ATEC2026 赛道2 L0 桌面整理 Task E 赛后复盘

本文整理 ATEC2026 线上赛赛道2 L0「桌面整理」Task E 的完整参赛流程。任务要求 Piper 桌面机械臂识别三种随机摆放物体，完成抓取并放入指定篮筐区域。我们最终线上最好回报为 15.00，不是满分；本开源目录的价值在于复盘真实工程路径、保留可提交代码骨架和失败路线证据，避免后来者重复踩坑。

任务目标

Task E 的核心流程是：

text视觉感知 -> 目标识别/定位 -> 运动规划或策略输出 -> 抓取 -> 运输 -> 篮筐释放

线上提交为文件式源码上传。我们最终保护的提交包来自 ACT seed1 best_loss 分支：

textcode/act_seed1_best_submission/
  solution.py
  act/detr/*.py
  requirements.txt
  run.sh
  server.py
  UPLOAD_README.md

注意：policy_act.pt 未放入 GitHub，需要从本地提交包或 Hugging Face 模型仓库下载后放到同一目录。

HF 复现资源入口

本地 ATEC 仿真副本已清理，复现所需的大文件统一从 Hugging Face 获取：

最终模型权重：Datawhale/atec2026-task-e-act-seed1-best
完整 Task E 复现仓库：Datawhale/atec2026-task-e-reproducibility

复现仓库包含 source/、scripts/、demo/、atec_robot_model/、third_party/GraspGen/ 以及 code/task_e_collection/。过滤后的 HDF5 位于 data/ 分片目录，使用仓库根目录的 RESTORE_FILTERED_DATASET.sh 恢复。

最终分数与提交包

项目	结果
任务	L0 桌面整理 Task E
机器人	`Piper`
最好线上回报	`15.00`
最终保护方案	ACT seed1 best_loss
本地历史现象	单次可到 `18`，但多 seed 方差大
是否满分稳定	否

最终保护包来源：Hugging Face 模型仓库中的 task_e_act_seed1_best_20260608_upload.zip。

关键 SHA256：

textpolicy_act.pt  282614de9673dc01e229557448e380b6a02c196b5c3953cec77b2aebd2305a8e
solution.py    a08790e7512c914e5b78132303e1c6098c8aba3b01a373933e6ddc617fa3a485

我们尝试过的路线

1. 官方 / scripted oracle 数据生成

官方 Task E scripted oracle 对 object_3 更容易成功，但 object_1 / object_2 存在抓取接触、Piper TCP、USD root/几何中心和运输 primitive 不匹配问题。我们最终通过 per-object primitive 和闭环 servo 生成了三物体演示数据：

textdatasets/atec_task_e_obj321_servo_100demos

这批数据支持 ACT 训练，但它不是一套可直接转成满分规划控制器的规则方案。

2. ACT / XSA-ACT

ACT 是最终最可用的提交路线。关键修正包括：

修正 Task E action 语义：动作是 (joint_target - default_joint_pos) / 0.5，不是速度或简单 delta。
solution_act.py 支持自动加载 checkpoint 中的 model_args。
XSA attention 改造可以作为 ACT 变体，但线上结果并不稳定。
training loss 与任务成功率相关性弱，必须按 seed 实测。

线上试榜结果显示：

方案	线上回报
XSA-ACT 上传版	`6.00`
ACT seed2 45000	`12.00`
ACT seed2 50000	`6.00`
ACT seed1 best	`15.00`

因此本目录保护的是 ACT seed1 best，而不是单 seed 曾经满分的 seed2 checkpoint。

3. GraspNet / AnyGrasp / SAM3 / GraspGen-style PCA

我们接入并验证过多种规划抓取路线：

TunTunClaw / GraspNet；
AnyGrasp SDK；
SAM3 图像分割；
GraspGen-style PCA/AABB 几何抓取；
basket-center release；
pre-grasp approach / guarded insertion；
object_1 方块“含进去再闭合”动作；
object_3 香蕉低位 cradle/servo 搬运。

这些路线证明了“感知和候选抓取位姿”不是完全不可行，object_1 / object_3 在若干 seed 可以被夹起。但最终 submit-style demo/solution_pca.py 仍然在 IK、finger-center 追踪、接触保持和运输释放上不稳定，不能替代 ACT 做最后提交。

重要教训：

textAnyGrasp / GraspNet 不是一键满分控制器；
它只能给 grasp pose prior，后面仍需要 Piper IK、TCP 标定、夹爪接触保持和篮筐释放 primitive。

