создал», «студент проверил» и «студент научился». Журнал действий подтверждает процесс лишь частично; компетентность устанавливает новая самостоятельная задача.
- Условия остановки: несанкционированная передача данных, неконтролируемые действия, отсутствие надежного отката, массовая невозможность восстановить модель, неприемлемая нагрузка на сопровождение. Доступ к реальному оборудованию агенту не выдается по умолчанию.
8. Поисковая прозрачность и ограничения отчета
Искались сочетания CAD/agents/education; spatial reasoning, sketch constraints, parametric design, design intent; результаты обучения с AI; automation bias; oral assessment; официальные университетские курсы и рамки UNESCO/TEQSA. Приоритет — статья авторов, издатель, официальный каталог, регулятор; рекламные статьи не использовались как доказательство результата. Встреченный Autodesk-блог Teaching Design the Generative Way вернул 403 и не включен в эмпирическую базу. Отчет EDGE найден в PDF, но извлечение не поддержано; ему не приписываются прочитанные выводы.
Полностью доступны и прочитаны: Shen & Tamkin (HTML), авторский исследовательский отчет Anthropic, официальные страницы UNESCO, MIT и Cornell; локальный контекст и релевантные строки РПД. Для Sorby доступна только авторская аннотация в ERIC. Доступ к полным текстам PNAS, Nature, TEQSA и содержанию PubMed был ограничен; это отражено в силе утверждений. Систематический обзор automation bias включен как вторичный синтез, остальные ключевые эмпирические позиции — первичные работы, но неполная доступность не замаскирована. Отчет не претендует на PRISMA-обзор и не устанавливает исчерпывающую библиографию CAD-agent education на дату среза.
Итог для решения: внедрять не «автономного конструктора вместо обучения», а контролируемое сравнение способов проектирования в существующем контуре КОМПАС-3D → чертеж/ЕСКД → сборка → изготовление → защита. Сохранить самостоятельные упражнения на пространственные представления, ограничения и параметрические изменения. Доказательством успеха считать улучшение проверяемого проекта вместе с сохранением/ростом индивидуального переноса, а не скорость генерации модели.