提交说明

仿真赛代码提交与评测

参考 kuavo_data_challenge仓库 main 分支的 docker/readme ,将环境和代码打包为 docker 镜像提交至比赛官网。

评测结果和排行榜将在比赛官网公布。

注意事项

1. 最终提交的文件为zip压缩包, 里面包含两个文件, docker镜像tar文件, run_with_gpu.sh 。

2. 请各位选手将tar文件和zip压缩包的名字定义为队伍/个人姓名_task{i}, 若队伍为中文可以用首字母或用个人姓名。例如我的队伍名是乐聚战队,我的姓名是kuavo,此次提交的是任务2,我的tar文件就叫lejuzhandui_task2.tar或者kuavo_task2.tar,最后提交的zip也是一样的名字。需要注意的是,run_with_gpu.sh中需要将IMAGE_NAME和CONTAINER_NAME也改成对应的名字,以免无法运行。

3. 打包镜像前, 一定要注意把kuavo_sim_env.yaml里的配置改好, 测试回合数(eval_episodes)为100回合,最大回合步数(max_episode_steps)不超过300(任务一和二)、600(任务三)、1000(任务四), 一般200(任务一和二)、500(任务三)、800(任务四)是足够的。

4. 提交时, 一般情况使用提交结果入口即可正常提交。若文件过大导致上传失败(一般超过5G会出现这种情况), 可使用上传超大文件入口。注意上传超大文件里的命令每隔一小时会刷新。

5. 提交前，请先确认好已经成功加入队伍(个人选手可以不用)，若提交并获得到成绩后更改队伍或加入队伍，之前的成绩会作废。每队仅需一名选手提交, 请勿重复提交。

6. 官方评测系统和本地仓库评测系统类似，各位选手提交前可以先在本地测试自己的模型性能，以便随时修改自己的代码，性能调试后再提交，以免过多浪费其他选手的评测资源。

7. 提交后，若评测成功，可以在天池竞赛提交页看到自己的分数，若评测失败，会显示评测失败并显示原因，此时请检查提交的文件是否正确。

视频教程(下载打包过程可快进)

真机赛代码提交与评测

跟仿真赛同理，真机赛代码提交也是环境和代码打包为 docker 镜像，之后提交至比赛官网。具体步骤如下：

配置docker加速，打包环境：可参考仿真赛提交说明 docker/readme 步骤1-2

复制以下Dockerfile模板（专为真机赛的定制版），修改必要参数，例如Conda环境名、Conda环境包名、添加额外必要系统、python包等，保存为项目根目录下的 Dockerfile

# =========================
# Stage 1: Builder
# =========================
FROM ros:noetic-ros-core-focal AS builder

ARG DEBIAN_FRONTEND=noninteractive

# 国内APT源
RUN sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list && \
   sed -i 's/security.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list

# 安装必要工具和ROS依赖
RUN apt-get update && apt-get install -y \
   curl wget gnupg2 lsb-release sudo ca-certificates build-essential bzip2 \
   ros-noetic-cv-bridge \
   ros-noetic-apriltag-ros \
   && rm -rf /var/lib/apt/lists/*

# 安装 Miniforge
ENV MINIFORGE_URL="https://mirrors.tuna.tsinghua.edu.cn/github-release/conda-forge/miniforge/LatestRelease/Miniforge3-Linux-x86_64.sh"
RUN curl -L ${MINIFORGE_URL} -o /tmp/miniforge.sh \
   && bash /tmp/miniforge.sh -b -p /opt/conda \
   && rm /tmp/miniforge.sh

ENV PATH="/opt/conda/bin:${PATH}"
ENV LANG=C.UTF-8
ENV LC_ALL=C.UTF-8

# 配置国内镜像并安装 mamba
RUN conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ \
   && conda config --set show_channel_urls yes \
   && conda install -y mamba -c conda-forge

# 工作目录
WORKDIR /root/kuavo_data_challenge
COPY . .

# 解压 Conda 环境并安装项目
# TODO: 修改Conda环境名和包名，请确保每一个myenv都修改全
RUN if [ -f "myenv.tar.gz" ]; then \
      mkdir -p ./myenv && tar -xzf myenv.tar.gz -C ./myenv && rm myenv.tar.gz; \
   fi && \
   /bin/bash -c "\
      source ./myenv/bin/activate && \
      conda-unpack && \
      pip install -e . && \
      cd ./third_party/lerobot && pip install -e . -i https://mirrors.aliyun.com/pypi/simple/ && \
      pip install deprecated kuavo_humanoid_sdk==1.2.2 opencv-python==4.11.0.86 opencv-python-headless==4.11.0.86 numpy==1.26.4 -i https://mirrors.aliyun.com/pypi/simple/ && \
      conda clean -afy && \
      rm -rf ./myenv/lib/python*/site-packages/*/tests ./myenv/lib/python*/site-packages/*/test ./myenv/pkgs/* \
   "

# =========================
# Stage 2: Final
# =========================
FROM ros:noetic-ros-core-focal

# 设置工作目录
WORKDIR /root/kuavo_data_challenge

# 复制 Conda 环境和项目代码
COPY --from=builder /opt/conda /opt/conda
COPY --from=builder /root/kuavo_data_challenge /root/kuavo_data_challenge

# 环境变量
ENV PATH="/opt/conda/bin:${PATH}"
ENV LANG=C.UTF-8
ENV LC_ALL=C.UTF-8

RUN sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list && \
   sed -i 's/security.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
# TODO: 如果需要安装其它系统包，请在这里插入
RUN apt-get update && apt-get install -y \
   ros-noetic-cv-bridge \
   ros-noetic-apriltag-ros \
   && rm -rf /var/lib/apt/lists/*

# 保留 ROS 环境变量
# 激活 Conda 环境
RUN echo "source /opt/ros/noetic/setup.bash" >> /root/.bashrc && \
   echo "source /root/kuavo_data_challenge/myenv/bin/activate" >> /root/.bashrc && \
   echo "chmod 777 -R /root/kuavo_data_challenge/kuavo_deploy" >> /root/.bashrc && \
   echo "export ROS_IP=192.168.26.10" >> /root/.bashrc && \
   echo "export ROS_MASTER_URI=http://kuavo_master:11311" >> /root/.bashrc

# 默认命令
CMD ["bash"]

构建 Docker 镜像并导出为tar文件：跟仿真赛提交同理，将Dockerfile放置于项目根目录下，运行指令 sudo docker build -t kdc_v0 .，然后用 sudo docker save -o your_docker_image.tar kdc_v0:latest 导出
按照赛事提交文件名要求重命名导出的镜像。跟正确的 run_with_gpu.sh 打包成一个高压缩率的压缩包，按照赛事要求，重命名压缩包后方可提交至比赛官网