任务介绍#

你需要提交一个以 agent.py 为入口的闭环控制包，让灵巧手在隐藏对象、隐藏环境和隐藏物理扰动下完成接触丰富的非抓取式重定位、工具使用和资源约束序贯操作。

隐藏评测器会导入提交包根目录下的 agent.py，实例化 Agent，每个任务开始时调用 Agent.reset(task_info)，随后在最多 128 个控制步内反复调用 Agent.act(observation) 获取动作。若提交同时实现 reset_batch/act_batch，评测器可以把多个跨任务 rollout 合并调用，隐藏评测的 batch 上限为 64，用于让 CNN/RNN/Transformer 等模型策略更有效地利用远程 GPU。

规则控制器、在线优化器、CEM/MPPI 类方法或小模型策略都可以提交；高分预期来自能够利用触觉时序、空间网格、多阶段目标、接触恢复和跨物理扰动泛化的离线模型或混合策略。本题为 Hard 难度闭环控制题，满分 1500；公开 valid/test 只用于本地 sanity 和调试，不进入正式榜单。

你需要解决的问题#

• 从低维状态、姿态估计、触觉法向/切向/振动/接触信号、触觉历史、7x4 tactile heatmap、tactile_image_7x8x8、vision_grid_16x16 空间 token 和警告标志中做闭环决策。
• 在隐藏对象族、摩擦、质量、顺应性、动作延迟、触觉 dropout、姿态噪声、局部遮挡、障碍/窄通道和多阶段目标下保持稳健。
• 在力、手腕预算、保留手指、脆弱物体和接触丢失约束下选择动作，避免过大冲击、无效动作和资源浪费。
• 将离线训练、弱示范学习、规则后处理、世界模型或搜索策略收敛为一个可在禁网远程 4090D 环境中独立运行的 agent.py + model/ 提交包。

Hard 难度定位#

本题为 Hard 难度闭环控制题，满分 1500。公开 valid/test 只用于本地 sanity 和调试，不进入正式榜单；正式成绩以平台隐藏私有程序生成的 rollout 和聚合评分为准。官方不承诺只凭公开 split 可稳定达到 exact 1500 / 1500。

数据规模#

• tasks/train_tasks.jsonl：6000 条公开训练/生成任务描述。
• tasks/valid_tasks.jsonl：360 条本地 public validation sanity。
• tasks/test_tasks.jsonl：360 条本地 public test sanity，不是榜单正式 test。
• demonstrations/weak_train_rollouts.jsonl：1200 个弱规则 teacher episode，可用于离线训练或行为克隆起点。
• tactile_probes/train：48 个触觉/接触观测调试 probe。
• tactile_probes/valid：24 个触觉/接触验证调试 probe。
• tactile_probes/test：24 个触觉/接触测试调试 probe。

tasks/test_tasks.jsonl 中的 test 是公开本地 sanity split，不是线上隐藏评分任务。隐藏评分会使用私有 procedural rollouts、私有物理扰动和 withheld capability aggregation。simulator/gymnasium_env.py 提供 Gymnasium-style 本地训练/调试 wrapper；该 wrapper 不是正式提交 API，正式平台始终加载 agent.py。

提交格式#

提交文件名建议为 NS-2026-07-answer.zip。提交 zip 根目录必须直接包含 agent.py，不得把 agent.py 多包一层目录。使用模型时，可把模型权重、tokenizer、配置、查表文件和纯 Python 辅助代码放在 model/、models/ 或等价本地目录中，并建议提供 model_manifest.json 记录文件名、大小、SHA256、训练来源、依赖和推理入口。

agent.py 必须定义：

1
class Agent:
2
    def reset(self, task_info: dict) -> None:
3
        ...
4

5
    def act(self, observation: dict) -> dict:
6
        return {
7
            "primitive": "wait",
8
            "finger": "palm",
9
            "force": 0.0,
10
            "direction": [0.0, 0.0],
11
        }

可选批量接口：

1
class Agent:
2
    def reset_batch(self, task_infos: list[dict]) -> None:
3
        ...
4

5
    def act_batch(self, observations: list[dict]) -> list[dict]:
6
        ...

