计算机能力挑战2021,2021WER能力挑战赛——“人工智能”竞赛规则.docx

-

- PAGE # -

附件 5

WER能力挑战赛——“人工智能”竞赛规则 一、主题简介 机器人是当代高新科技的综合产物，机器人技术也应与 时俱进。本届 WER 能力挑战赛的主题为 “人工智能 ”。

1956 年，美国达特茅斯学院中的计算机研究人员首次提 出了“人工智能 ”一词。 2006 年，人们在以计算机视觉和语 音识别为代表的智能感知研究中取得了关键性突破，推动人 工智能迈向新一轮发展高潮。 2017 年， AlphaGo 的升级版 Master 以3:0 战胜了当时排名世界第一的中国围棋选手柯洁。 同年，国务院发布了《新一代人工智能发展规划》 ，由此标 志发展人工智能正式上升为我国的国家战略。

人类不断地从研究自然界的过程中汲取智慧，其中最复 杂的研究对象就是人类本身。人工智能是指利用计算机技术 及生物学知识搭建的人工智能系统，是对人的意识、思维的 信息处理过程的模拟，实现对人类行为的模仿或研究。近年 来，人工智能蓬勃发展，在问题求解、博弈、演绎逻辑及机 器自动证明理论和技术等方面突飞猛进。相信在不久的将来， 人类能创造出机器艺术家、音乐家、工程师和服务员。

在此次 WER 能力挑战赛中，参赛队员要像软件工程师、 算法科学家、 机器人工程师等一样， 制造机器人、 编写代码， 使机器人能够自主地帮助自己完成预期比赛任务。

、比赛场地与环境

场地

一层： 240*210cm一层“基地”斜坡： 42*140cm二层“基地”

一层： 240*210cm

一层“基地”

斜坡： 42*140cm

二层“基地”

二层： 204*116cm

图1 场地

比赛场地分上下两层(如图 1 所示)，支架为金属材质，

两层之间通过斜坡相连， 斜坡与一层场地夹角为 30 度(±1度)， 二层场地护栏为木板(高度 10cm ，厚度 1-2cm )。在一层场 地、二层场地、斜坡上各铺有场地膜。

场地上共有 2 个基地，一层基地大小为 30*30cm (长 宽)；二层基地位于斜坡顶端黑色横线以上及二层场地西北 角，大小为 64*40cm (长 *宽)。比赛过程中，机器人可以选 择从任一基地离开或返回。

赛场环境

机器人比赛场地环境为冷光源、低照度、无磁场干扰 但由于一般赛场环境的不确定因素较多，例如，场地表面可

能有纹路和不平整，边框上有裂缝，光照条件有变化等等 参赛队在设计机器人时应考虑各种应对措施。

三、任务及得分 比赛任务分预设任务和附加任务。预设任务的内容在本

规则中公布，但部分模型位置、方向是可以变化的，在赛前 准备时公布。附加任务只在赛前准备时公布，参赛队员应据 此现场设计机器人结构及程序。

小学 /初中组： 同时采用高、低难度得分； 高中组： 仅 采用高难度得分。

以下描述的预设任务只是对生活中的某些情景的模拟， 切勿将它们与真实生活相比。

3.1 组装机器人

图 2-组装机器人模型初始状态图

任务模型初始状态：

组装机器人模型固定在场地上，机器人的控制核心和移

动底盘分离，如图 2 所示

得分标准及分值：

将组装机器人模型的上半部分“控制核心”和下半部分

“移动底盘”组装在一起。如图 3 所示，当组装机器人的模 型位于一层操作台到比赛结束，得 40 分；当组装机器人的 模型位于二层操作台到比赛结束，得 60 分。

图 3-组装机器人任务完成状态图

信息读取

图 4-信息读取模型初始状态

任务模型初始状态 信息读取模型固定在场地上，文件夹模型与硬盘模型可 分离，如图 4 所示。

任务的得分标准及分值

机器人提取文件夹，使文件夹和信息模型完全脱离硬盘，

并保持到比赛结束，得 40 分。【低难度得分】 机器人提取文件夹并将其带回基地，在低难度得分基础 上，每个信息模型可加得 30 分。【高难度得分】 若信息模型掉落至场地，由裁判将其收走并存放至比赛 结束

3.3 信息匹配

图 5-信息读取任务完成状态图

图 6-信息匹配模型初始状态图

图 7-信息匹配任务工作状态图

任务模型初始状态

信息匹配模型固定在场地上，如图 6 所示。 任务的得分标准及分值

机器人必须将信息匹配模型转至工作状态(插头与插座 接触)，得 40 分。【低难度得分】

机器人必须将信息匹配模型转至工作状态(插头与插座 接触)且将信息读取任务中获得的信息吸附在信息吸附处进 行匹配，并保持到比赛结束，在低难度得分基础上，每个信 息可加得 30 分。【高难度得分】

图 8-信息匹配任务完成状态图

概率模型

图 9-概率模型初始状态图

任务模型初始状态

概率模型固定在场地上，数据位于拨动装置里面，如图 9 所示。

得分标准及分值 机器人需触发拨动装置，使数据经过筛选器落入地址内， 落入左右地址得 50 分，落入中间地址的 80 分。

图 10-概率模型任务完成状态图