开源PCBWorld环境发布：让强化学习与LLM代理在KiCad引擎内完成PCB布线
PCBWorld基于KiCad EDA引擎构建，配合PCBWorld-Bench提供3个数据集、679块真实开源板卡和8项引擎校验的评估指标。实验显示，仅用合成板训练的RL策略可零样本迁移到真实板卡，性能接近基于规则的布线器。
AI解读：PCB布线长期由基于规则的软件主导，学习型方法进展缓慢，主要原因是缺少一个符合工业实际、能给出明确反馈的训练环境。PCBWorld基于开源EDA引擎KiCad构建，让AI代理像人类工程师一样，通过引擎原生操作和设计规则检查（DRC）反馈来逐条完成布线，而非依赖简化网格动作。对研究者和工具开发者而言，它的直接价值是提供了统一评估基准：PCBWorld-Bench包含3个板卡数据集、两个可控制的合成生成器、679块真实开源板卡，并用8项引擎校验指标评分任何完整布线方案。论文称，纯合成板训练的强化学习策略能零样本迁移到真实板卡，效果接近传统规则布线器。这意味着一套在低成本合成数据上训练的模型，可能替代部分人工调参工作；但结果来自论文实验，还需独立复现。对于普通AI工程师，该工作不是可直接落地的工具，而是芯片/电路板自动化设计研究方向的基础设施，短期内不会改变现有PCB设计流程。
韩国研究团队在arXiv发表论文，介绍开源PCB布线环境PCBWorld。环境构建在电子设计自动化（EDA）引擎KiCad之上，支持强化学习（RL）与工具调用型大语言模型（LLM）代理，代理通过引擎原生操作和设计规则检查（DRC）反馈来交互式完成布线。
与PCBWorld一同提供基准测试PCBWorld-Bench，包含三个以原生.kicad_pcb格式提供的板卡数据集、两个可控合成生成器以及679块真实开源板卡，独立于布线方法，用八项引擎校验的评估指标为任何完成的板卡评分。
论文实验结果显示，PCBWorld中的代理一致优于网格动作RL策略和开环LLM基线；仅用合成板训练的RL策略零样本迁移到真实板卡时，性能接近基于规则的布线器。该论文已被KDD 2026 Workshop接收（非存档）。