1. Определение соревнования и границы наблюдений
1.1 Что такое задача
Task B — это задача Garbage Collection (сбор мусора) в ATEC2026 Simulation Challenge; платформа робота — Unitree B2 с манипулятором Piper. Цель не в простой навигации: робот должен найти целевой объект в сцене, подойти к нему, выполнить манипуляцию и доставить объект в указанную мусорную корзину.
Единственным источником определения задачи служит официальный репозиторий:
Параметры задачи, размерность действий, порядок суставов, имена камер и runner официального репозитория могут меняться от версии к версии. Текст этого учебного материала нужен, чтобы выстроить логику решения; реальный запуск всегда нужно делать по той версии официального проекта, которую вы проверили.
1.2 Допустимые наблюдения
Публичное описание задачи показывает, что основные входы Task B таковы:
- состояние самого робота и proprioception;
- внешние геометрические наблюдения, например LiDAR;
- головная RGB-D камера для поиска и определения положения дальних целей;
- RGB-D камера на концевом эффекторе для близкого прицеливания и манипуляции.
«Внешний» здесь означает датчик, закреплённый на роботе, а не камеру «всевидящего ока», которая наблюдает за всей сценой. Даже если для отладки в среду добавлена сторонняя камера, это не делает её входом policy.
1.3 Запрещённые зависимости
Следующую информацию можно использовать только для локальной диагностики или офлайн-разметки и её нельзя подавать на вход настоящей политики:
| Информация | Почему нельзя |
|---|---|
| истинные позы объектов в симуляции | равносильно прямому чтению ответа, обходит проблему восприятия |
| список объектов, соответствующий random seed | ломает обобщение между сценами и может нарушать правила оценки |
| истинная поза робота или ID объектов | это не наблюдаемая датчиком величина |
| изображения глобальной камеры окружения | если её нет в официальном пространстве наблюдений, это не допустимый вход policy |
внутренние состояния оценщика, например grasped_objects | можно использовать для проверки успеха, но нельзя — для решений policy |
При локальной отладке эти величины можно выводить в лог, чтобы ответить на вопрос «почему не удалось захватить». Перед отправкой их нужно убрать из observation, policy, функции награды и условий завершения эпизода.
1.4 Почему «привести робота к координатам» недостаточно
Плоская координата цели решает только одну задачу: куда должна ехать база робота. Она не отвечает на вопросы:
- правильно ли распознана цель;
- согласуются ли проекции цели в головной и концевой камерах;
- откалиброваны ли преобразования между базой манипулятора, концевым эффектором и захватом;
- находится ли цель в рабочем пространстве захвата;
- действительно ли объект поднимается после того, как захват закрылся;
- может ли робот донести объект до мусорной корзины и отпустить его;
- подтверждает ли оценщик успешное размещение, а не только то, что робот прошёл рядом с целью.
Поэтому в реализации навигация по координатам должна рассматриваться как промежуточный этап, а не как финальная цель задачи.