近日,国际人工智能联合会议(International Joint Conference on Artificial Intelligence)公布了比赛议程,其中,由第四范式、巴黎萨克雷大学、香港科技大学、ChaLearn联合主办的“AutoRL 2021挑战赛”于4月21日正式开赛。本次比赛将邀请参赛者利用自动强化学习技术(AutoRL),设计能够自动生成用于动态车间调度(Dynamic Job-shop scheduling problem, DJSSP)场景的智能决策方案,进一步探索强化学习发展和应用落地,激励更多创新。此外,该比赛也将在国际自动规划与调度会议ICAPS 2021(International conference on automated planning and scheduling) 同步举办。
近年来,基于强化学习的智能决策方案在供应链管理、广告营销、制造业生产规划等应用领域崭露头角,为企业提供高价值且精准的决策。但由于强化学习依赖业务领域的专业知识和巨大的计算能力,导致工业界落地难度较大,极大限制了强化学习的应用发展。因此,设计针对不同场景、不同任务的自动强化学习方案,极具研究价值。本次挑战赛希望邀请全球参赛团队,通过AutoRL来降低强化学习应用的门槛,解决现有强化学习的棘手问题,以便更多的企业和个人从中受益。
为了进一步扩展强化学习应用领域,本次挑战赛聚焦在可广泛应用于航母调度、机场飞机调度、港口码头货船调度、汽车加工流水线等场景的DJSSP问题,通过更贴合实际场景的赛题设置,释放强化学习技术价值,让更多的研究者关注智能决策领域。
挑战赛共设计开发了13个基于真实生产线场景的DJSSP虚拟环境任务,并配置了不同的机器、任务、指标和随机任务到达、意外故障等随机事件,以评估参赛选手提交的方案中在不同环境下的泛化能力。挑战赛共分为3个阶段,分别为训练阶段Feedback Phase (4.21-7.2), 验证阶段Check Phase (7.2-7.9), 决赛阶段Private Phase (7.9-7.16)。参赛选手需将程序提交至比赛平台中,利用统一的算力资源进行算法测试和测评,排名前五的团队将分别获得5000美元、2000美元、1000美元和500美元的奖金奖励。
想要报名参赛、了解更多赛事信息,请点击「阅读原文」。