4. pi0.5 / OpenPI

我们系统尝试过 pi0.5/OpenPI：

fixed-base 16D padding 旧分支；
native8 state/action 分支；
20-demo / 100-demo；
LoRA；
pi05_base；
raw unfiltered + absolute target action；
action expert / action head 分支；
zero noise / chunk 执行步数调参。

结果都没有超过 ACT，多个分支 seed11/12/13 为 0/0/0 或极低分。赛后排查显示，pi0.5 并不是“模型本身弱”，而是当前数据表达和相位建模不适合这个 Task E 轨迹：

过滤数据删除了大量 hold / 稳定帧，破坏 action chunk 时间语义；
单相机/任务 prompt 与真实抓取相位绑定弱；
feed-forward 策略在 home/高位观测附近缺少连续相位，动作会在 home 与中段轨迹间抖动；
即使 raw absolute target 1-demo overfit，Isaac rollout 仍无法形成有效 pick/place。

因此 pi0.5 当前不作为提交候选。

本目录内容

textL0-桌面整理TaskE/
  README.md
  code/act_seed1_best_submission/
    UPLOAD_README.md
    solution.py
    requirements.txt
    run.sh
    server.py
    act/detr/*.py
  docs/
    ATEC2026_TaskE_规则物理配置与提交说明_20260604.md
    WORKSPACE_MEMORY_TaskE_完整调试记录.md
  hf_model_package/
    README.md
    policy_act.sha256
    task_e_act_seed1_best_20260608_upload.zip.sha256

docs/WORKSPACE_MEMORY_TaskE_完整调试记录.md 是完整工作记忆，包含大量中间失败路线、视频路径、checkpoint 路径和排障结论。它很长，但对复盘非常重要。

如何复现提交包

将 policy_act.pt 放入：

textL0-桌面整理TaskE/code/act_seed1_best_submission/policy_act.pt

然后源码上传时保持以下结构：

textsolution.py
policy_act.pt
act/detr/backbone.py
act/detr/detr_vae.py
act/detr/position_encoding.py
act/detr/transformer.py
act/detr/utils.py
requirements.txt

如果平台按服务目录上传，也可带上：

textserver.py
run.sh

为什么不直接把 policy_act.pt 放进 GitHub

policy_act.pt 约 64 MB，虽然低于 GitHub 单文件硬限制，但二进制权重不适合塞进教程仓库历史。推荐做法：

GitHub 存代码、README、SHA256 和提交说明；
Hugging Face 存权重和完整提交压缩包；
README 中维护 HF 链接和校验值。

Hugging Face 链接

权重与完整提交压缩包已上传到 Datawhale Hugging Face：

texthttps://huggingface.co/Datawhale/atec2026-task-e-act-seed1-best

对应上传 commit：

texthttps://huggingface.co/Datawhale/atec2026-task-e-act-seed1-best/commit/4583bda9e3118e75987a0f91de62c155a70a2bed

上传命令、文件清单和 SHA256 见 hf_model_package/README.md。

复现用数据集与日志单独放在 Hugging Face Dataset 仓库：

texthttps://huggingface.co/datasets/Datawhale/atec2026-task-e-reproducibility

上传状态：2026-07-19 已完成远端校验，337/337 个分片齐全；README.md、恢复脚本、SHA256 清单和日志归档均已在仓库中。

其中 trajectory_filtered.hdf5 约 33 GiB，为 100 条三物体 3,2,1 calibrated-servo 成功演示经过 ACT 过滤后的训练数据。为提高网页和 CLI 传输稳定性，文件被拆成 337 个 100 MiB 分片：

textdata/final_100demos_filtered_split_100m/trajectory_filtered.hdf5.part-0000
...
data/final_100demos_filtered_split_100m/trajectory_filtered.hdf5.part-0336

恢复方式：

bashbash RESTORE_FILTERED_DATASET.sh
sha256sum -c SHA256_FILTERED_ORIGINAL.txt

原始完整 filtered HDF5 的 SHA256：

text4b85980e72b8e76261ad037bfba97b4795210e3f77cdb5b71479846b9230ac02

能否安全删除本地内容

可以删，但建议按顺序：

确认本目录已经 push 到 GitHub；
确认 Hugging Face 已上传 policy_act.pt、提交 zip、复现数据集分片和日志；
确认模型 SHA256、分片 SHA256、恢复后 filtered HDF5 SHA256 都对得上；
保留本目录和 docs/WORKSPACE_MEMORY_TaskE_完整调试记录.md；
再删除 $PROJECT_ROOT 下的大型训练输出、datasets、runs、logs/videos、openpi checkpoints。

不要在确认 HF 权重可下载前删除唯一的本地 policy_act.pt。