TRONCamp · Mani — 基于 TRON 2 的双臂协同精确操作

01 / 题面

赛题任务

四个不同的 TRON 2 双臂任务,难度递增、全程 easy 环境;每段为专家一次成功操作的真实回放,头部视角 + 正面视角双机位(同一次操作、逐帧对齐)。

T1 · adjust_bottle 单臂抓取把瓶子调正。左头部视角 · 右正面视角

T2 · grab_roller 双臂抓起擀面杖举高。左头部视角 · 右正面视角

T3 · stack_bowls_two 双臂把一个碗叠到另一个上。左头部视角 · 右正面视角

T4 · stack_bowls_three 双臂叠三个碗。左头部视角 · 右正面视角

项	说明
模型	ACT(Action Chunking Transformer,~80M,PyTorch,RoboTwin自带实现)
难度	由易到难:T1 单臂调瓶 → T2 双臂抓举 → T3 叠 2 碗 → T4 叠 3 碗;全程 easy 环境,不叠加额外扰动,难度只来自任务本身。
数据	四题全部自采,不下发成品数据集。主办方只给两样:① 调好的专家策略(能采出成功轨迹)、② 现成的采集脚本(一条命令就能跑)。选手用它们跑完整三步 —— 采集(专家自动演示,存成轨迹)→ process_data(转成 ACT 训练格式)→ 训练(得到策略权重)。区别只在训练 config:T1 连 config 也一起给(直接照跑),T2 起训练 config 自己写。

02 / 赛制

T1–T4 四任务,顺序解锁

四个任务由易到难,共用同一条「自采数据 → 训练 → 评测」流水线:T1 照跑给定的训练 config,T2 起自己写 config。顺序解锁:前档成功率(SR)达标才能提交后档,各档独立提交模型、独立评测。T1/T2/T3 只判达标不计分,通关后进入 T4 比拼最终得分。

题号	任务	主攻技能	提交物	计分
T1	adjust_bottle 单臂抓取,极易	入门:用下发的专家自采 + 给定训练 config,照跑训练 ACT	仅权重	成功率 ≥ τ₁ = 0.50 → 解锁
T2	grab_roller 双臂抓擀面杖	用下发的专家自采 + 自己写训练 config	权重 + 代码	成功率 ≥ τ₂ = 0.60(须过 T1)
T3	stack_bowls_two 双臂叠 2 碗	用下发的专家自采 + 自己写训练 config	权重 + 代码	成功率 ≥ τ₃ = 0.50(须过 T2)
T4	stack_bowls_three 双臂叠 3 碗 · 主榜	用下发的专家自采 + 自己写训练 config,训更好的策略	权重 + 代码	T4 得分,满分 100(须过 T3)

T2 / T3 / T4 主攻技能(自由发挥,不设上限):① 基于下发的专家策略自行提高 → ② 自行做数据采集与处理 → ③ 数据增强 → ④ 自己实现网络结构进行训练。T1 只需跑通给定 config;T2 起以上全部放开。

T1–T3 达标条件: 成功率 ≥ 阈值 τ　(τ₁ = 0.50 / τ₂ = 0.60 / τ₃ = 0.50)　达标即解锁,本身不计分

T4排行榜分数: T4 得分 /100 降序　三个碗摆对位置各得 1/3、叠满得分 100

03 / 评测

计分:线上 70% + 完赛 30%

总评 = 线上排行榜 70% + 完赛材料 30%(完赛材料见 §04 最终交付物)。线上只有 T4 计分,用末态分层得分而非二值成功率——三个碗叠到第几层都有分,区分度比"成/败"更细。

总评构成	占比	说明
线上排行榜	70%	自动评测:主榜按 T4 得分 /100 降序;T1–T3 为顺序解锁门(pass/fail),达标才能刷 T4,本身不计分。
完赛材料	30%	赛末提交 ≤3 分钟讲解 / 演示视频(开源代码可选,不强制),由评委评审。

线上比分:T4 得分判据

T4 得分 /100	判据
100(满分)	三个碗全部叠好,每个碗都叠到正确位置(居中对齐)。
66.7	叠到第二层(两个碗稳定就位)。
33.3	叠到第一层(第一个碗就位)。
0	未完成第一层。

T4 分 = 私有 100 个测试场景末态得分的均值,三个碗各占 1/3、逐层相加,叠满 100。

评测机制

怎么评	每个提交在主办方私有的 100 个测试场景上各跑一次,取 T4 得分;本地自测用的是同一套评测,只换成公开测试场景。
交什么生效	T2/T3/T4 要连模型代码一起交——你 `policy/ACT` 里的模型与推理代码会替换官方同名代码参与评测;训练用的数据处理 / 训练配置只在你自己训练时用,不参与官方评测。

