(Студенты вузов) Автопилоты

Задание и исходные данные (квадрокоптер)

Вам необходимо запрограммировать автономное движение квадрокоптера в вирутальной среде для того, чтобы он мог:

• совершать типовые маневры (взлет, посадка, движение к точке),
• находить метки и следовать за ними.

В качестве входных данных (В зависимости от сложности задания) предполагается использовать или данные с камеры, или виртуальную систему позиционирования (координаты дрона с некоторой погрешностью).

Платформа запуска решений основана на движке rePyBullet.

Оценка решений будет происходить как с точки зрения быстродействия и оптимальности траекторий, так и с точки зрения безопасности маршрута.

 

Дополнительная информация будет обновления к началу олимпиады.

Задание и исходные данные (колесный робот)

Платформа запуска решений: Симулятор, основанный на gym-duckietown

Количество попыток: Не ограничено

Карта: Карта размера 6x7 с препятствиями.

Стартовое положение робота в полосе: Гарантируется, что робот находится на дороге, в полосе.

Постановка задачи: Требуется написать решение, используя шаблон , для того, чтобы робот за минимальное время добрался до координат (подаются на вход программе) избегая столкновений. Данные, которые будут известны роботу:

• Расстояние и угол(тангенс) до конечной точки (конец маршрута соответствует координатам одной из уток, разбросанных по полю).
• Изображение с камеры робота c разрешением 640x480.

 

Шаблон решения, данные и программы для локальной проверки https://hub.docker.com/r/dvivanov/aido-student-image

 

Отличия между этапами:

• Квалификационный – на карте отсутствуют значимые препятствия;

• Основной – на карте есть небольшое количество статичных препятствий;

• Финальный – на карте есть значительное количество препятствий, которые частично перекрывают обзор до точки назначения;

Проверка решений.

Критерии оценивания:

• Максимальное сближение с препятствиями, отсутствие столкновений
• Расстояние от финальных координат робота до координат точки назначения.
• Время достижения точки назначения.

Приоритет решений строится по времени, которое необходимо потратить агенту для решения задачи.

Объекты, которые могут присутствовать на карте:

• Здания (дома)
• Другие роботы(дакиботы)
• Автобусы
• Утки

Подсчет баллов для одного решения происходит по алгоритму

1. Проверка столкновений и нахождения на дороге: любое столкновение с препятствием или выезд за пределы дороги -> 0 баллов за решение (симуляция прерывается).
2. Проверка достижения цели: при приближении к цели от 0.5 до 0.1 (в координатных единицах) -> пропорционально от 0 до 1 балла за критерий, иначе -> 0 баллов для решения
3. Проверка времени выполнения: обратная зависимость от максимального времени выполнения (0; 1) (на данный момент maximum_time = 120 secs ) (maximum_time - solution_time)/maximum_time, в случае невыполнения предыдущих проверок проверка на время не выполняется -> 0 баллов за проверку (и за решение)
4. Итоговый балл
   1. Если столкнулись ИЛИ выехали за дорогу ИЛИ приблизились дальше чем на 0.5 ИЛИ не уложились в maximum_time  == 0 баллов
   2. Если не столкнулись, не выехали на дорогу, приблизились менее чем на 0.5, уложились в maximum_time == (Проверка достижения цели + Проверка времени выполнения) / 2
      
      

Правила перехода участников между этапами:

1. Переход к основному этапу - оценка решения >= 0.3 или лучшая половина решений согласно общему рейтингу (если доля набравших оценку выше порога будет меньше одной трети)
2. Переход к финальному этапу - оценка решения >= 0.6 или или лучшая половина решений согласно общему рейтингу (если доля набравших оценку выше порога будет меньше одной трети)