論文の概要: PCBRouteAgent: How Close Are LLM Agents to Becoming PCB Routing Engineers?

• arxiv url: http://arxiv.org/abs/2611.08175v1
• Date: Thu, 05 Nov 2026 15:31:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.563829
• Title: PCBRouteAgent: How Close Are LLM Agents to Becoming PCB Routing Engineers?
• Title（参考訳）: PCBRouteAgent: LLMエージェントはPCBルーティングエンジニアになるにはどれくらい近いのか?
• Abstract要約: PCBRouteAgentは、ヒューマンエンジニアがグローバル戦略とローカル実行を協調する方法に触発されたPCBルーティングエージェントである。 詳細なルーティング実行器は、KiCadのネイティブルーティングエンジンを通じてこれらのガイドを実現する。 PCBRouteAgentは、D2、D3-A、D3-B、D3-Cで100%、94.9%、100%、40%のクリーンパス率を達成する。
• 参考スコア（独自算出の注目度）: 12.232678800797443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automating printed circuit board (PCB) routing requires coordinating board-level connectivity decisions with geometric execution under strict design rules. Although recent agents can interact with native routing tools, reliable routing on complex boards remains challenging. We present PCBRouteAgent, a multimodal PCB routing agent inspired by how human engineers coordinate global strategy with local execution. A Global Routing Planner combines board images and structured electrical and geometric information to specify connection topology, routing order, corridors, and layer transitions. A Detailed Routing Executor realizes these guides through KiCad's native routing engine and performs bounded local recovery. Unresolved failures are returned as structured feedback, enabling targeted guide revisions while preserving accepted routes. We evaluate PCBRouteAgent on 247 synthetic and real-world boards from four PCBWorld-Bench test splits. It achieves clean-pass rates of 100%, 94.9%, 100%, and 40% on D2, D3-A, D3-B, and D3-C, respectively. On the three real-world subsets, PCBRouteAgent outperforms the best evaluated baseline in clean-pass rate by 13.9, 36, and 10 percentage points, respectively.
• Abstract（参考訳）: プリント基板(PCB)ルーティングの自動化には、厳密な設計規則の下での幾何学的実行とボードレベルの接続決定の調整が必要である。 最近のエージェントはネイティブなルーティングツールと対話できるが、複雑なボード上の信頼性の高いルーティングは依然として難しい。 そこで本研究では,マルチモーダルPCBルーティングエージェントであるPCBRouteAgentについて紹介する。 Global Routing Plannerは、ボードイメージと構造化された電気的および幾何学的な情報を組み合わせて、接続トポロジ、ルーティング順序、回廊、層遷移を指定する。 詳細なルーティング実行者は、これらのガイドをKiCadのネイティブルーティングエンジンを通じて実現し、バウンダリされたローカルリカバリを実行する。 未解決の障害は構造化されたフィードバックとして返される。 4つのPCBWorld-Benchテスト分割から,PCBRouteAgentを247個の合成および実世界の基板上で評価した。 D2、D3-A、D3-B、D3-Cでは100%、94.9%、100%、40%のクリーンパス率を達成する。 実世界の3つのサブセットにおいて、PCBRouteAgentは、それぞれ13.9、36、および10のパーセンテージで評価されたベースラインを上回っている。

関連論文リスト

• LayerRoute: Adaptive Layer-Skipping with LoRA-Preserved Quality for Efficient LLM Inference [0.0]
  LayerRouteは適応トランス層スキッピングのためのパラメータ効率のよい手法である。 層間ハードゲートルーティングとジョイントLoRAファインチューニングを組み合わせる。 列車はA100で7分以下で運行され、オーバーヘッドは無視できる。
  論文  参考訳（メタデータ） (2026-09-12T03:30:59Z)
• 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)
• TRACE-ROUTER: Task-Consistent and Adaptive Online Routing for Agentic AI [8.291830023781403]
  本稿では,タスクレベルのルーティングフレームワークであるTRACEについて述べる。 タスクの遅延フィードバックを活用することで、TRACEはワークロードに適応するルーティングポリシを学ぶ。 精度にマッチしたトレードオフを継続的に改善し、非レイテンシフロンティアポイントを達成します。
  論文  参考訳（メタデータ） (2026-07-24T16:29:06Z)
• PCBWorld: A Benchmark Environment for Engine-Grounded PCB Design Automation [4.649791948371857]
  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。
  論文  参考訳（メタデータ） (2026-07-07T07:09:46Z)
• Agent-as-a-Router: Agentic Model Routing for Coding Tasks [54.00153674547733]
  Agent-as-a-router (AC)はC-A-Fループとしてルーティングを形式化する(Context->Action->FeedbackContext) ACは、分配タスクに対する最小の累積後悔を達成し、配布外エージェントプログラミングタスクに一般化する。
  論文  参考訳（メタデータ） (2026-06-22T06:37:31Z)
• 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)

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。