04 / 流程

从 clone 到上榜

clone 公开仓,按文档分步装环境;本地自测用的就是主办方评测的同一套流程,只换种子(评测细节见上节)。

troncamp 提交与评测流程:本地 clone → 训练 → 自评 → 提交 → 评测 → 上榜 — 本地 clone → 用给定数据训练 ACT → 公开种子自评 → submit.py 带 token 提交 → 官方私有种子评测 → 匿名榜上榜;看榜改进、重新提交,T1 → T2 → T3 → T4 顺序解锁。

数据:四题全部自采 —— 主办方下发调好的专家 + 现成的采集脚本,选手跑"采集 → process_data → 训练"(T1 额外给现成 config)。安装 / 采集 / 数据处理 / 训练 / 评测的 ACT 代码命令见 参赛文档 →。提交经 submit.py 唯一通道(带 token,本地自测不限次、正式提交每日 2 次)。

提交命令(T1–T4 完整示例、token 用法、顺序解锁与每日限额)见参赛文档 §提交。

机制	说明
token 鉴权	提交带 token,后端校验;每日 2 次正式提交(本地自测不限次)。无报名、无队名。
顺序解锁	过 T1 才能交 T2,依此类推到 T4;T1/T2/T3 过了即锁定。
安全	提交会经安全校验;赛末对头部成绩复评后定最终名次。

最终交付物

开源代码 + 文档(可选)	可选,不强制要求。如愿意开源,可将完整代码 + 技术设计文档放到 GitHub 并保证可复现;⚠️ 若在提交截止(7 月 20 日 24:00)前建好仓库,请先保持 private,截止后再设为 public,避免方案提前外泄影响比赛公平。
演示视频	≤ 3 分钟,完整展示代码思路及实机 / 仿真演示过程。

演示视频提交(邮箱通道) —— 请于 7 月 20 日 24:00 前,将最终讲解及演示视频提交至邮箱 troncamp@limxdynamics.com,该视频将作为完赛材料评审(占总评 30%)计分的依据(线上排行榜 70% 由自动评测 T4 得分单独产出,与本视频无关)。

完整展示代码思路及实机 / 仿真演示过程
建议配合画外音讲解,便于主办方理解方案亮点
整体时长请控制在 3 分钟以内
邮件命名格式:姓名-专属提交码-赛道名称(示例:张三-ABC123-Mani)。专属提交码 = 你的提交 token 尾 6 位(即 submit.py --token 令牌的末 6 位,也就是排行榜上显示的匿名号,便于主办方对应你的成绩)

05 / 榜单

排行榜(匿名)

匿名榜:每 token 取最佳分,只显示 token 尾 6 位。T1–T3 显示达标门(✓ 达标 / ○ 未达标 / · 未提交)。主榜次序:有 T4 成绩者在前(T4 得分降序),其后无 T4 者按答题进度(过 T3 > 过 T2 > 过 T1)。每 60s 刷新。

公告 NOTICE

7·20 提交截止 · 存量评测继续结算

北京时间 7 月 20 日 24:00 准时关闭 checkpoint / 代码包上传及新增评测提交。截止口径以 /api/submit 在截止前成功返回「已排队」为准,仅上传文件不视为完成提交。
截止前已经排队或正在评测的提交全部保留,系统将继续评测直至完成;成绩产出后仍会更新该队个人最佳成绩及排行榜。无需抢在截止前等到评测结果,也无需重复提交。

7·18 评测超时误判 · 致歉与修复

因近期评测并发较高,单个任务(尤其 T4 叠三碗)实际耗时被拉长,触发了此前设置的 6 小时评测超时上限,导致部分评测被误判为「评测失败」。给受影响的选手带来困扰,我们深表歉意。
该超时上限当时由 6 小时上调至 12 小时,后续结合并发实测进一步上调至24 小时;受影响的提交已由主办方统一重新入队重评,无需重复提交,且该失败不占用当日提交次数。

7·08 线上评测观测契约

线上评测的观测只提供 RGB 三相机图像(head / left / right)+ qpos,不含点云 / 深度;依赖点云 / 深度等额外观测的模型会在评测前向阶段直接报错。
线上评测的任务、观测与配置以代码包(starter kit)中的 eval 脚本及其配置为准。提交前请务必用 kit 的 clean 配置 + 公开种子(starter/public_seeds.json)本地自测通过。

7·07 评测反馈 · 提交次数

评测报错时,评测队列的「备注」栏会给出更具体的失败原因(例如"模型结构与训练配置不匹配"),方便自查定位。
评测报错的这次提交不计入当日提交次数,修正后可直接重新提交。
每日正式提交上限由 1 次提升至 2 次。

加载中…

#	Token 尾 6 位	T1 达标成功率≥0.50	T2 达标成功率≥0.60	T3 达标成功率≥0.50	T4 得分 /100 主榜 · 按 T4 得分降序(须先顺序过 T1/T2/T3,无成绩留空)