比赛要求与任务边界

任务方向

FCloud OmniBot 2026 的公开页面给出三个方向：

1. 人形机器人自主导航避障：在复杂环境中规划路线、绕开障碍物和移动人员、经过多个途经点并返回起点。
2. 桌面整理：识别并抓取桌面物品，按照规则放入指定区域。
3. 视觉与自然语言理解：只使用机器人自身相机观察场景，回答关于物品和环境的问题。

正式算法使用 Isaac Sim［机器人仿真器］5.0 及以上版本、Isaac Lab［机器人学习框架］2.0 及以上版本；机器人可选宇树 G1 或智元 G2，全人形机器人有加分系数。摄像头限制为机器人自身相机，不能用外部相机直接观测场景。

桌面整理评分边界

公开规则中，物品放入指定区域后，需要满足位置误差不超过 ±5 cm、姿态误差不超过 ±10°；物品随机化应使用 Replicator［场景随机化工具］。提交时还需要最终输出、运行日志、中间输出、复现步骤和完整推理视频。

这意味着一个合格的桌面整理方案至少要同时具备：

• 机器人自身相机观测；
• 目标识别与三维位姿估计；
• 可达、避碰、连续的手臂或全身轨迹；
• 真实 PhysX［物理引擎］接触下的夹取和释放；
• 终态位姿检查；
• 可审查的视频、日志和配置。

不属于正式输入的内容

以下内容可以用于离线调试或教师数据生成，但不能直接冒充比赛策略输入：

• 物体世界坐标、关节真值和目标成功函数；
• 外部相机或场景视角；
• 把物体位姿直接设置到目标区；
• 将物体挂到手上或让物体脚本跟随手运动；
• 仅改变统计值、不改变物理状态的假成功逻辑。

GT［真值］位姿可以用来验证“规划与接触控制本身是否可行”，但必须在日志中标注为 oracle_teacher［真值教师］，替换成机器人自身相机后才有资格进入正式策略评估。

环境边界