論文の概要: PCBWorld: A Benchmark Environment for Engine-Grounded PCB Design Automation

• arxiv url: http://arxiv.org/abs/2607.05915v1
• Date: Tue, 07 Jul 2026 07:09:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.429592
• Title: PCBWorld: A Benchmark Environment for Engine-Grounded PCB Design Automation
• Title（参考訳）: PCBWorld: エンジン周囲のPCB設計自動化のためのベンチマーク環境
• Abstract要約: PCBWorld(PCBWorld)は、KiCad EDAエンジン上に構築されたオープンソースのエンジンベースPCBルーティング環境である。 PCBWorldのエージェントは、デザインルールチェック(DRC)フィードバックを使用して、エンジンのネイティブ操作を通じてボードをインタラクティブにルーティングし、ルーティングを設計ルール内に保持する。
• 参考スコア（独自算出の注目度）: 4.649791948371857
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: PCB routing is the task of connecting the nets of a board with copper traces under strict design rules, yet learning-based methods still lag behind rule-based routers. We introduce PCBWorld, an open-source engine-grounded PCB routing environment built on the KiCad EDA engine. As a human engineer does, agents in PCBWorld interactively route a board through the engine's native operations, using its Design Rule Check (DRC) feedback to keep the routing within the design rules. The environment supports both RL policies and tool-using LLM agents. Alongside the environment, PCBWorld-Bench provides three dataset families in KiCad's native board format (.kicad_pcb), covering two types of controllable synthetic instances and 679 real open-source boards. It scores any completed board with eight engine-checked evaluation metrics, regardless of the routing method. In our experiments, agents in PCBWorld consistently outperformed grid-action RL policies and open-loop LLM baselines, and an RL policy trained only on synthetic boards transferred zero-shot to real boards, approaching rule-based routers. These results position the engine-grounded, interactive approach of PCBWorld as a promising foundation for advancing the routing ability of both RL and LLM agents.
• Abstract（参考訳）: PCBルーティングは、厳密な設計規則の下でボードのネットと銅のトレースを接続するタスクである。 本稿では,KiCad EDAエンジン上に構築されたPCBルーティング環境であるPCBWorldを紹介する。 人間のエンジニアが行うように、PCBWorldのエージェントは、デザインルールチェック(DRC)フィードバックを使用して、ボードをエンジンのネイティブ操作を通してインタラクティブにルーティングする。 環境はRLポリシーとツール使用LLMエージェントの両方をサポートしている。 環境に加えて、PCBWorld-Benchは、KiCadのネイティブボードフォーマット(.kicad_pcb)の3つのデータセットファミリを提供する。 ルーティング方法にかかわらず、8つのエンジンチェックされた評価指標で完成したボードをスコア付けする。 我々の実験では、PCBWorldのエージェントはグリッドアクションRLポリシーとオープンループLLMベースラインを一貫して上回り、RLポリシーはゼロショットを実際のボードに転送し、ルールベースのルータに近づいた。 これらの結果は,PCBWorldのエンジン接地型対話型アプローチを,RLエージェントとLLMエージェントの両方のルーティング能力向上のための有望な基盤として位置づけている。

