Robot Chasing

IOAI 2026 · Día 1 · Sede: Astana, Kazajistán 🇰🇿
Temas: Deep Learning, NLP y Audio, Metodología y Datos · Edición: IOAI 2026

📋 Ficha

MétricaAccuracy media por robot (los 6 robots pesan igual), escala 0–100
Límite de ejecución5 min
Rendimiento observado🔴 media <12 — media 11.98/100 · mediana 0.0 · máx 86.2 · sacaron 0: 60% · pasaron de 50: 6% (n=440)
Cohorte2026 · Día 1 · Individual
ContratoFuente oficial revisada
PreparaciónMaterial educativo disponible; requiere preparar el entorno
Archivos a entregarsolution.ipynb
Archivos producidospredictions.json
Punto de entradaobservations.json y labels.json en train; test_public sin labels al calificar.
Límite de entregasolution.ipynb ≤ 1 MB
Split de las referenciastrain y test_public de desarrollo; leaderboard A y B ocultos. Split de baseline/Comité numéricos no identificado aquí cuando no se declara.
Evaluacióncode/grading/evaluate.ipynb (educativo); lista alineada de acciones enteras 0–5; accuracy por robot, promedio de seis robots ×100.
DependenciasEntorno del notebook oficial; datos JSON preparados. Límite total 5 min.
Ejecución del grader verificada aquíNo verificada

8×8×2 incluye paredes: interior 6×6. Son snapshots, no episodios. No usar el evaluador de entregas de Robot Delivery Academy.

Fuentes del contrato: fuente 1

Revisión documental: 2026-09-06.

🔗 Enlaces

▶️ Abrir en Colab

Antes de trabajar, comprueba sus dependencias y descarga de datos; disponer de un enlace a Colab no acredita que el grader haya sido ejecutado en ese entorno.

  • Explorar el baseline educativo — Abrir en Colab — Adaptación educativa no oficial. No certifica la reproducción del entorno ni del puntaje del concurso. Procedencia.
  • Evaluar con el notebook educativo — Abrir en Colab — Adaptación educativa no oficial. No certifica la reproducción del entorno ni del puntaje del concurso. Procedencia.

← IOAI 2026 · IOAI

0 artículos en esta carpeta.