OmniLayout

OmniLayout是由宾夕法尼亚州立大学等机构联合创建的首个大规模原理图耦合PCB布局基准数据集，旨在评估大语言模型在真实几何与电气约束下的布局推理能力。该数据集包含1681个工业级PCB布局设计，涵盖7.7万个组件实例、16.9万个焊盘及13.9万个网络连接，数据来源于SparkFun等开源硬件平台的EAGLE设计文件，通过自动化解析流程提取结构化标注。其核心应用于电子设计自动化领域，专门为解决高密度组件在严格空间与功能约束下的布局优化问题，推动智能EDA工具的发展。OmniLayout is the first large-scale schematic-coupled PCB layout benchmark dataset jointly created by The Pennsylvania State University and other institutions. It aims to evaluate the layout reasoning capabilities of large language models (LLMs) under realistic geometric and electrical constraints. This dataset contains 1,681 industrial-grade PCB layout designs, covering 77,000 component instances, 169,000 pads and 139,000 net connections. The data is sourced from EAGLE design files on open-source hardware platforms such as SparkFun, with structured annotations extracted through an automated parsing pipeline. Its core applications are in the field of electronic design automation (EDA), specifically targeting layout optimization problems for high-density components under strict spatial and functional constraints to advance the development of intelligent EDA tools.

搜集汇总

数据集介绍

构建方式

OmniLayout数据集的构建依托于一套可扩展的自动化标注流水线，其核心是从开源硬件平台收集的Autodesk EAGLE XML项目文件中直接解析并提取结构化的布局与原理图信息。针对原理图侧，采用OmniSch渲染引擎从XML文件中恢复层级电路结构，包括符号实例、引脚属性及网络拓扑，并自动生成与像素对齐的符号位置标注。在布局侧，开发了专用的PCB布局渲染引擎，从布局文件中解析出元件实例的参考封装、焊盘几何尺寸、旋转角度及层分配等全方位放置信息，同时通过嵌入的DXF边界图元恢复板框几何形状，并程序化重建布局图。这两条标注流通过共享的元件实例标识符在统一流水线中对齐，自动构建了涵盖空间、可布线性及电气功能维度的成对训练与评估样本，避免了代价高昂的人工标注。

使用方法

OmniLayout数据集主要设计用于评估和推动大型多模态模型在PCB布局放置中的几何推理能力。使用方法涵盖两大类评估场景：一是零样本评估，即将板框边界、网表、元件尺寸等结构化信息连同原理图图像、语义属性或少量示例等辅助信息一并输入给模型，要求其一次性生成端到端的元件放置方案；二是智能体评估，即赋予模型布局可视化、重叠检测和可布线性验证等外部工具，使其在迭代式多轮交互中逐步修正放置位置，直至满足所有几何与电气约束。研究者可以基于此基准，在统一的评价协议下，通过几何重叠面积、半周长线长、布线率、原理图距离等多元化指标，系统衡量模型在空间推理、可布线优化及电气功能保持方面的实际能力。

背景与挑战

背景概述

OmniLayout是由宾夕法尼亚州立大学、上海交通大学、微软研究院等机构的研究人员于2026年推出的首个面向约束感知几何推理的多模态基准数据集。该数据集旨在填补当前大型语言模型在密集物体布局推理方面的空白，聚焦于印刷电路板（PCB）布局放置这一电子设计自动化中的核心难题。OmniLayout包含1,681个工业级、附有原理图的真实PCB布局，涵盖2至8层板，提供77,240个IC及组件放置实例、168,800个焊盘以及139,400条网络连接。该基准通过几何合法性、可布线性、电气功能保持以及工具增强的代理推理四个核心任务，系统性地评估大语言模型在复杂空间约束下进行PCB布局放置的能力，为相关领域提供了一个可复现、标准化的评估平台。

当前挑战

OmniLayout所面对的挑战主要体现在两个维度。在领域问题层面，现有大语言模型在PCB布局放置中存在显著局限：几何推理能力薄弱，频繁出现组件重叠和越界违规；对布线性优化不足，仅将布局视为纯空间打包问题而忽略电路连接；电气功能保持能力差，无法保留原理图定义的子电路空间拓扑关系，平均相似度低于60%。在数据集构建层面，挑战在于：真实PCB设计多为商业机密，现有学术数据集仅包含10至20个封闭样本，无法支撑大规模可复现研究；需要从开源硬件平台海量收集并自动化标注原理图与布局的双模态数据，开发自定义EDA渲染引擎以提取像素级对齐的组件位置、网络连接和板框几何信息，同时还需构建包含空间加权网表的多层次标注体系。

常用场景

经典使用场景

在电子设计自动化（EDA）领域，印刷电路板（PCB）的布局布线环节长期依赖资深工程师的经验与直觉，其设计过程繁复且耗时。OmniLayout数据集横空出世，作为首个针对大规模语言模型（LLMs）在PCB布局几何推理能力上进行系统性评估的基准，其最经典的使用场景在于评测模型在真实世界几何、布线与连通性约束下的组件放置推理能力。通过囊括1681份工业级原理图耦合的PCB布局设计，该基准为研究者提供了一个标准化、可复现的测试平台，用以衡量LLMs在理解并执行高密度、多约束空间排布任务时的根本局限。

解决学术问题

长期以来，学术领域在PCB布局研究上受困于缺乏大规模公开标准数据集，多数方法仅在数十个私有样本上验证，严重阻碍了成果的可复现性与泛化能力。OmniLayout直面这一核心挑战，系统性地解决了LLMs在密集组件放置中几何合法性、可布线性与电气功能一致性三重维度的评测缺失。其精细的标注体系和多维评估协议，使得学术界得以首次量化揭示现有前沿多模态大模型在约束感知空间推理上的薄弱环节，为后续研发更鲁棒、更符合工程实践的EDA智能辅助方法奠定了坚实的量化基础与理论参照。

实际应用

在工程实战中，OmniLayout所定义的任务直接映射到PCB设计自动化工具链的核心环节。该数据集驱动的评估框架可无缝接入工业级EDA工具流程，用于检验并优化自动布局引擎在空间利用率、布线拥塞规避及电路拓扑保持方面的表现。通过模拟真实世界的设计约束，它为商用布局布线软件（如Cadence Allegro与Quilter）以及新兴的基于强化学习或LLM的智能布局代理（如PCBAgent）提供了严苛的测试沙盘。这不仅有助于缩短产品迭代周期，更推动着从完全人工主导的设计范式向人机协同、智能自主的下一代EDA工作流演进。

数据集最近研究

最新研究方向

当前前沿研究方向聚焦于评估大型多模态模型在电子设计自动化领域的几何推理能力，尤其是面向印刷电路板布局的约束感知空间推理。OmniLayout作为首个融合真实工业级原理图与布局的多样化基准，通过精细标注的元件位置、可布线性与电气功能约束，系统揭示了现有前沿模型在密集空间摆放、可布线性优化及电路拓扑保持等方面的显著不足。该基准的发布标志着该领域从封闭小样本评估迈向开放、可复现的大规模标准化评测，为推动具备工程级空间智能的下一代模型发展奠定了关键基础。

相关研究论文

• OmniLayout: A Schematic-Coupled Multimodal Benchmark for Constraint-Aware Geometric Reasoning in PCB Layout

  宾夕法尼亚州立大学; 上海交通大学; 独立研究员; 微软研究院; 宾汉姆顿大学 · 2026年