Akademija robotske dostave

Akademija robotske dostave

Trenirate robota za dostavu na gradskoj karti koja se sastoji od 8 × 8 polja. U svakoj epizodi robot kreće sa slobodnog polja, dolazi do skladišta u kojem se nalazi paket, preuzima ga, odlazi do drugog skladišta — odredišta — i dostavlja ga. Svaka karta sadrži šest skladišta i osam blokiranih polja.

Cilj je naučiti ponašanje robota iz namjerno malog broja stručnih demonstracija. Ovo je problem kloniranja ponašanja: trenirate model na primjerima opažanje/radnja, a zatim ga pokrećete korak po korak u novim epizodama.

Okruženje

Skladišta su indeksirana s 0..5 i označena s A..F. Epizoda uspješno završava kada robot izvede valjanu radnju dropoff na odredištu dok nosi paket. Dopušteno je najviše 120 actions.

Kretanje u zid ili izvan karte ne mijenja položaj robota, ali troši jedan korak. pickup uspijeva samo u skladištu paketa kada robot još ne nosi paket. dropoff uspijeva samo na odredištu kada robot nosi paket. Nevaljani pickup ili dropoff ne mijenja state i troši jedan korak.

Opažanje

Svako opažanje za treniranje sadrži:

• grid: tenzor float32 oblika (6, 8, 8);
• vector: 13 normaliziranih brojčanih vrijednosti;
• action_mask: šest Booleovih vrijednosti koje označavaju valjane actions;
• state: (row, column, package_field, destination).

Kanali tenzora grid predstavljaju:

1. zidove;
2. sva skladišta;
3. položaj robota;
4. položaj paketa, s praznim kanalom dok se paket nosi;
5. odredište;
6. pokazatelj nošenja, ponovljen preko cijele karte.

vector sadrži redom: normalizirani redak i stupac robota, polje paketa, odredište, pokazatelj nošenja, redak i stupac trenutačnog cilja, razlike u odnosu na cilj, a zatim četiri pokazatelja blokiranog kretanja redom jug, sjever, istok, zapad.

Podaci

Javni skup podataka sadrži:

• 400 uspješnih stručnih demonstracija koje sadrže 5,327 označenih koraka;
• 200 validacijskih scenarija bez stručnih actions;
• 1,600 testnih scenarija bez stručnih actions.

Paket platforme koristi JSON i sigurne NumPy nizove umjesto Python pickle datoteka. Točne nazive i kôd za učitavanje potražite u starter_kit.py. NumPy datoteke učitajte s allow_pickle=False.

Svaki layout_id dijele četiri epizode. Jedinstveni ključ uvijek je:

1(layout_id, episode_seed)

Zadatak

Istrenirajte deterministički model koji predviđa sljedeću radnju iz trenutačnog opažanja. Pokrenite model kroz cijele epizode i generirajte po jedan slijed radnji za svaki testni scenarij.

Za treniranje možete koristiti dostavljene demonstracije. Nije vam dopušteno dobivati stručne oznake za validacijske ili testne skupove niti generirati dodatne stručne demonstracije pretraživanjem, planiranjem ili drugim stručnim modelom. Rješenja temeljena na pravilima ili izričito tvrdo kodirana rješenja može pregledati Znanstveni odbor. Organizatori mogu zatražiti notebook ili izvorni kôd upotrijebljen za generiranje predaje.

Format predaje

Predajte ZIP arhivu naziva predictions.zip koja u korijenu sadrži točno jednu datoteku: predictions.json.

Datoteka mora sadržavati JSON niz s točno 1,600 objekata, po jedan za svaku testnu epizodu:

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

Zahtjevi:

• epizode se uparuju pomoću (layout_id, episode_seed), a ne prema redoslijedu redaka;
• svaka se epizoda mora pojaviti točno jednom;
• nepoznati ili duplicirani ključevi nisu dopušteni;
• actions mora biti JSON popis cijelih brojeva — ne Booleovih vrijednosti — između 0 i 5;
• svaki popis može sadržavati najviše 120 actions;
• generiranje predviđanja mora biti determinističko.

Nevaljane arhive ili nepotpune predaje odbijaju se.

Evaluacija

Metrika je stopa uspješnosti epizoda:

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

Ne dodjeljuju se djelomični bodovi za dolazak do paketa, približavanje cilju ili korištenje manjeg broja koraka.

Za ljestvicu platforme testne se karte dijele deterministički:

• ljestvica uživo/djelomična: 80 karata, 320 epizoda;
• konačna/potpuna ljestvica: 320 karata, 1,280 epizoda.

Tijekom natjecanja prikazuje se djelomični rezultat, dok konačna ljestvica koristi cijeli skup. Pripadnost dvama podskupovima nije uključena u javne podatke. Prosječan broj koraka i nevaljani pokušaji pickup/dropoff mogu se pojaviti u zapisnicima evaluatora, ali ne utječu na rezultat.

Pripisivanje

Prilagođeno prema „Akademija robotske dostave: pripremni program” (IOAI 2026, Home Task 2). Siguran prikaz podataka, pravila validacije, podjela ljestvice i evaluator prilagođeni su platformi MLCompete.