只实现 reset/act 的提交仍然合法，会被顺序评测。若同时实现 reset_batch/act_batch，返回动作数量必须与 observation 数量一致。导入失败、缺少 agent.py、缺少 Agent、返回非法动作、运行异常、超时或资源超限，可能导致该次提交低分、0 分或评测失败，并计入提交次数。

动作集合#

动作必须符合 action_schema.json。必填字段为 primitive、finger、force、direction。

• primitive：brace、push、drag、pivot、roll、lift_edge、tap、stabilize、wait、finish 之一。
• finger：thumb、index、middle、ring、pinky、palm、wrist 之一。
• force：0.0 到 1.0 的数值。
• direction：长度为 2 的数值数组。

评分#

正式评测使用隐藏私有程序生成 rollout、触觉噪声、动作延迟、各向异性摩擦、高维紧凑空间网格、多阶段目标、视觉干扰、资源瓶颈、障碍/窄通道场景和鲁棒聚合评分。官方不承诺只凭公开 split 可稳定达到 exact 1500 / 1500。

隐藏评测主要考虑：

• 任务目标完成度、最终状态质量和多阶段目标进展。
• 安全约束、力预算、手腕预算、保留手指、脆弱物体和接触丢失惩罚。
• 接触质量、滑移恢复、触觉反馈利用和无效动作控制。
• 资源/效率，包括控制步数、动作强度和重复动作。
• 跨任务、跨对象、跨物理扰动和隐藏 capability tier 的稳健性。

隐藏评分按三个隐含能力层聚合：基础状态反馈控制、触觉滑移/接触恢复、跨任务/跨对象/跨物理扰动泛化，并包含最差能力层短板项。每个任务的 capability label、hard-slice label、private physics 参数、隐藏 rollout id、隐藏分项和最优动作不会返回给选手。

本题保留 hidden evaluator 输出的 原始评测分 rawScore，但排行榜和比赛总分使用 竞赛分 competitionScore。平台会在每次本题提交完成后，以及定期排行榜同步时，按所有队伍当前本题最佳原始分重算竞赛分。原始评测分不因其他队伍提交而改变；竞赛分可能随榜单场内分布变化而重算。

满分 F = 1500。对每支队伍，只取该队本题所有 COMPLETED 提交中的最高 rawScore 作为当前最佳原始分 R_i；rawScore <= 0 的队伍本题竞赛分为 0。对所有 R_i > 0 的队伍按原始分从高到低形成原始分档，相同原始分属于同一档并获得相同竞赛分。第一档排名比例 p_i = 1，最后一档 p_i = 0；如果当前只有一个正分档，则 p_i = 1。设 g_i = (R_i - R_min) / (R_max - R_min)；若当前正分档没有差距，则 g_i = 1。

竞赛分计算为 competitionScore = round(F * (0.25 + 0.55 * p_i + 0.20 * g_i), 3)，并截断在 0 到 F 之间。排行榜、题目页进度条、总榜总分使用 competitionScore；提交详情、提交列表、资源报告和评测日志中会保留 rawScore，用于选手判断模型真实改进。总榜若出现相同竞赛分，仍按平台现有的达到当前总分时间等规则排序。

平台评测资源与安全边界#

评测 sandbox 默认不提供公网、DNS 或内网访问。正式评测期间不得联网下载模型、安装依赖、调用外部 API、调用闭源模型服务、访问托管推理服务或探测平台网络。

本题保证可用的系统环境和第三方包如下。未列出的第三方包即使在当前镜像中偶然存在，也不作为题目承诺，选手不应依赖。

额外纯 Python 代码应随提交包携带；额外 native binary/wheel 不保证可用，除非与 CPython 3.12、x86_64 Linux 和 glibc 2.39 兼容并能在禁网环境中直接导入。不要依赖 pip install、apt install、在线模型仓库、远程数据库或任何外部服务。

主要运行资源限制如下。若平台页面或组委会公告给出更新限制，以最新公告为准。

题目页上传控件会按本题配置显示 8192 MB 上限，并通过大提交入口上传；组委会发布的官方提交脚本也使用同一大提交链路。旧的普通 50MB 上传接口不适用于本题。

