Академія роботизованої доставки

Академія роботизованої доставки

Ви навчаєте робота-доставника на міській карті, що складається з 8 × 8 клітинок. У кожному епізоді робот починає з вільної клітинки, дістається сховища, де розташований пакунок, забирає його, прямує до іншого сховища — пункту призначення — і доставляє його. Кожна карта містить шість сховищ і вісім заблокованих клітинок.

Мета полягає в тому, щоб навчитися поведінки робота з навмисно малої кількості експертних демонстрацій. Це задача клонування поведінки: ви навчаєте модель на прикладах спостереження/дії, а потім запускаєте її крок за кроком у нових епізодах.

Середовище

Сховища індексуються як 0..5 і позначаються як A..F. Епізод успішно завершується, коли робот виконує допустиму дію dropoff у пункті призначення, несучи пакунок. Дозволено не більше 120 actions.

Рух у стіну або за межі карти не змінює положення робота, але витрачає один крок. pickup виконується успішно лише у сховищі пакунка, коли робот ще не несе пакунок. dropoff виконується успішно лише в пункті призначення, коли робот несе пакунок. Недопустимий pickup або dropoff не змінює state і витрачає один крок.

Спостереження

Кожне навчальне спостереження містить:

• grid: тензор float32 форми (6, 8, 8);
• vector: 13 нормалізованих числових значень;
• action_mask: шість булевих значень, що вказують на допустимі actions;
• state: (row, column, package_field, destination).

Канали тензора grid представляють:

1. стіни;
2. усі сховища;
3. положення робота;
4. положення пакунка, причому канал порожній, поки пакунок переносять;
5. пункт призначення;
6. індикатор перенесення, повторений по всій карті.

vector містить у такому порядку: нормалізовані рядок і стовпець робота, поле пакунка, пункт призначення, індикатор перенесення, рядок і стовпець поточної цілі, різниці відносно цілі, а потім чотири індикатори заблокованого руху в порядку південь, північ, схід, захід.

Дані

Публічний набір даних містить:

• 400 успішних експертних демонстрацій, що містять 5,327 розмічених кроків;
• 200 сценаріїв перевірки без експертних actions;
• 1,600 тестових сценаріїв без експертних actions.

Пакет платформи використовує JSON і безпечні масиви NumPy замість Python pickle-файлів. Точні назви та код завантаження дивіться у starter_kit.py. Завантажуйте файли NumPy з allow_pickle=False.

Кожен layout_id є спільним для чотирьох епізодів. Унікальним ключем завжди є:

1(layout_id, episode_seed)

Завдання

Навчіть детерміновану модель, яка прогнозує наступну дію за поточним спостереженням. Запустіть модель на повних епізодах і згенеруйте одну послідовність дій для кожного тестового сценарію.

Ви можете використовувати надані демонстрації для навчання. Вам не дозволено отримувати експертні мітки для перевірочних або тестових наборів, а також створювати додаткові експертні демонстрації шляхом пошуку, планування чи за допомогою іншої експертної моделі. Рішення, засновані на правилах або явно жорстко закодовані, можуть бути перевірені Науковим комітетом. Організатори можуть запросити notebook або вихідний код, використаний для створення подання.

Формат подання

Надішліть ZIP-архів із назвою predictions.zip, що містить рівно один файл у корені: predictions.json.

Файл має містити JSON-масив із рівно 1,600 об’єктів, по одному для кожного тестового епізоду:

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

Вимоги:

• епізоди зіставляються за допомогою (layout_id, episode_seed), а не за порядком рядків;
• кожен епізод має з’являтися рівно один раз;
• невідомі або дубльовані ключі не дозволяються;
• actions має бути JSON-списком цілих чисел — не булевих значень — від 0 до 5;
• кожен список може містити не більше 120 actions;
• генерування прогнозів має бути детермінованим.

Недопустимі архіви або неповні подання відхиляються.

Оцінювання

Метрика — частка успішних епізодів:

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

Часткові бали не нараховуються за досягнення пакунка, наближення до цілі або використання меншої кількості кроків.

Для рейтингової таблиці платформи тестові карти поділяються детерміновано:

• поточна/часткова рейтингова таблиця: 80 карт, 320 епізодів;
• фінальна/повна рейтингова таблиця: 320 карт, 1,280 епізодів.

Під час змагання відображається частковий бал, тоді як фінальна рейтингова таблиця використовує повний набір. Належність до двох підмножин не включено до публічних даних. Середня кількість кроків і недопустимі спроби pickup/dropoff можуть відображатися в журналах оцінювача, але не впливають на бал.

Зазначення джерела

Адаптовано з «Академія роботизованої доставки: підготовча програма» (IOAI 2026, Home Task 2). Безпечне представлення даних, правила перевірки, поділ рейтингової таблиці та оцінювач є адаптаціями для платформи MLCompete.