-
- 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