提交进入远程评测队列前会先完成 zip 结构预检、远程 blob HMAC 鉴权、大小校验和 SHA256 校验。未通过预检的提交不会进入评测队列。zip 内路径不得为空、不得是绝对路径、不得包含 ..，路径长度不超过 512 字符；不允许 symlink、设备文件、FIFO、socket 等异常条目。大权重文件请拆分为不超过 512MB 的 shard，并随包附带 manifest/hash，不要依赖评测时下载。

每日限制从常规 20 次放宽到 30 次，是因为本题允许大模型/策略资产提交，选手可能因误判 GPU 显存、CUDA/ABI 兼容性、模型加载时间、CPU/RAM 占用或 per-call timeout 而浪费评测次数。资源耗尽、导入失败、超时和运行错误仍会计入次数；连续异常或明显资源滥用可能触发人工复核。

平台只返回总分、脱敏资源报告和有限诊断附件。资源报告可能包含运行时长、退出码、sandbox 后端、网络模式、镜像、峰值内存、CPU、GPU 显存、GPU 利用率、preflight 状态、初始 GPU 显存和磁盘余量等摘要，不包含竞争队伍身份、进程号、容器 ID、服务器路径、内部 IP、hidden task id、private rollout 参数或 hard-slice 标签。

诊断附件仅允许 .json / .zip，最多 3 个文件，总量不超过 64MB，保留 48 小时。官方 hidden replay 附件如启用，只来自不计分 hidden-diagnostic task；该 task 与 hidden scoring task 同属任务语法族，但不参与正式分数聚合。附件不会暴露 scored private rollout id、hard-slice label、hidden capability label、private physics 参数或最优动作，.mp4 视频不保证生成也不长期保存。

远程节点会在评测前执行有界 preflight，检查 Docker、运行镜像、禁网/超时配置、存储根目录、磁盘余量、nvidia-smi/GPU 可用性和初始 GPU 显存，并可能清理官方 evaluateapp 标记的退出或陈旧容器。它不会杀死任意宿主进程、删除无标签历史容器、重置 GPU driver 或重启节点。

本地命令#

安装公开 MuJoCo simulator 依赖并运行 sanity：

1
python -m pip install -r requirements-mujoco.txt
2
python tools/check_format.py example_submission
3
python tools/run_public_eval.py example_submission --tasks tasks/valid_tasks.jsonl
4
python tools/gym_smoke.py --tasks tasks/valid_tasks.jsonl --index 0 --steps 8
5
python tools/render_replay.py example_submission --tasks tasks/valid_tasks.jsonl --index 0 --output-dir replay_debug

AI 协助等级#

本题按 A1 处理。

Writeup 补充要求#

获奖候选必须满足通用 Writeup 的 6 个部分：解题概述、关键改进、验证与复现、AI 使用声明、证据截图和代码包。除此之外，本题还必须披露：

• 状态表示、触觉时序、触觉热图、proxy render 或 spatial grid 特征使用方式。
• 控制、搜索、学习、BC/RL、world model、规则后处理或混合策略方法。
• 训练数据边界，包括是否使用 train_tasks、weak demonstrations、tactile probes、公开外部数据或开源模型。
• 模型容量、checkpoint/export 方式、推理入口、model_manifest.json、模型文件。
• public valid 分数、本地评估命令、随机 seed、硬件资源、运行时长、峰值内存/显存和主要消融结论。
• 线上提交反馈如何使用，是否触及闭源 API、远程 Agent、正式提交反馈或排行榜反馈。
• AI 使用声明、额外数据来源和许可证排查结论。

选手应自行保存最终提交包、模型 manifest、checkpoint hash、导出包 sha256 和 Writeup 证据。平台大提交原件和诊断附件有保留期限，不作为选手长期归档。

Writeup需要提交最终提交压缩包文件的 SHA256 和压缩包文件内 agent.py 的 SHA256；若包含 model/ 或 models/等，请在 WP 中列出模型文件清单，建议附各模型文件 SHA256。