関連論文リスト

• OmniRouting: A Semantic-Coupled Multimodal Benchmark for Constraint-Aware Spatial Reasoning in PCB Routing [20.15982786578097]
  OmniRoutingは,プリント回路基板(PCB)のルーティング推論において,大規模言語モデル(LLM)を評価するために設計された,最初の大規模ベンチマークである。 OmniRoutingには1,681の産業用グレードのスキーマ結合型PCB設計が含まれており、ボードジオメトリー、人間のエンジニアによる不安定なコンポーネント配置、フットプリント、パッド位置、ネットリスト、スタックアップ情報、ルーティング制約が含まれている。 その結果,PCBルーティングにおける現在のLMMには,経路計画能力の弱さ,設計ルール制約への順応性の低下,電気的機能維持の不整合性など,かなりの制限があることが明らかとなった。
  論文  参考訳（メタデータ） (2026-08-05T04:24:51Z)
• pcbGPT: Automatic PCB Schematic Synthesis from Natural Language Requirements [5.338311084575534]
  自然言語仕様から編集可能なKiCadスキーマを生成するシステムであるpcbGPTを提案する。 参照実装,要求コンポーネント,インターフェース制約を備えた20個の組込みタスクに対して,本システムの評価を行った。
  論文  参考訳（メタデータ） (2026-05-31T12:07:50Z)
• Policy-Governed LLM Routing with Intent Matching for Instrument Laboratories [0.0]
  RoutiiumはOpenAI互換のゲートウェイで、複数のLLMバックエンドを管理する。 Eduは、ラベルごとの予算、承認、埋め込みベースの質問マッチングを強制するポリシー対応のルーティングサービスである。
  論文  参考訳（メタデータ） (2026-04-03T15:36:29Z)
• The Workload-Router-Pool Architecture for LLM Inference Optimization: A Vision Paper from the vLLM Semantic Router Project [30.96691028676722]
  vLLM Semantic Routerプロジェクトは、信号駆動ルーティング、コンテキスト長プールルーティング、ルータパフォーマンスエンジニアリング、ポリシー競合検出、低レイテンシ組み込みモデル、カテゴリ認識セマンティックキャッシング、ユーザフィードバック駆動ルーティング適応、幻覚検出、プライバシーとジェイルブレイク保護のための階層的コンテンツ安全分類を対象とする一連の作業をリリースした。 本稿では,LLM推論最適化のための3次元フレームワークであるWorkload-Pool-Poolアーキテクチャについて述べる。
  論文  参考訳（メタデータ） (2026-03-22T18:30:11Z)
• Relatron: Automating Relational Machine Learning over Relational Databases [50.94254514286021]
  本稿では, RDL と DFS を共有設計空間に統合し, 多様な RDB タスクを対象としたアーキテクチャ中心の検索を行う。 RDLはDFSを一貫して上回り、高いタスク依存性を持つ。(2)タスク全体において単一のアーキテクチャが支配的であり、タスク認識モデル選択の必要性を強調し、精度は選択アーキテクチャの信頼性の低いガイドである。
  論文  参考訳（メタデータ） (2026-02-26T02:45:22Z)
• A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
  本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。 提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
  論文  参考訳（メタデータ） (2026-02-11T10:02:31Z)
• PCBSchemaGen: Constraint-Guided Schematic Design via LLM for Printed Circuit Boards (PCB) [4.9615245990668795]
  プリント回路基板(PCB)のアーキテクチャ設計は、電子産業のあらゆる分野において重要な役割を担っている。 LLMエージェントと制約合成を組み合わせたPCBスキーマ設計のための最初のトレーニングフリーフレームワークであるPCBGenを紹介する。 その結果,PCBGenは設計精度と計算効率を大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2026-01-31T04:39:43Z)
• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)
• RCR-Router: Efficient Role-Aware Context Routing for Multi-Agent LLM Systems with Structured Memory [57.449129198822476]
  RCRは、マルチエージェント大言語モデル(LLM)システムのためのロールアウェアコンテキストルーティングフレームワークである。 役割とタスクステージに基づいて、各エージェントに対して意味的に関連するメモリサブセットを動的に選択する。 軽量スコアリングポリシは、メモリ選択をガイドし、エージェント出力を共有メモリストアに統合する。
  論文  参考訳（メタデータ） (2025-08-06T21:59:34Z)
• LLM-Based Emulation of the Radio Resource Control Layer: Towards AI-Native RAN Protocols [28.04609776570199]
  大型AIモデル(LAM)はAI-Native Air Interface(AI-AI)の重要な実現要因である 本稿では,デコーダのみのLAMを用いた無線リソース制御層の最初の標準準拠エミュレーションを提案する。 その結果,LSMをプロトコル対応推論で拡張すると,制御プレーンの手順を直接オーケストレーションできることがわかった。
  論文  参考訳（メタデータ） (2025-05-22T15:55:56Z)
• Learning to Route for Dynamic Adapter Composition in Continual Learning with Language Models [56.93608812478369]
  本稿では,新たなPEFTモジュールのトレーニングを分離し,タスクの専門化を保証する手法であるL2Rを提案する。 その後、L2Rは学習したモジュールを学習し、以前見たタスクの例を含む小さなメモリを利用するルータのネットワークをトレーニングする。 その結果,L2RはPEFTモジュールの効率的な構成を提供し,他の手法と比較して一般化と性能が向上した。
  論文  参考訳（メタデータ） (2024-08-16T23:57:29Z)
• Perimeter Control with Heterogeneous Metering Rates for Cordon Signals: A Physics-Regularized Multi-Agent Reinforcement Learning Approach [12.86346901414289]
  過飽和環境下での都市道路網の制御に対処するための周辺制御(PC)戦略が提案されている。 本稿では,MARL(Multi-Agent Reinforcement Learning)に基づく交通信号制御フレームワークを活用し,PC問題を分解する。 MARLフレームワークの物理正則化手法は,分散コードン信号制御装置がグローバルネットワークの状態を認識していることを確実にするために提案される。
  論文  参考訳（メタデータ） (2023-08-24T13:51:16Z)
• NeurIPS 2022 Competition: Driving SMARTS [60.948652154552136]
  ドライビングSMARTSは、動的相互作用コンテキストにおける分散シフトに起因する問題に対処するために設計された定期的な競争である。 提案するコンペティションは,強化学習(RL)やオフライン学習など,方法論的に多様なソリューションをサポートする。
  論文  参考訳（メタデータ） (2022-11-14T17:10:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。