机器人配送学院

机器人配送学院

你们正在一张由 8 × 8 个网格单元组成的城市地图上训练配送机器人。在每个回合中，机器人从一个空闲单元出发，到达包裹所在的仓库，取走包裹，前往另一个仓库——目的地——并完成配送。每张地图包含六个仓库和八个受阻单元。

目标是从有意设置得很少的专家演示中学习机器人的行为。这是一个行为克隆问题：你们使用观察/动作样例训练模型，然后在新回合中逐步运行该模型。

环境

仓库的索引为 0..5，标签为 A..F。当机器人携带包裹并在目的地执行有效的 dropoff 动作时，回合成功结束。最多允许 120 个 actions。

撞向墙壁或移出地图不会改变机器人的位置，但会消耗一个步骤。仅当机器人位于包裹所在的仓库且尚未携带包裹时，pickup 才会成功。仅当机器人携带包裹并位于目的地时，dropoff 才会成功。无效的 pickup 或 dropoff 不会改变 state，并会消耗一个步骤。

观察

每条训练观察包含：

• grid：float32 张量，形状为 (6, 8, 8)；
• vector：13 个归一化数值；
• action_mask：指示有效 actions 的六个布尔值；
• state：(row, column, package_field, destination)。

grid 张量的通道分别表示：

1. 墙壁；
2. 所有仓库；
3. 机器人的位置；
4. 包裹的位置；携带包裹时，该通道为空；
5. 目的地；
6. 携带指示器，在整张地图上重复。

vector 按顺序包含：机器人归一化后的行和列、包裹字段、目的地、携带指示器、当前目标的行和列、相对于目标的差值，随后是四个受阻移动指示器，顺序为南、北、东、西。

数据

公开数据集包含：

• 400 条成功的专家演示，共含 5,327 个已标注步骤；
• 200 个不含专家 actions 的验证场景；
• 1,600 个不含专家 actions 的测试场景。

平台包使用 JSON 和安全的 NumPy 数组，而不是 Python pickle 文件。确切名称和加载代码请参阅 starter_kit.py。请使用 allow_pickle=False 加载 NumPy 文件。

每个 layout_id 由四个回合共享。唯一键始终为：

1(layout_id, episode_seed)

任务

请训练一个确定性模型，根据当前观察预测下一个动作。请在完整回合上运行模型，并为每个测试场景生成一个动作序列。

你们可以使用所提供的演示进行训练。不得获取验证集或测试集的专家标签，也不得通过搜索、规划或其他专家模型生成额外的专家演示。科学委员会可能会审查基于规则或明确硬编码的解决方案。组织者可能会要求提供用于生成提交结果的 notebook 或源代码。

提交格式

请提交一个名为 predictions.zip 的 ZIP 压缩包，其根目录必须恰好包含一个文件：predictions.json。

该文件必须包含一个恰好有 1,600 个对象的 JSON 数组，每个测试回合对应一个对象：

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

要求：

• 使用 (layout_id, episode_seed) 匹配回合，而不是按照行顺序；
• 每个回合必须恰好出现一次；
• 不允许存在未知键或重复键；
• actions 必须是由 0 到 5 之间的整数（而非布尔值）构成的 JSON 列表；
• 每个列表最多可包含 120 个 actions；
• 预测生成必须具有确定性。

无效压缩包或不完整的提交将被拒绝。

评测

指标为回合成功率：

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

到达包裹、接近目标或使用更少步骤均不获得部分分数。

对于平台排行榜，测试地图会以确定性方式划分：

• 实时/部分排行榜：80 张地图，320 个回合；
• 最终/完整排行榜：320 张地图，1,280 个回合。

比赛期间显示部分分数，而最终排行榜使用完整集合。公开数据中不包含样本属于这两个子集中的哪一个。平均步骤数以及无效的 pickup/dropoff 尝试可能会出现在评测器日志中，但不会影响分数。

署名

改编自**《机器人配送学院：预备课程》（IOAI 2026, Home Task 2）**。安全数据表示、验证规则、排行榜划分和评测器均为针对 MLCompete 平台所作的调整。