Роботтық жеткізу академиясы

Роботтық жеткізу академиясы

Сіздер жеткізу роботын 8 × 8 ұяшықтан тұратын қалалық картада үйретіп жатырсыздар. Әр эпизодта робот бос ұяшықтан бастайды, сәлемдеме орналасқан депоға жетеді, оны алады, басқа депоға — межелі орынға — барады және жеткізеді. Әр картада алты депо және сегіз бұғатталған ұяшық бар.

Мақсат — роботтың мінез-құлқын әдейі аз берілген сарапшы демонстрацияларынан үйрену. Бұл — мінез-құлықты клондау есебі: сіздер модельді бақылау/әрекет мысалдарымен үйретесіздер, содан кейін оны жаңа эпизодтарда қадам сайын іске қосасыздар.

Орта

Деполар 0..5 арқылы индекстеліп, A..F арқылы белгіленген. Робот сәлемдемені алып жүріп, межелі орында жарамды dropoff әрекетін орындағанда эпизод сәтті аяқталады. Ең көбі 120 actions-ке рұқсат етіледі.

Қабырғаға немесе картадан тыс жерге қозғалу роботтың орнын өзгертпейді, бірақ бір қадам жұмсайды. pickup робот сәлемдемені әлі алып жүрмеген кезде тек сәлемдеме депосында сәтті орындалады. dropoff робот сәлемдемені алып жүрген кезде тек межелі орында сәтті орындалады. Жарамсыз pickup немесе dropoff state-ті өзгертпейді және бір қадам жұмсайды.

Бақылау

Әрбір үйрету бақылауы мыналарды қамтиды:

• grid: float32 тензоры, оның пішіні (6, 8, 8);
• vector: 13 қалыптандырылған сандық мән;
• action_mask: жарамды actions-ті көрсететін алты логикалық мән;
• state: (row, column, package_field, destination).

grid тензорының арналары мыналарды білдіреді:

1. қабырғалар;
2. барлық деполар;
3. роботтың орны;
4. сәлемдеменің орны, сәлемдеме тасымалданып жатқанда арна бос болады;
5. межелі орын;
6. бүкіл карта бойынша қайталанған тасымалдау индикаторы.

vector келесі ретпен мыналарды қамтиды: роботтың қалыптандырылған жолы мен бағаны, сәлемдеме өрісі, межелі орын, тасымалдау индикаторы, ағымдағы нысананың жолы мен бағаны, нысанаға қатысты айырмалар, содан кейін оңтүстік, солтүстік, шығыс, батыс ретімен бұғатталған қозғалыстың төрт индикаторы.

Деректер

Жалпыға ашық деректер жиынында мыналар бар:

• 400 сәтті сарапшы демонстрациясы, олар 5,327 белгіленген қадамнан тұрады;
• сарапшы actions-і жоқ 200 валидация сценарийі;
• сарапшы actions-і жоқ 1,600 тест сценарийі.

Платформа пакеті Python pickle файлдарының орнына JSON және қауіпсіз NumPy массивтерін қолданады. Нақты атаулар мен жүктеу кодын starter_kit.py файлынан қараңыздар. NumPy файлдарын allow_pickle=False параметрімен жүктеңіздер.

Әрбір layout_id төрт эпизодқа ортақ. Бірегей кілт әрқашан:

1(layout_id, episode_seed)

Тапсырма

Ағымдағы бақылаудан келесі әрекетті болжайтын детерминделген модельді үйретіңіздер. Модельді толық эпизодтар бойы іске қосып, әр тест сценарийі үшін бір әрекеттер тізбегін жасаңыздар.

Ұсынылған демонстрацияларды үйрету үшін пайдалануларыңызға болады. Валидация немесе тест жиындары үшін сарапшы белгілерін алуға, сондай-ақ іздеу, жоспарлау немесе басқа сарапшы модель арқылы қосымша сарапшы демонстрацияларын жасауға рұқсат етілмейді. Ережелерге негізделген немесе анық түрде қатаң кодталған шешімдерді Ғылыми комитет тексеруі мүмкін. Ұйымдастырушылар жіберілімді жасау үшін пайдаланылған notebook-ты немесе бастапқы кодты сұрата алады.

Жіберілім пішімі

predictions.zip атаулы ZIP архивін жіберіңіздер; оның түбірінде дәл бір файл болуы керек: predictions.json.

Файлда әр тест эпизодына біреуден, дәл 1,600 объектіден тұратын JSON массиві болуы керек:

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

Талаптар:

• эпизодтар жолдардың реті бойынша емес, (layout_id, episode_seed) арқылы сәйкестендіріледі;
• әр эпизод дәл бір рет кездесуі керек;
• белгісіз немесе қайталанатын кілттерге рұқсат етілмейді;
• actions 0 мен 5 аралығындағы бүтін сандардан — логикалық мәндерден емес — тұратын JSON тізімі болуы керек;
• әр тізімде ең көбі 120 actions болуы мүмкін;
• болжамдарды жасау детерминделген болуы керек.

Жарамсыз архивтер немесе толық емес жіберілімдер қабылданбайды.

Бағалау

Метрика — эпизодтардың сәттілік үлесі:

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

Сәлемдемеге жеткені, нысанаға жақындағаны немесе азырақ қадам пайдаланғаны үшін ішінара ұпай берілмейді.

Платформаның көшбасшылар кестесі үшін тест карталары детерминделген түрде бөлінеді:

• тікелей/ішінара көшбасшылар кестесі: 80 карта, 320 эпизод;
• қорытынды/толық көшбасшылар кестесі: 320 карта, 1,280 эпизод.

Жарыс кезінде ішінара ұпай көрсетіледі, ал қорытынды көшбасшылар кестесі толық жиынды пайдаланады. Екі ішкі жиынға тиесілілік жалпыға ашық деректерге кірмейді. Қадамдардың орташа саны және жарамсыз pickup/dropoff талпыныстары бағалаушы журналдарында көрсетілуі мүмкін, бірақ олар ұпайға әсер етпейді.

Дереккөзді көрсету

«Роботтық жеткізу академиясы: дайындық бағдарламасы» (IOAI 2026, Home Task 2) негізінде бейімделген. Деректердің қауіпсіз ұсынылуы, валидация ережелері, көшбасшылар кестесінің бөлінуі және бағалаушы MLCompete платформасына бейімделген.