Qué pasó
- Cinco autores, entre ellos Yue Zhang y Jilei Sun, publicaron el 5 de noviembre de 2026 en arXiv PCBRouteAgent, un agente multimodal que enruta placas de circuito impreso.
- Enrutar una placa exige coordinar decisiones de conectividad en el nivel de la placa con una ejecución geométrica que respete reglas estrictas de diseño. Los agentes recientes pueden manejar herramientas nativas de enrutamiento, pero hacerlo bien en placas complejas sigue siendo difícil.
- El sistema se inspira en cómo los ingenieros combinan una estrategia global con una ejecución local. Un planificador global usa imágenes de la placa e información eléctrica y geométrica para fijar la topología, el orden y los pasillos de enrutamiento y las transiciones entre capas.
- Un ejecutor detallado lleva esas guías al motor de enrutamiento nativo de KiCad y hace recuperaciones locales acotadas.
Por qué importa
- Enrutar placas es una tarea larga en el diseño electrónico, y automatizarla de forma confiable sería útil para equipos pequeños.
- El diseño separa el qué del cómo: el planificador decide la estrategia y el ejecutor la realiza con una herramienta que ya existe, en lugar de dibujar pistas a ciegas.
- Los fallos no se pierden: se devuelven como retroalimentación estructurada para revisar solo las guías afectadas y conservar las rutas ya aceptadas.
El dato
100%, 94,9%, 100% y 40%. Son las tasas de placas sin fallas que logró en los cuatro conjuntos de prueba de PCBWorld-Bench, llamados D2, D3-A, D3-B y D3-C, sobre un total de 247 placas sintéticas y reales.
Contexto
En los tres subconjuntos de placas reales, PCBRouteAgent superó al mejor método de comparación evaluado por 13,9, 36 y 10 puntos porcentuales en la tasa de placas sin fallas, según el resumen del artículo.
La cifra de 40% en D3-C marca el límite actual: en el conjunto más difícil, el agente deja sin resolver más de la mitad de las placas. El resumen no describe qué hace tan complejo a ese conjunto ni cuántas placas tiene, por lo que la comparación entre conjuntos debe leerse con cautela.
Se trata, además, de una preimpresión sin revisión de pares y de resultados obtenidos por los propios autores sobre un banco de pruebas que ellos mencionan. Una evaluación independiente con placas de otros equipos daría una imagen más completa.
En Mamífero seguimos cómo los agentes entran a tareas técnicas. Contamos que ThinkingBox premia al agente por la base de datos que deja y que GitHub Copilot suma proyectos con varios agentes y control de aplicaciones. También que los modelos predicen qué encargos logrará un agente solo si saben sus límites y que Bosch separará sus chips en una división propia.
Qué viene
- Falta una evaluación independiente en placas de otros equipos y herramientas.
- El resultado de 40% en D3-C indica dónde está el trabajo pendiente.
- Los autores no informan en el resumen si publicarán el código.
Cierre
Un agente que planifica como un ingeniero y ejecuta con la herramienta de siempre resuelve casi todo lo fácil y menos de la mitad de lo difícil. La distancia entre ambos números es la que importa.
Fuentes
- Zhang, Y., Sun, J., Jing, L., Wei, Y., Yang, R., “PCBRouteAgent: How Close Are LLM Agents to Becoming PCB Routing Engineers?”, arXiv, 5 de noviembre de 2026, 2611.08175. Preimpresión sin revisión de pares; la nota se basa en el resumen.
- Imagen de portada: DiscoA340, CC0, vía Wikimedia Commons
Editado por Rodrigo Cornejo. Quiénes escriben las notas
