Robottitoimitusten akatemia

Robottitoimitusten akatemia

Koulutatte toimitusrobottia 8 × 8 solusta koostuvalla kaupunkikartalla. Jokaisessa jaksossa robotti aloittaa vapaasta solusta, saavuttaa varaston, jossa paketti sijaitsee, noutaa sen, siirtyy toiseen varastoon — määränpäähän — ja toimittaa sen. Jokainen kartta sisältää kuusi varastoa ja kahdeksan estettyä solua.

Tavoitteena on oppia robotin käyttäytyminen tarkoituksella pienestä määrästä asiantuntijademonstraatioita. Tämä on käyttäytymisen kloonaus -ongelma: koulutatte mallin havainto/toiminto-esimerkeillä ja suoritatte sitä sitten vaihe vaiheelta uusissa jaksoissa.

Ympäristö

Varastot on indeksoitu 0..5 ja merkitty A..F. Jakso päättyy onnistuneesti, kun robotti suorittaa kelvollisen dropoff-toiminnon määränpäässä kantaessaan pakettia. Enintään 120 actions-toimintoa sallitaan.

Liikkuminen seinää päin tai kartan ulkopuolelle ei muuta robotin sijaintia, mutta kuluttaa yhden vaiheen. pickup onnistuu vain paketin varastolla, kun robotti ei vielä kanna pakettia. dropoff onnistuu vain määränpäässä, kun robotti kantaa pakettia. Virheellinen pickup tai dropoff ei muuta state-arvoa ja kuluttaa yhden vaiheen.

Havainto

Jokainen koulutushavainto sisältää:

• grid: float32-tensorin, jonka muoto on (6, 8, 8);
• vector: 13 normalisoitua numeerista arvoa;
• action_mask: kuusi totuusarvoa, jotka ilmaisevat kelvolliset actions-toiminnot;
• state: (row, column, package_field, destination).

grid-tensorin kanavat kuvaavat:

1. seiniä;
2. kaikkia varastoja;
3. robotin sijaintia;
4. paketin sijaintia, jolloin kanava on tyhjä pakettia kannettaessa;
5. määränpäätä;
6. kantamisen ilmaisinta, joka toistetaan koko kartalla.

vector sisältää järjestyksessä robotin normalisoidun rivin ja sarakkeen, pakettikentän, määränpään, kantamisen ilmaisimen, nykyisen kohteen rivin ja sarakkeen, erot kohteeseen nähden ja sen jälkeen neljä estetyn liikkeen ilmaisinta järjestyksessä etelä, pohjoinen, itä, länsi.

Tiedot

Julkinen tietoaineisto sisältää:

• 400 onnistunutta asiantuntijademonstraatiota, joissa on 5,327 merkittyä vaihetta;
• 200 validointiskenaariota ilman asiantuntijan actions-toimintoja;
• 1,600 testiskenaariota ilman asiantuntijan actions-toimintoja.

Alustan paketti käyttää tietomuotoa JSON ja turvallisia NumPy-taulukoita kielen Python pickle-tiedostojen sijaan. Tarkat nimet ja latauskoodi ovat tiedostossa starter_kit.py. Ladatkaa NumPy-tiedostot asetuksella allow_pickle=False.

Jokainen layout_id on yhteinen neljälle jaksolle. Yksilöllinen avain on aina:

1(layout_id, episode_seed)

Tehtävä

Kouluttakaa deterministinen malli, joka ennustaa seuraavan toiminnon nykyisestä havainnosta. Suorittakaa malli kokonaisilla jaksoilla ja luokaa yksi toimintojono kutakin testiskenaariota varten.

Voitte käyttää annettuja demonstraatioita koulutukseen. Ette saa hankkia asiantuntijatunnisteita validointi- tai testijoukoille ettekä luoda uusia asiantuntijademonstraatioita haun, suunnittelun tai toisen asiantuntijamallin avulla. Tieteellinen komitea voi tarkastaa sääntöpohjaiset tai nimenomaisesti kovakoodatut ratkaisut. Järjestäjät voivat pyytää lähetyksen tuottamiseen käytetyn notebookin tai lähdekoodin.

Lähetysmuoto

Lähettäkää predictions.zip-niminen ZIP-arkisto, jonka juuressa on täsmälleen yksi tiedosto: predictions.json.

Tiedoston on sisällettävä täsmälleen 1,600 objektin JSON-taulukko, yksi objekti kutakin testijaksoa varten:

1[2  {"layout_id":"test_0000","episode_seed":300000,"actions":[1,1,2,4,0,5]}3]

Vaatimukset:

• jaksot yhdistetään käyttämällä arvoa (layout_id, episode_seed), ei rivijärjestyksen perusteella;
• jokaisen jakson on esiinnyttävä täsmälleen kerran;
• tuntemattomia tai päällekkäisiä avaimia ei sallita;
• actions-arvon on oltava JSON-luettelo kokonaisluvuista — ei totuusarvoista — välillä 0–5;
• jokainen luettelo saa sisältää enintään 120 actions-toimintoa;
• ennusteiden tuottamisen on oltava determinististä.

Virheelliset arkistot tai puutteelliset lähetykset hylätään.

Arviointi

Mittari on jaksojen onnistumisaste:

1SR = successful deliveries / evaluated episodes2score = 100 × SR

Osapisteitä ei anneta paketin saavuttamisesta, lähemmäs kohdetta pääsemisestä tai vähäisemmän vaihemäärän käyttämisestä.

Alustan tulostaulukkoa varten testikartat jaetaan deterministisesti:

• reaaliaikainen/osittainen tulostaulukko: 80 karttaa, 320 jaksoa;
• lopullinen/täysi tulostaulukko: 320 karttaa, 1,280 jaksoa.

Kilpailun aikana näytetään osittainen pistemäärä, kun taas lopullinen tulostaulukko käyttää koko joukkoa. Kuulumista kahteen osajoukkoon ei sisällytetä julkisiin tietoihin. Keskimääräinen vaiheiden määrä ja virheelliset pickup-/dropoff-yritykset voivat näkyä arvioijan lokeissa, mutta ne eivät vaikuta pistemäärään.

Lähdemaininta

Mukautettu teoksesta ”Robottitoimitusten akatemia: valmennusohjelma” (IOAI 2026, Home Task 2). Turvallinen dataesitys, validointisäännöt, tulostaulukon jako ja arvioija ovat mukautuksia MLCompete-alustaa varten.