От абстрактных сеток к реальным EDA-инструментам
Традиционные методы автоматизации проектирования печатных плат (PCB) опираются на жесткие правила, тогда как методы на основе обучения с подкреплением (RL) часто уступают им в эффективности. Команда исследователей во главе с Хёнсеком Сонгом представила PCBWorld — первую открытую среду, где ИИ-агенты учатся трассировке плат, взаимодействуя напрямую с движком KiCad EDA.
В отличие от предыдущих подходов, где агенты оперировали абстрактными сетками, PCBWorld позволяет агентам использовать нативные операции движка и получать обратную связь через встроенную проверку правил проектирования (DRC). Это делает процесс обучения максимально близким к работе инженера-человека.
Данные и бенчмарк PCBWorld-Bench
Для оценки качества работы агентов разработан набор данных PCBWorld-Bench. Он включает 679 реальных открытых плат в нативном формате KiCad (.kicad_pcb), а также синтетические экземпляры. Оценка производится по восьми метрикам, проверяемым самим движком KiCad, что исключает субъективность и гарантирует техническую корректность результата.
Результаты: RL обходит LLM и приближается к rule-based
Эксперименты показали, что агенты, обученные в PCBWorld, стабильно превосходят базовые модели с открытым циклом (open-loop LLM) и политики RL, использующие сеточные действия. Ключевым достижением стала способность RL-политики, обученной исключительно на синтетических данных, переносить навыки на реальные платы (zero-shot transfer) и приближаться к эффективности классических rule-based маршрутизаторов.
| Метрика / Характеристика | Значение / Описание |
|---|---|
| Движок симуляции | KiCad EDA (нативные операции и DRC) |
| Размер датасета | 679 реальных открытых плат + синтетические данные |
| Формат данных | .kicad_pcb (нативный формат KiCad) |
| Метрики оценки | 8 параметров, проверяемых движком KiCad |
| Ключевой результат | Zero-shot transfer с синтетики на реальные платы |
Значение для индустрии
Работа, принятая к публикации на KDD 2026 Workshop on Evaluation and Trustworthiness of Agentic AI, демонстрирует, что интерактивный подход с использованием реальных инженерных инструментов является перспективным фундаментом для развития автономных агентов. Это открывает путь к созданию ИИ-ассистентов, способных не просто генерировать схемы, но и валидировать их в реальных условиях проектирования.
Источник: arXiv cs.AI ↗